The invention discloses a face recognition method based on PCANet. Through the multi angle face detection algorithm Adaboost implementation of face detection based on face detection in the link, and then the face detection of alignment correction, the extraction method of block theory based on PCANet expression of more facial features, finally using the extracted features for face matching. Compared with the existing face recognition methods, the invention uses PCANet to extract more abundant and more effective local features of faces in different face areas, thereby obtaining higher recognition rate. At the same time, using protocol in large-scale face buffer switching technology in the process, from a certain extent to solve the calculation complexity of face recognition and recognition efficiency contradiction, the matching time efficiency reached the millisecond level.
【技术实现步骤摘要】
基于PCANet的人脸识别方法
本专利技术属于模式识别领域,具体涉及计算机视觉、模式识别等相关理论知识,用于人脸识别系统。
技术介绍
随着人们对快速有效的自动身份验证的迫切需求,促使了生物特征识别技术的不断发展,促进了以指纹识别,虹膜识别,人脸识别等为主的生物特征识别技术的飞速发展。生物特征识别技术是指通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特性和行为特征来进行个人身份鉴定的新型技术。现阶段用于生物识别的生物特征主要有手形、指纹、脸形、虹膜、视网膜、脉搏、耳廓等,基于这些特征,随着现代电子技术和各种硬件技术的发展,生物特征采集器械和计算分析器械生产成本的明显减少,而其精度和速度都成数量级地不断提升,生物特征识别技术在取得了长足的发展的同时也得到了广泛的应用。不仅如此,随着生物特征识别技术的不断发展,与生物特征识别技术相关领域的数字图像处理、计算机视觉、模式识别、传感器技术等领域也迎来了新的发展研究。目前,生物特征识别技术应用最广泛的是指纹识别、虹膜识别,人脸识别。其中人脸识别由于无侵犯性、低成本、易安装、无人工参与等优点使得人脸识别技术得到了广泛的研究与应用。在人脸识别的实际过程中,由于待检测的人脸图像常常受光照,遮挡,表情以及人脸偏转角度等一些非稳定性因素的影响,使得人脸识别的精准度不太理想;同时由于提取的人脸特征是后面人脸匹配的关键性数据,直接关系到整个识别系统的可行性,因而一个面对复杂场景下,鲁棒性好,准确率高,实时性好的人脸识别算法显得尤为重要。经过几十年的研究,研究者们提出了大量人脸识别算法,其中 ...
【技术保护点】
基于PCANet的人脸识别方法,其特征在于,包括下列步骤:步骤1:将待识别图像进行图像预处理,图像预处理包括灰度图转换及灰度增强;步骤2:对预处理后的待识别图像进行多角度人脸检测,若存在人脸,则执行步骤3:步骤3:若待识别人脸为非正面人脸,则进行人脸校正:基于标准正面人脸图像的面部器官特征点的位置分布信息,构建人脸特征点的标准位置信息;对非正面人脸,基于标准位置信息进行旋转重建,得到正面人脸;步骤4:基于面部器官对待识别人脸图像进行图像分块,然后使用PCANet分别提取各图像块的人脸特征,得到待识别人脸图像的人脸特征数据,并与人脸数据库中的人脸特征数据进行遍历式人脸匹配,取最优匹配作为人脸识别结果;其中人脸数据库中的人脸特征数据的读写方式为:序列化的写和反序列化的读。
【技术特征摘要】
1.基于PCANet的人脸识别方法,其特征在于,包括下列步骤:步骤1:将待识别图像进行图像预处理,图像预处理包括灰度图转换及灰度增强;步骤2:对预处理后的待识别图像进行多角度人脸检测,若存在人脸,则执行步骤3:步骤3:若待识别人脸为非正面人脸,则进行人脸校正:基于标准正面人脸图像的面部器官特征点的位置分布信息,构建人脸特征点的标准位置信息;对非正面人脸,基于标准位置信息进行旋转重建,得到正面人脸;步骤4:基于面部器官对待识别人脸图像进行图像分块,然后使用PCANet分别提取各图像块的人脸特征,得到待识别人脸图像的人脸特征数据,并与人脸数据库中的人脸特征数据进行遍历式人脸匹配,取最优匹配作为人脸识别...
【专利技术属性】
技术研发人员:解梅,周扬,朱倩,程石磊,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。