一種聚類再分類的人臉識(shí)別方法技術(shù)

本發(fā)明專利技術(shù)公開了一種聚類再分類的人臉識(shí)別方法，包括：獲取訓(xùn)練樣本；對(duì)訓(xùn)練樣本進(jìn)行均值化處理；對(duì)人臉圖像進(jìn)行Gabor紋理特征提取，得到每張人臉圖像在提取特征后對(duì)應(yīng)的特征向量；對(duì)所得每張人臉圖像提取的Gabor紋理特征進(jìn)行降維獲得降維后的特征向量；及進(jìn)行聚類運(yùn)算，直至距離收斂以完成聚類；對(duì)聚類后的所有特征向量分類獲得若干子類，計(jì)算確定每向量均值，計(jì)算獲得類內(nèi)距離和類間距離；對(duì)待識(shí)別目標(biāo)的人臉圖像進(jìn)行特征提取和預(yù)處理，獲得經(jīng)投影變換后的特征向量，并將所得特征向量與每個(gè)子類中特征向量依次計(jì)算距離，以獲得相似度；確定待識(shí)別目標(biāo)的身份信息。本發(fā)明專利技術(shù)可縮小類間距離以減小采集過程中的誤差，提高了人臉識(shí)別的準(zhǔn)確率。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及一種聚類再分類的人臉識(shí)別方法，屬于視頻圖像處理的

技術(shù)介紹
人臉識(shí)別是現(xiàn)代生活中一種常見的技術(shù)，是一種基于生物特征的識(shí)別方式，與同屬生物特征識(shí)別的指紋、虹膜識(shí)別相比，人臉識(shí)別因其不需要直接接觸、不需要特殊的外部設(shè)備具有簡(jiǎn)單快捷的優(yōu)勢(shì)。所以人臉識(shí)別技術(shù)在諸多領(lǐng)域都有廣泛的應(yīng)用，而人臉識(shí)別技術(shù)中的人臉特征提取及模式識(shí)別是近年來基于生物特征研究的熱點(diǎn)之一。目前人臉識(shí)別技術(shù)已廣泛用于政府、銀行、電子商務(wù)、安全防務(wù)等領(lǐng)域。比如，銀行儲(chǔ)戶可以直接從加入人臉識(shí)別技術(shù)的取款機(jī)處存取款而無(wú)需攜帶銀行卡，也不用回憶密碼。此外，美國(guó)“9.11”事件后，反恐怖活動(dòng)已成為各國(guó)政府的共識(shí)，加強(qiáng)機(jī)場(chǎng)、商場(chǎng)、火車站、汽車站等公共場(chǎng)所的安全防務(wù)十分重要。隨著人臉識(shí)別技術(shù)的進(jìn)一步成熟和社會(huì)認(rèn)同度的提高，人臉識(shí)別技術(shù)將應(yīng)用在更多的領(lǐng)域。比如企業(yè)、住宅安全和管理，如人臉識(shí)別門禁考勤系統(tǒng)，人臉識(shí)別防盜門等。公安、司法和刑偵，安全部門可以利用人臉識(shí)別系統(tǒng)和網(wǎng)絡(luò)，在全國(guó)范圍內(nèi)搜捕逃犯；信息安全，比如計(jì)算機(jī)登錄、電子政務(wù)和電子商務(wù)，當(dāng)前，交易或者審批的授權(quán)都是靠密碼來實(shí)現(xiàn)，如果密碼被盜，就無(wú)法保證安全，但是使用人臉識(shí)別技術(shù)，就可以做到當(dāng)事人在網(wǎng)上的數(shù)字身份和真實(shí)身份統(tǒng)一，從而大大增加電子商務(wù)和電子政務(wù)系統(tǒng)的可靠性。因此，對(duì)于人臉識(shí)別技術(shù)的研究開發(fā)就變得極其重要，能否提供更好、更加穩(wěn)定的算法，然后在此基礎(chǔ)上進(jìn)行產(chǎn)品和技術(shù)的革新也成為當(dāng)今人臉識(shí)別技術(shù)市場(chǎng)的一個(gè)重要的任務(wù)。但是由于受光照、姿態(tài)、表情以及年齡等多方面條件的影響，導(dǎo)致人臉識(shí)別的結(jié)果不是很準(zhǔn)確。