專(zhuān)利名稱(chēng)：：一種基于序特征的人臉識(shí)別圖像處理方法
技術(shù)領(lǐng)域：
：本專(zhuān)利涉及人臉識(shí)別和圖像處理，尤其涉及多分辨多尺度的小波變換和基于序特征的人臉圖像光照不變量提取。
背景技術(shù)：
：隨著數(shù)字化及信息技術(shù)的發(fā)展，身份識(shí)別已成為人們?nèi)粘Ｉ钪薪?jīng)常遇到的問(wèn)題，尤其對(duì)于高準(zhǔn)確率身份識(shí)別的的需求日益增長(zhǎng)，比如大型活動(dòng)的安防檢查，出入境海關(guān)的身份鑒別，商用門(mén)禁系統(tǒng)和實(shí)時(shí)監(jiān)控，公安刑偵調(diào)查等。傳統(tǒng)的身份認(rèn)證方式，例如口令、密碼、身份證件等存在諸多缺點(diǎn)，易于復(fù)制，容易丟失，攜帶不便等。于此，利用生物特征進(jìn)行身份識(shí)別受到廣泛關(guān)注。在不同的生物特征識(shí)別方法中，人臉識(shí)別有其自身特殊的優(yōu)勢(shì)，因而在生物識(shí)別中有著重要的地位。其具有非侵?jǐn)_性、采集簡(jiǎn)單等優(yōu)勢(shì)，所以已經(jīng)逐漸受到重視，已經(jīng)投入生活中的實(shí)際應(yīng)用。但是人臉識(shí)別的應(yīng)用也面臨一些問(wèn)題，其中光照、姿態(tài)、表情是最主要的三類(lèi)問(wèn)題。這三類(lèi)因素的改變往往對(duì)人臉的成像造成極大的影響。在人臉識(shí)別系統(tǒng)中，姿態(tài)和表情可以對(duì)待識(shí)別者進(jìn)行一定約束。但是光照的影響有一定的隨機(jī)性，所以解決光照變化對(duì)人臉成像的影響也是人臉識(shí)別研究者所要面臨的一大難題。在以往的研究中，針對(duì)光照變化所提出的解決方法主要分為三類(lèi)，光照模型法，光照補(bǔ)償算法，光照不變量算法。光照模型法，是通過(guò)構(gòu)建光照空間，實(shí)現(xiàn)光照模擬來(lái)處理的。此類(lèi)方法識(shí)別效果為最好，但是計(jì)算量大，需要的訓(xùn)練樣本多，對(duì)訓(xùn)練集和訓(xùn)練環(huán)境要求高。光照補(bǔ)償算法是除去光照變化帶來(lái)的影響或者是補(bǔ)償光照。此類(lèi)方法受參數(shù)選擇的影響很大，而且參數(shù)選擇非常復(fù)雜。光照不變量方法提取那些不受光照影響或者在光照下能保持特征性的成分來(lái)表示圖像。此類(lèi)方法對(duì)于某些復(fù)雜光照條件的人臉識(shí)別效果明顯，在速度和效率上的表現(xiàn)也普遍優(yōu)于前兩類(lèi)方法。
發(fā)明內(nèi)容本發(fā)明的目的就是為了解決上述問(wèn)題，采用第三類(lèi)方法，提供了一種基于序特征的人臉識(shí)別圖像處理方法。本發(fā)明的思路，首先使用二維小波變換將圖像分解為四部分，保留其中的低頻分量以減少噪聲影響，壓縮數(shù)據(jù)。然后，針對(duì)圖像中的每個(gè)像素提取其在以其為中心的區(qū)域的序特征，形成以序特征為內(nèi)容的人臉圖像。為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案—種基于序特征的人臉識(shí)別圖像處理方法，該圖像處理方法包括如下步驟St印l:通過(guò)普通攝像裝置拍攝一般光照條件下的包含人臉的彩色人臉圖像；St印l:通過(guò)普通攝像裝置拍攝一般光照條件下的包含人臉的圖像；St印2:對(duì)圖像進(jìn)行尺度歸一化，得到調(diào)整后的圖像；St印3:對(duì)調(diào)整后的圖像進(jìn)行一次二維小波變換，對(duì)圖像進(jìn)行進(jìn)一步的壓縮，并提取低頻分量；St印4:提取低頻圖像的序特征，形成以序特征為成分的人臉圖像。