一种大姿态人脸识别方法技术

本发明专利技术公开了一种适用于大姿态的人脸识别方法，该方法首先对图片进行分块操作，利用加权的LK算法得到相应侧脸块和正脸块的仿射变换参数候选集；然后，对于候选集中的每一个参数，找到其中的最优参数；对每一侧脸块用其对应的最优仿射变换参数即可矫正为这一块人脸的正脸，所有的块拼接起来即是矫正后的正面人脸形式；最后，采用加权的局部gabor二值模式直方图序列算法，以每一人脸块最优参数得到的平均gabor相似度作为这一块人脸的识别权重来进行认证识别。本发明专利技术方法简单高效、不受光照影响且能够高效并且精确的获得全局最优仿射变换参数，使得对于侧脸的识别率得到了大幅提高，在大姿态人脸检测与识别中具有非常好的应用前景。

【技术实现步骤摘要】
一种大姿态人脸识别方法
本专利技术属于计算机视觉和人工智能
，涉及一种人脸识别方法，具体涉及一种大姿态人脸识别方法。
技术介绍
人脸识别技术是当代人工智能、模式识别、计算机视觉领域中的热门研究课题之一。在实际生活以及科学应用中对人脸识别检测得出，大角度姿态的因素是影响人脸识别结果的主要因素。当输入的人脸图像是一张偏转角度较大的侧脸图像时，很多常规人脸识别算法性能都大幅度的下降，导致识别率会明显大幅下降。实验已经证明，即使是对同一个人的两幅图像，不同的姿态反映在图像上也会有很大的差异，这种差异可能会比相同姿态不同身份的人差异还要大。在目前所有的算法中，姿态的矫正归一化已经被证明是一个有效的算法。目前针对大角度人脸姿态，主流研究方法主要集中在三维人脸模板和二维平面技术。在三维模板方面，需要由单幅图像构造出三维模板来进行，但是三维人脸重建运算较复杂，计算量较大，难以实现实时性的要求，并且模板的构建需要精确标定一些特征点；在二维方面，Lucas-Kanade算法是一个非常有效的图像对齐算法，但是传统基于LK算法的人脸姿态恢复，在单个图片上进行过程容易陷入局部最小值从而得不到全局最优参数本文档来自技高网...

【技术保护点】
1.一种大姿态人脸识别方法，其特征在于：包括如下步骤：1)对训练集中的每个侧面人脸和其对应的正面人脸区域进行对应分块划分；2)使用加权的LK算法得到训练集中每个人脸上划分的每块区域的仿射变换参数，并且将训练集中所有的对应人脸区域的仿射变换参数作为候选集；3)依据训练集中每一块矫正的人脸块和其对应正脸块gabor相似度最大的准则，找到划分的每块人脸区域对应的最优仿射变换参数；4)利用每块区域的最优仿射变换参数求出在此参数之下这一块人脸区域的平均gabor相似度；5)对待识别的人脸图片进行角度测定和侧脸区域分块划分；6)根据步骤3找到步骤5中侧脸区域的所有分块区域的最优仿射变换参数，合成正面人脸；...

【技术特征摘要】
1.一种大姿态人脸识别方法，其特征在于：包括如下步骤：1)对训练集中的每个侧面人脸和其对应的正面人脸区域进行对应分块划分；2)使用加权的LK算法得到训练集中每个人脸上划分的每块区域的仿射变换参数，并且将训练集中所有的对应人脸区域的仿射变换参数作为候选集；3)依据训练集中每一块矫正的人脸块和其对应正脸块gabor相似度最大的准则，找到划分的每块人脸区域对应的最优仿射变换参数；4)利用每块区域的最优仿射变换参数求出在此参数之下这一块人脸区域的平均gabor相似度；5)对待识别的人脸图片进行角度测定和侧脸区域分块划分；6)根据步骤3找到步骤5中侧脸区域的所有分块区域的最优仿射变换参数，合成正面人脸；7)采用加权的局部gabor二值模式直方图序列方法对步骤6中合成的正面人脸进行识别，其中每块人脸区域的识别权重值为这一块人脸区域的平均gabor相似度。2.根据权利要求1所述的一种大姿态人脸识别方法，其特征在于：所述步骤2中用p表示仿射变换参数，用I来表示侧脸的图像，用T来表示对应的正脸图像，下标r表示块的编号，得到以下函数：E＝||[g1*Ir(W(x,p)),……,gM*Ir(W(x,p))]-[g1*Tr(x),……,gM*Tr(x)]||2式中gi表示第i个gabor变换，M表示选择的gabor变换总数，利用加权的LK算法来求解上述函数，其具体步骤为：2.1)变换到傅里叶频域并用Parseval定理，可以得到如下：其中分别为gi,Ir,Ti对应的傅里叶变换；2.2)用包含傅里叶基向量的矩阵F来代替傅里叶变换：E＝[Ir(W(x,p))-Tr(x)]TFTSF[Ir(W(x,p))-Tr(x)]Q＝FTSF即为加权的矩阵；2.3)对上式进行一级泰勒展开，并且令关于Δ...

【专利技术属性】
技术研发人员：王辰星，程超，达飞鹏，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32