基于简化智能单粒子优化算法的Ｇａｂｏｒ人脸识别方法技术

本发明专利技术涉及一种基于简化智能单粒子优化算法的Ｇａｂｏｒ人脸识别方法，包括：简化智能单粒子优化算法，包括采用一个粒子对问题函数的解空间进行寻优搜索，以及迭代时对单粒子各维度分量分别进行智能更新；以及使用简化智能单粒子优化算法挑选Ｇａｂｏｒ滤波器组，包括依据Ｇａｂｏｒ滤波器个数构造成粒子结构，确定粒子搜索的范围以及使用Ｆｉｓｈｅｒ准则作为适应度函数；当进行人脸识别时，对符合认证的人脸图像进行特征抽取形成特征数据库，并在输入新人脸图像后，使用所述挑选的Ｇａｂｏｒ滤波器组对该人脸图像进行特征抽取，对获得的特征矢量使用最小近邻分类器与数据库内特征进行比对，以判定输入图像是否包含于数据库中及其对应的身份。本发明专利技术提升了识别精度和特征提取针对性。

Gabor face recognition method based on simplified intelligent single particle optimization algorithm

The invention relates to a Gabor face recognition method, simplified intelligent single particle optimization algorithm which is based on a simplified intelligent single particle swarm optimization algorithm, including using a particle of function of solution space searching, and iteration of single particle dimensions components are respectively used to simplify and update intelligence; intelligent single particle optimization Gabor filter algorithm to select the group, including a number of Gabor filter is configured according to the particle structure, determine the scope of the particle search and the use of Fisher standards as a fitness function; when the face recognition, the face image feature extraction to meet the certification form feature database, and in the new input face image, using the Gabor filter selected to extract the features of the face image, to obtain The feature vector uses the nearest neighbor classifier to compare the features in the database to determine whether the input image is included in the database and its corresponding identity. The invention improves the recognition accuracy and the feature extraction pertinence.