所述St印3中的尺度歸一化，包括如下步驟A.已經(jīng)定位了人臉的雙眼。通過(guò)連接兩眼的中心R，L，旋轉(zhuǎn)連線(xiàn)使之水平，使人臉圖像調(diào)整至水平那個(gè)狀態(tài)沒(méi)有任何傾斜；B.已知人眼中心的距離為D，計(jì)算連線(xiàn)中心到兩邊的距離，進(jìn)行平移使之相等；C.截取臉部正方形區(qū)域；D.使用多項(xiàng)式插值中的埃爾米特插值對(duì)圖像進(jìn)行縮放，使之大小縮減到約定大小168X192。所述St印3中對(duì)圖像進(jìn)行一次二維小波變換，對(duì)圖像進(jìn)行一次二維小波變換，小波基選擇db4小波。dbN小波就是Daubechies小波。Daubechies小波是由世界著名的小波分析學(xué)者IngridDaubechies構(gòu)造的小波函數(shù)，我們一般簡(jiǎn)寫(xiě)成dbN，N是小波的階數(shù)。小波函數(shù)和尺度函數(shù)中的支撐區(qū)為2N-1，小波函數(shù)的消失矩為N。除N=1夕卜，dbN不具有對(duì)稱(chēng)性(即非線(xiàn)性相位)。dbN沒(méi)有明確的表達(dá)式(除了N=1夕卜，即哈爾小波)。Daubechies小波具有以下特點(diǎn)(1)在時(shí)域上是有限支撐的，即小波函數(shù)長(zhǎng)度有限，且N值越大，小波函數(shù)的長(zhǎng)度就越長(zhǎng)。(2)在頻域上小波函數(shù)在0頻率點(diǎn)處有N階零點(diǎn)。(3)小波函數(shù)和它的整數(shù)位移正交歸一。(4)小波函數(shù)可以由尺度函數(shù)求出。小波變換的使用，是為了對(duì)象進(jìn)行一定的壓縮。另外提取的低頻分量，收噪聲影響較少。對(duì)圖像的小波分解具體公式如下/(X,力=S附A,附+2]4,mW、,附+Z！+S《，附^、,附Ar，ffJ其中f(x，y)為經(jīng)過(guò)上述變換和處理的圖像，(K,m即小k,m(x，y)，是小波變換中的尺度函數(shù)，小k,m(x，y)=cK(x)小m(y)，k，m分別是尺度函數(shù)水平和垂直的位移標(biāo)識(shí)；!^k,m，V2k,m，V3k,m為小波函數(shù)，k，m分別是尺度函數(shù)水平和垂直的位移標(biāo)識(shí)，具體的二維小波函數(shù)的公式如下￥、邁=(J)k(x)V邁(y)，V2k,m=Vk(x)(J)邁(y)，V3k,m=iJ/k(x)Vm(y)其中，小(x)，V(y)分別為一維的尺度函數(shù)和小波函數(shù)；Ck,m為低頻系數(shù)，elk,,dk,m2，dk,J為高頻系數(shù)，其公式如下Ck,m=〈f，(^,邁>，《=〈yV"〉，《=〈/>2m〉，《=〈/,一"；在這里，給出圖3作為二維小波變換的圖示。其中h代表低通濾波，g代表高通濾波。I2表示對(duì)圖像數(shù)據(jù)進(jìn)行2的下采樣。Ck,丄Ck,mW為低頻系數(shù)，dk,mJ"，dk,mJ'2，dk,mJ'3為高頻系數(shù)。因?yàn)橹贿M(jìn)行一次小波變換，所以對(duì)于尺度的標(biāo)識(shí)沒(méi)有在公式中體現(xiàn)。而在圖示中，j代表了尺度。對(duì)變換和處理后的圖像f(x，y)，保留其中ck,m系數(shù)組成的低頻分量圖像。4所述St印5中序特征的提取是以掩模運(yùn)算的形式進(jìn)行的，其步驟為a.先對(duì)圖像進(jìn)行補(bǔ)零操作，在圖像的原有行列基礎(chǔ)上在四周補(bǔ)零，假如窗口大小設(shè)定為1Xn，1，n分別代表窗口的行數(shù)和列數(shù)都必須為奇數(shù)，1=15，n=15，則在圖像上方和下方補(bǔ)(l-l)/2行零，在圖像的左右兩側(cè)補(bǔ)(n-l)/2列零;b.