【技术实现步骤摘要】
本专利技术属于图像处理、模式识别领域，特别涉及一种模拟生物视觉机制的用于人脸识别的图像特征提取方法。
技术介绍
由于自动人脸识别在商业、军事和安防等领域有着广阔的应用前景，近年来人脸 识别技术受到了广泛的关注并取得了长足的发展。目前，在受控制条件下人脸识别已取得 了较好的效果。然而，在实际应用中，光照、表情等外部因素严重影响人脸识别的性能，当这 些因素变化时，人脸识别的效果会急剧下降。为了对不同变化条件下的人脸进行有效的描 述、保证人脸识别的效果，当前主要有两种手段一种是对每个人采集大量的具有不同变化 的人脸样本构成训练集，用此训练集对分类器进行训练；另一种是提取对各种变化不敏感 的不变特征。对于一个实际的人脸识别系统，预先获取具有各种变化的人脸样本通常比较 困难，因此，提取人脸不变特征是一种更为可行的提高人脸识别性能的方法。提取人脸不变特征的方法主要可分为基于三维人脸模型的方法和基于二维 人脸图像的方法。基于三维模型的方法通过人脸的三维模型描述人脸的几何结构，如 K. W. Bowyer, K. Chang, P.Flynn, A Survey of Appr...
【技术保护点】
一种模拟生物视觉机制的人脸特征提取方法，其特征在于包括以下步骤：（１）模拟初级视皮层简单细胞的学习机制，从训练图像中学习得到一组描述简单细胞感受野的滤波器，把这组滤波器作为候选的特征提取滤波器；（２）将步骤（１）所得的候选的特征提取滤波器依频率特性分为１组低通滤波器和Ｍ组带通滤波器，从每一组带通滤波器中选择一个滤波器作为特征提取的滤波器，得到Ｍ个特征提取滤波器；（３）Ｍ个特征提取滤波器分别与归一化后的待处理人脸图像作相关运算，得到Ｍ幅具有光照不变性的边缘特征图Ｓ↓［ｉ］（ｘ，ｙ），ｉ＝１，２，Ｌ，Ｍ；（４）模拟初级视皮层复杂细胞的非线性特性，将所述Ｍ幅边缘特征图分别划分图像...
【技术特征摘要】
一种模拟生物视觉机制的人脸特征提取方法，其特征在于包括以下步骤(1)模拟初级视皮层简单细胞的学习机制，从训练图像中学习得到一组描述简单细胞感受野的滤波器，把这组滤波器作为候选的特征提取滤波器；(2)将步骤(1)所得的候选的特征提取滤波器依频率特性分为1组低通滤波器和M组带通滤波器，从每一组带通滤波器中选择一个滤波器作为特征提取的滤波器，得到M个特征提取滤波器；(3)M个特征提取滤波器分别与归一化后的待处理人脸图像作相关运算，得到M幅具有光照不变性的边缘特征图Si(x，y)，i＝1，2，L，M；(4)模拟初级视皮层复杂细胞的非线性特性，将所述M幅边缘特征图分别划分图像窗，取每个窗内的元素的绝对值的最大值作为该窗的特征，得到M幅具有光照、表情和平移不变性的特征图Ci(x，y)，i＝1，2，L，M；(5)直接把每个Ci(x，y)归一化为零均值和单位方差，并将每个归一化后的Ci(x，y)转换为列向量，得到M个列向量，将该M个列向量拼接为一个列向量作为人脸图像的不变特征向量；或者(5*)模拟视觉系统的注意机制，由步骤(3)得到的边缘特征图计算人脸图像各区域的显著度，根据显著度对步骤(4)中的特征图的不同区域赋予不同的权值，增强显著度高的区域的特征，得到M幅增强的不变特征图，把该M幅增强的不变特征图都归一化为零均值和单位方差，并转换为列向量，将此M个列向量拼接为一个列向量，作为描述本人脸图像的不变特征向量；(6)对每一幅人脸图像都进行以上(1)～(5)或(5*)步的处理，得到每一幅图像的不变特征向量，然后用鉴别共同矢量方法对不变特征向量降维，最后用欧氏距离最近邻分类器对降维后的特征进行分类识别。2.根据权利要求1所述的模拟生物视觉机制的人脸特征提取方法，其特征在于，在所 述步骤(1)中用稀疏编码模型模拟初级视皮层简单细胞的学习机制，用训练稀疏编码模型 得到的稀疏编码基向量模拟简单细胞的感受野，并把稀疏编码基向量作为候选的特征提取 滤波器；所述稀疏编码模型将简单细胞的学习机制描述为一个最优化问题3.根据权利要求1所述的模拟生物视觉机制的人脸特征提取方法，其特征在于，在所 述步骤(2)中通过快速傅立叶变换计算每个候选的特征提取滤波器的幅度谱，根据幅度谱 的最大值在频率空间中所处的位置将所有的候选滤波器分为1组低通滤波器和M组具有不 同朝向选择性的带通滤波器，从每组带通滤波器中选出幅度谱的最大值最大的一个滤波器作为该组的代表，用于特征提取。4.根据权利要求1...
【专利技术属性】
技术研发人员：龚卫国，杜兴，李伟红，张睿，白志，黄庆忠，罗凌，熊健，
申请(专利权)人：重庆大学，
类型：发明
国别省市：85[中国|重庆]
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。