【技术实现步骤摘要】

本专利技术涉及人脸图像识别
，更具体地说，涉及一种基于简化智能单粒子 优化算法的Gabor人脸识别方法。
技术介绍
随着社会信息化程度不断提高，对个人身份认证工作的需求日益增加，原有识别 方法已无法满足精确度和便利度的要求。进而出现了基于人脸图像的身份识别方法。当前 的人脸识别方法主要分为两类(l)基于整体模式的识别方法，通过研究人脸图像模式的 整体属性进行识别；(2)基于特征分析的识别方法，将人脸基准点的相对比率和其它描述 脸部特征的参数等构成特征矢量，通过比对进行识别。实用的人脸识别算法需要满足识别 精度和算法复杂度上的要求，即一方面需要提升识别率，降低误识率；另一方面需要运算足 够简单，能够在嵌入式平台等有限资源上实现。 最优化问题是寻找特定函数最值及其对应位置的一类数学问题。生物启发式优化 算法是通过模拟自然界现象发展起来的一系列智能最优值搜索方法，能够有效解决使用一 般数学工具无法处理的优化问题。常见的生物启发式算法如蚁群算法、基因算法等，或由于 搜索速度缓慢，或由于寻优性能不佳，难以用于解决实际优化问题。近年来通过模拟鸟群觅 食的群体性智能行为提出的粒子群优化算法，以其概念简明、性能高效、易于实现等优点， 得到了广泛的重视与应用。 与本技术相关的人脸识别算法为基于Gabor小波( 一维的Gabor小波由Gabor D 于1946年提出，接着Daugman J于1985年提出了二维的Gabor小波)和PCA (Principal Component Analysis,简称PCA)降维抽取特征的方法。此方法于近年提出，为公认可获得 较好识别效果的算法之一。其工作原理如下 首先，将人脸图像与Gabor小波滤波器组分别巻积以抽取特征。如图l所示，Gabor 滤波器组由40个尺寸相同的二维Gabor小波矩阵组成，包含有8个方向和5个尺度。因而 能够有效抽取整脸图像在不同方向和尺度上的特征信息。 将人脸图像与这40个Gabor小波分别进行二维巻积运算，获得40个尺寸相同的 二维特征矩阵。在实际应用中为减少计算量，一般会将人脸图像与Gabor滤波器组分别通 过二维FFT变换转换到频域，从而将巻积计算转化为矩阵乘法，再将结果矩阵通过IFFT变 换转换回时域特征。 而后，将特征矩阵组抽取为识别用人脸特征矢量。如图2所示，对于每个经过 Gabor滤波器抽取获得的特征矩阵，依序重排列为一维特征矢量。 从而整个特征矩阵组将转化为40个一维特征矢量。将这些矢量首尾相连，组成单 一的长特征矢量，并采用PCA映射进行降维处理。PCA运算能够有效获取特征中的重要成 分，舍弃非重要成分，从而降低矢量长度。最后经过下采样，获得长度较低的识别用人脸特 征矢量。 最后，将特征矢量用于人脸识别。对符合认证的人脸图像分别进行Gabor抽取，获得识别用特征矢量组成特征数据库。当进行识别时，对输入的人脸图像进行特征抽取，然后计算获得的特征矢量与数据库中各个矢量分别的马氏距离，通过最小近邻分类器进行识别判定若其与各特征矢量的最小马氏距离不大于预先设定的阀值，则将输入图像识别为获得此最小距离的特征的对应身份，否则判定为人脸特征不包含在数据库中。 尽管使用Gabor小波和PCA降维抽取特征进行人脸识别的方法精度较高，但有两个主要缺陷 其一，算法复杂度太高，严重影响实用价值。在使用Gabor滤波器组对人脸图像进 行特征抽取的运算中，需要进行40次二维FFT和IFFT变换，以及40个复数矩阵的相乘运 算。嵌入式平台很难满足其计算要求。即使是使用PC机作为实现平台，一方面运算速度依 然缓慢，另一方面识别成本亦太高。 其二，使用Gabor小波对整脸图像进行特征抽取针对性不高。40个Gabor小波的 选取为实验经验设计，并未针对人脸识别进行专门的优化，其特征抽取效率低下。依靠整脸 图像的模式进行识别的方法无法区分人类面部不同区域的特征信息含量及其对识别的重 要程度，从而更容易受到干扰的影响。
技术实现思路
本专利技术要解决的技术问题在于，提出一种基于简化智能单粒子优化算法的Gabor 人脸识别方法，以解决现有技术中使用Gabor小波和PCA降维抽取特征进行人脸识别所存 在的缺陷。 本专利技术解决其技术问题所采用的技术方案是构造一种基于简化智能单粒子优化 算法的Gabor人脸识别方法，包括 —种，其特征在于，包括 简化智能单粒子优化算法，包括采用一个粒子对问题函数的解空间进行寻优搜 索，以及迭代时对单粒子各维度分量分别进行智能更新；以及 使用简化智能单粒子优化算法挑选Gabor滤波器组，包括依据Gabor滤波器个数构造成粒子结构，确定粒子搜索的范围以及使用Fisher准则作为适应度函数； 当进行人脸识别时，对符合认证的人脸图像进行特征抽取形成特征数据库，并在输入新人脸图像后，使用所述挑选的Gabor滤波器组对该人脸图像进行特征值抽取以组成特征矢量，对获得的特征矢量使用最小近邻分类器与数据库内特征进行比对，以判定输入图像是否包含于数据库中及其对应的身份； 其中，每个滤波器形成一个特征值，整个滤波器组产生的特征值排列形成一维特征矢量。 本专利技术中，所述简化智能单粒子优化算法的粒子更新公式为)+ 2xL (1)if/(x>/(0 if/(x》/(0if /(X) 、 J6 其中a为多样性因子，p为下降因子，v为速度矢量，x为位置矢量，L为学习因子矢]公式中n为当前维数的迭代次数，i为矢量当前更新的维数，f 0为适应度函数，rl和r2为随迭代次数n每次产生的两个随机值。 本专利技术中， 更新公式(1)中，下一迭代粒子的速度矢量由多样性部分和学习部分决定学习 部分为学习信息因子L添加惯性系数2组成，多样性部分则由多样性因子a和下降因子p 决定，代表了粒子的搜索尝试行为，多样性部分是以迭代次数n为变量的幂下降函数，其变 化使得粒子由迭代初期的全局搜索逐渐转变为局部搜索； 更新公式(3)中，学习因子的变化由本次迭代尝试的结果决定若本次迭代更新 后的位置优于上次迭代的位置，则吸取本次的速度知识作为学习因子，否则保持上次迭代 使用获得较好结果的学习因子。 本专利技术中， 决定搜索性能的关键参数为多样性因子a和下降因子p ; 其中a决定粒子搜索尝试的步长，p决定粒子搜索步长的递减速率； 当粒子倾向于全局搜索时，需要增加a值而减小p值以获得更大的尝试范围，反之当倾向于局部搜索时，则需要减小a值并增大p值以进行精确搜索及避免越过最优值区域。 本专利技术中，设定多样性因子a和下降因子p这两个关键参数因子随迭代的进行自适应更新，其更新公式如下<formula>formula see original document page 7</formula><formula>formula see original document page 7</formula>(4)<formula>formula see original document page 7</formula>(5)<formula>formula see original document page 7</formula&本文档来自技高网...