補(bǔ)零之后，窗口從第1行第列1開(kāi)始，按行逐個(gè)像素的提取該像素在窗口區(qū)域內(nèi)守征；c.假定以p。為中心的窗口，有225個(gè)像素在窗口中，以N(p。)來(lái)定義這個(gè)鄰域的像素集合，其中包括中心像素，I(P)表示像素P的像素值，0(p。)則代表了像素在p。在窗口區(qū)域內(nèi)的序特征數(shù)量形式，O(po)=II{pGN(Po)|l(p)《I(p0)}II。在St印3的步驟D中，埃爾米特(Hermite)插值是拉格朗日插值的一種廣義形式，它不僅對(duì)數(shù)據(jù)點(diǎn)插值，而且還對(duì)其導(dǎo)矢插值。常見(jiàn)的埃爾米特插值是在t。處t"對(duì)兩個(gè)數(shù)P。，P工及其直到k階導(dǎo)矢P。w，P,)，r=1，2，…，k進(jìn)行插值它給出了一個(gè)2k+l次多項(xiàng)式插值曲線(xiàn)，其中基函數(shù)Hr,i(t)滿(mǎn)足下式<formula>formulaseeoriginaldocumentpage5</formula>實(shí)際應(yīng)用中使用最多的是三次埃爾米特插值，此時(shí)有p<formula>formulaseeoriginaldocumentpage5</formula>射<formula>formulaseeoriginaldocumentpage5</formula>稱(chēng)為三次埃爾米特基函數(shù)。H。,。(t)，Hu(t)，(t)，Hu(t)有如下性質(zhì)H。,。(t。)=1，//s"。)-仏,。")-hs(o-0<formula>formulaseeoriginaldocumentpage5</formula>這里，三次埃爾米特曲線(xiàn)一般是定義在[o，i]區(qū)間上，此時(shí)三次埃爾米特基函數(shù)h。,o(t)=2t3-3t2+l，Hu(t)=t(l-t)2Hoa(t)=3t2_2t3，Ut)=-t2(l_t)本發(fā)明的有益效果是該方法有效改善了光照變化對(duì)人臉圖像灰度空間分布的影響，對(duì)復(fù)雜條件下的圖像處理效果非常明顯，提高了人臉識(shí)別系統(tǒng)對(duì)光照的魯棒性。說(shuō)明書(shū)附圖圖1為本發(fā)明的處理流程圖；圖2為二維小波變換的圖示；圖3為采集的原始人臉圖像；圖4為進(jìn)行尺度歸一化調(diào)整之后的人臉圖像；圖5為經(jīng)過(guò)小波變換分解前后的人臉圖像；圖6為提取的低頻分量圖像和其經(jīng)過(guò)序特征提取的人臉圖像；圖7為YaleB人臉庫(kù)中圖像和相應(yīng)的序人臉。具體實(shí)施例方式1、采集原始的人臉圖像采用了YaleB人臉數(shù)據(jù)庫(kù)，通過(guò)普通攝像裝置拍攝一般光照條件下的包含人臉的圖像。圖3為拍攝的人臉圖像。2、對(duì)圖像進(jìn)行尺度歸一化尺度的歸一化包括人臉的定位、裁剪、旋轉(zhuǎn)和尺寸的調(diào)整。這里已經(jīng)定位了人臉的雙眼。通過(guò)連接兩眼的中心R，L，旋轉(zhuǎn)連線(xiàn)使之水平，使人臉圖像調(diào)整至水平那個(gè)狀態(tài)沒(méi)有任何傾斜。已知人眼中心的距離為D，計(jì)算連線(xiàn)中心到兩邊的距離，進(jìn)行平移使之相等。然后截取臉部正方形區(qū)域。使用多項(xiàng)式插值中的埃爾米特插值對(duì)圖像進(jìn)行縮放，使之大小縮減到約定大小168X192。圖4所示就是進(jìn)行調(diào)整后的結(jié)果。