【技术保护点】
一种基于简化智能单粒子优化算法的Ｇａｂｏｒ人脸识别方法，其特征在于，包括：简化智能单粒子优化算法，包括采用一个粒子对问题函数的解空间进行寻优搜索，以及迭代时对单粒子各维度分量分别进行智能更新；以及使用简化智能单粒子优化算法挑选Ｇａｂｏｒ滤波器组，包括依据Ｇａｂｏｒ滤波器个数构造成粒子结构，确定粒子搜索的范围以及使用Ｆｉｓｈｅｒ准则作为适应度函数；当进行人脸识别时，对符合认证的人脸图像进行特征抽取形成特征数据库，并在输入新人脸图像后，使用所述挑选的Ｇａｂｏｒ滤波器组对该人脸图像进行特征值抽取以组成特征矢量，对获得的特征矢量使用最小近邻分类器与数据库内特征进行比对，以判定输入图像是否包含于数据库中及其对应的身份；其中，每个滤波器形成一个特征值，整个滤波器组产生的特征值排列形成一维特征矢量。

【技术特征摘要】
一种基于简化智能单粒子优化算法的Gabor人脸识别方法，其特征在于，包括简化智能单粒子优化算法，包括采用一个粒子对问题函数的解空间进行寻优搜索，以及迭代时对单粒子各维度分量分别进行智能更新；以及使用简化智能单粒子优化算法挑选Gabor滤波器组，包括依据Gabor滤波器个数构造成粒子结构，确定粒子搜索的范围以及使用Fisher准则作为适应度函数；当进行人脸识别时，对符合认证的人脸图像进行特征抽取形成特征数据库，并在输入新人脸图像后，使用所述挑选的Gabor滤波器组对该人脸图像进行特征值抽取以组成特征矢量，对获得的特征矢量使用最小近邻分类器与数据库内特征进行比对，以判定输入图像是否包含于数据库中及其对应的身份；其中，每个滤波器形成一个特征值，整个滤波器组产生的特征值排列形成一维特征矢量。2. 根据权利要求1所述的基于简化智能单粒子优化算法的Gabor人脸识别方法，其特 征在于，所述简化智能单粒子优化算法的粒子更新公式为<formula>formula see original document page 2</formula>其中a为多样性因子，p为下降因子，v为速度矢量，x为位置矢量，L为学习因子矢量， 公式中n为当前维数的迭代次数，i为矢量当前更新的维数，f 0为适应度函数，rl和r2为 随迭代次数n每次产生的两个随机值。3. 根据权利要求2所述的基于简化智能单粒子优化算法的Gabor人脸识别方法，其特 征在于，更新公式(1)中，下一迭代粒子的速度矢量由多样性部分和学习部分决定学习部分 为学习信息因子L添加惯性系数2组成，多样性部分则由多样性因子a和下降因子p决定， 代表了粒子的搜索尝试行为，多样性部分是以迭代次数n为变量的幂下降函数，其变化使 得粒子由迭代初期的全局搜索逐渐转变为局部搜索；更新公式(3)中，学习因子的变化由本次迭代尝试的结果决定若本次迭代更新后的 位置优于上次迭代的位置，则吸取本次的速度知识作为学习因子，否则保持上次迭代使用 获得较好结果的学习因子。4. 根据权利要求2所述的基于简化智能单粒子优化算法的Gabor人脸识别方法，其特 征在于，决定搜索性能的关键参数为多样性因子a和下降因子p ; 其中a决定粒子搜索尝试的步长，p决定粒子搜索步长的递减速率； 当粒子倾向于全局搜索时，需要增加a值而减小p值以获得更大的尝试范围，反之当倾 向于局部搜索时，则需要减小a值并增大p值以进行精确搜索及避免越过最优值区域。5. 根据权利要求4所述的基于简化智能单粒子优化算法的Gabor人脸识别方法，其特 征在于，设定多样性因子a和下降因子p这两个关键参数因子随迭代的进行自适应更新，其更新公式如下<formula>formula see original document page 3</formula>(4)<formula>formula s...

【专利技术属性】
技术研发人员：纪震，周家锐，沈琳琳，储颖，
申请(专利权)人：深圳大学，
类型：发明
国别省市：94[中国|深圳]