3、對(duì)圖像進(jìn)行一次小波變換，保留低頻分量在圖5中，展示了經(jīng)過(guò)小波變換分解前后的圖像。左側(cè)的為未經(jīng)處理的人臉圖像，而右側(cè)為經(jīng)過(guò)小波分解后得到的4張人臉圖像。右邊左上的圖像為低頻分量，右上為橫向高頻的分量圖像，左下為縱向高頻的分量圖像，右下角為雙向高頻即對(duì)角線(xiàn)高頻分量圖像。4、提取低頻圖像的序特征，形成以序特征為成分的人臉圖像。圖6顯示了提取的低頻分量圖像和其經(jīng)過(guò)序特征提取的圖像。可以從圖中明顯得知，以序特征為成分的人臉，在對(duì)比度和輪廓清晰度上更加突出，能夠提供更多的識(shí)別信息。對(duì)于光照的影響也可以有很大程度的去除。相關(guān)試驗(yàn)證明相關(guān)試驗(yàn)，采用了YaleB人臉數(shù)據(jù)庫(kù)，其中包含10個(gè)人，每個(gè)人有不同光照條件下的64張正臉圖像。原圖像被裁剪至168X192大小。根據(jù)光源與相機(jī)角度分為五個(gè)子集，子集1(0到12度)，子集2(12度到25度)，子集3(25度到50度)，子集4(50度到77度)，子集5(50度到90度)。每個(gè)集合分別有70，120，120，140，190張圖像。第一組實(shí)驗(yàn)，從第一到第五子集中選擇一個(gè)作為訓(xùn)練集，其他四個(gè)子集作為測(cè)試集。實(shí)驗(yàn)中人臉在提取序特征之后的成像，會(huì)在圖7中顯示。實(shí)驗(yàn)結(jié)果見(jiàn)表l。從表l中可以得知，在使用子集1和3時(shí)，識(shí)別率可達(dá)到100%。子集2和4作為訓(xùn)練集的時(shí)候，識(shí)別率6十分接近100%。在使用子集5作為訓(xùn)練集的時(shí)候，雖然識(shí)別率只有97.56%，但是遠(yuǎn)優(yōu)于其他兩類(lèi)方法。<table>tableseeoriginaldocumentpage7</column></row><table>表1第二組實(shí)驗(yàn)，是從每個(gè)人的64張圖像中隨機(jī)選擇10張圖像做為訓(xùn)練樣本組成訓(xùn)練集，其他54張圖像作為測(cè)試樣本組成測(cè)試集。為保證隨機(jī)性，該實(shí)驗(yàn)進(jìn)行了50次。表2中是這組試驗(yàn)的數(shù)據(jù)，序人臉的識(shí)別率打到99.62%，表明該方法的穩(wěn)定性十分突出。<table>tableseeoriginaldocumentpage7</column></row><table>表2第三組實(shí)驗(yàn)，以每個(gè)人的理想光照?qǐng)D像作為訓(xùn)練樣本組成訓(xùn)練集，其他的63張圖像作為測(cè)試集。結(jié)果在表3中給出?？梢钥吹剑痉椒ǖ姆€(wěn)定性依然很好，在使用大人單人臉作為訓(xùn)練可以達(dá)到98.41%。<table>tableseeoriginaldocumentpage7</column></row><table>表權(quán)利要求一種基于序特征的人臉識(shí)別圖像處理方法，其特征在于該圖像處理方法包括如下步驟Step1通過(guò)普通攝像裝置拍攝一般光照條件下的包含人臉的圖像；Step2對(duì)圖像進(jìn)行尺度歸一化，得到調(diào)整后的圖像；Step3對(duì)調(diào)整后的圖像進(jìn)行一次二維小波變換，對(duì)圖像進(jìn)行進(jìn)一步的壓縮，并提取低頻分量；Step4提取低頻圖像的序特征，形成以序特征為成分的人臉圖像。2.根據(jù)權(quán)利要求1所述的一種基于序特征的人臉識(shí)別圖像處理方法，其特征在于所述St印2中的尺度歸一化，包括如下步驟A.已經(jīng)定位了人臉的雙眼，通過(guò)連接兩眼的中心R，L，旋轉(zhuǎn)連線(xiàn)使之水平，使人臉圖像調(diào)整至水平那個(gè)狀態(tài)沒(méi)有任何傾斜；B.已知人眼中心的距離為D，計(jì)算連線(xiàn)中心到兩邊的距離，進(jìn)行平移使之相等；C.截取臉部正方形區(qū)域；D.使用多項(xiàng)式插值中的埃爾米特插值對(duì)圖像進(jìn)行縮放，使之大小縮減到約定大小168X192。3.根據(jù)權(quán)利要求1所述的一種基于序特征的人臉識(shí)別圖像處理方法，其特征在于所述St印3中對(duì)圖像進(jìn)行一次二維小波變換，遵循如下公式<formula>formulaseeoriginaldocumentpage2</formula>其中f(X，y)為經(jīng)過(guò)上述變換和處理的圖像，小k,m即小k,m(X，y)，是小波變換中的尺度函數(shù)，小k,m(x，y)=(K(x)氣(y)，k，m分別是尺度函數(shù)水平和垂直的位移標(biāo)識(shí)；V、m，V2k,m，V3k,m為小波函數(shù)，k，m分別是尺度函數(shù)水平和垂直的位移標(biāo)識(shí)，具體的二維小波函數(shù)的公式如下小k(x)V邁(y)，V2k,m=Vk(x)(J)邁(y)，V3k,m=vk(x)vm(y)其中，小(x)，V(y)分別為一維的尺度函數(shù)和小波函數(shù)；Ck,m為低頻系數(shù)，dk,二dk,m2，dk,J為高頻系數(shù)，其公式如下Ck,m=〈f，(^,邁>，=〈/>、,加〉，《=〈/，一"，《=〈y>/〉；對(duì)變換和處理后的圖像f(X，y)，保留其中Ck,m系數(shù)組成的低頻分量圖像。4.根據(jù)權(quán)利要求1所述的一種基于序特征的人臉識(shí)別圖像處理方法，其特征在于所述St印4中序特征的提取是以掩模運(yùn)算的形式進(jìn)行的，其步驟為a.先對(duì)圖像進(jìn)行補(bǔ)零操作，在圖像的原有行列基礎(chǔ)上在四周補(bǔ)零，假如窗口大小設(shè)定為lXn，1，n分別代表窗口的行數(shù)和列數(shù)都必須為奇數(shù)，1=15，n=15，則在圖像上方和下方補(bǔ)(l-l)/2行零，在圖像的左右兩側(cè)補(bǔ)(n-l)/2列零;b.補(bǔ)零之后，窗口從第1行第列1開(kāi)始，按行逐個(gè)像素的提取該像素在窗口區(qū)域內(nèi)的序特征；c.假定以p。為中心的窗口，有225個(gè)像素在窗口中，以N(p。)來(lái)定義這個(gè)鄰域的像素集合，其中包括中心像素，I(P)表示像素P的像素值，0(p。)則代表了像素在p。在窗口區(qū)域內(nèi)的序特征數(shù)量形式，<formula>formulaseeoriginaldocumentpage2</formula>全文摘要本發(fā)明公開(kāi)了一種基于序特征的人臉識(shí)別圖像處理方法，首先通過(guò)攝像機(jī)拍攝一張一般光照條件下的人臉圖像。然后對(duì)圖像進(jìn)行歸一化，使得圖像有統(tǒng)一的大小，呈現(xiàn)相同的部位。對(duì)圖像進(jìn)行二維離散小波變換，選取其中的低頻分量。對(duì)低頻分量圖像，進(jìn)行序特征提取，經(jīng)過(guò)處理后，形成一張以序特征為成分的圖像。本方法提取光照不變量序特征，使得光照變化對(duì)人臉圖像的影響降低，提高了復(fù)雜光照條件下的人臉識(shí)別效率。文檔編號(hào)G06K9/36GK101777120SQ20101010210公開(kāi)日2010年7月14日申請(qǐng)日期2010年1月28日優(yōu)先權(quán)日2010年1月28日發(fā)明者劉毅,孫濤,楊永密,楊環(huán)申請(qǐng)人:山東大學(xué)