其中，又以光照變化帶來的影響最為明顯，臉部特征在戶外環(huán)境或光照條件變化非可控的環(huán)境下，會(huì)產(chǎn)生非線性變化，使得人臉識(shí)別很困難。因此，現(xiàn)有技術(shù)的人臉識(shí)別方法中，存在采集到的人臉樣本存在著角度、表情等類內(nèi)差異而造成的計(jì)算人臉特征向量均值的局部信息丟失的問題。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，提供一種聚類再分類的人臉識(shí)別方法，解決現(xiàn)有技術(shù)的人臉識(shí)別方法中人臉圖像樣本存在著角度、表情等類內(nèi)差異而造成的計(jì)算人臉特征向量均值的局部信息丟失的問題。本專利技術(shù)具體采用以下技術(shù)方案解決上述技術(shù)問題：一種聚類再分類的人臉識(shí)別方法，包括：獲取訓(xùn)練樣本，所述訓(xùn)練樣本包括目標(biāo)的若干個(gè)人臉圖像及每個(gè)圖像對(duì)應(yīng)目標(biāo)的身份信息；對(duì)所述訓(xùn)練樣本中人臉圖像進(jìn)行均值化處理；對(duì)所述均值化處理后的人臉圖像進(jìn)行Gabor紋理特征提取，得到每張人臉圖像對(duì)應(yīng)的特征向量；利用PCA降維算法對(duì)所得每張人臉圖像提取的Gabor紋理特征進(jìn)行降維獲得降維后的特征向量；對(duì)所有降維后的特征向量進(jìn)行聚類運(yùn)算，直至距離收斂以完成聚類；對(duì)聚類后的所有特征向量分類獲得若干子類，計(jì)算確定聚類后的每個(gè)子類的特征向量均值和聚類后所有特征向量的均值，及結(jié)合LDA分析算法計(jì)算獲得類內(nèi)距離和類間距離，求得使類間聚類和類內(nèi)距離比值最大的Fisher投影變換矩陣，并對(duì)聚類后的每個(gè)子類特征向量均值做Fisher投影變換，得到經(jīng)Fisher變換后的子類特征向量均值，訓(xùn)練完畢；對(duì)待識(shí)別目標(biāo)的人臉圖像進(jìn)行特征提取得到特征向量，及對(duì)所提取待識(shí)別目標(biāo)的人臉圖像的特征向量處理獲得經(jīng)Fisher投影變換后的特征向量，并將其與每個(gè)子類經(jīng)Fisher投影變換后的特征向量均值依次計(jì)算距離，以獲得相似度；提取相似度所對(duì)應(yīng)的子類和該子類中特征向量所對(duì)應(yīng)的目標(biāo)人臉圖像，并將提取得到的目標(biāo)人臉圖像所對(duì)應(yīng)身份信息確定為待識(shí)別目標(biāo)的身份信息。進(jìn)一步地，作為本專利技術(shù)的一種優(yōu)選技術(shù)方案：所述訓(xùn)練樣本采用人臉檢測(cè)方法獲得目標(biāo)的人臉圖像。進(jìn)一步地，作為本專利技術(shù)的一種優(yōu)選技術(shù)方案：所述人臉檢測(cè)方法包括：檢測(cè)和鎖定目標(biāo)人臉，及采集獲得目標(biāo)人臉圖像；對(duì)目標(biāo)人臉圖像做灰度化處理，并截取設(shè)定區(qū)域的人臉圖像后作為目標(biāo)的人臉圖像輸出。進(jìn)一步地，作為本專利技術(shù)的一種優(yōu)選技術(shù)方案：所述訓(xùn)練樣本采用直接輸入的目標(biāo)人臉圖像獲得。進(jìn)一步地，作為本專利技術(shù)的一種優(yōu)選技術(shù)方案：所述方法中對(duì)所有降維后的特征向量進(jìn)行聚類運(yùn)算，包括：從所有降維后的特征向量中隨機(jī)取點(diǎn)，作為每個(gè)子類的中心點(diǎn)；計(jì)算每個(gè)降維后的特征向量到所在子類中心點(diǎn)的距離；更新每個(gè)子類的中心點(diǎn)，及再次計(jì)算每個(gè)降維后的特征向量到更新后所在的子類中心點(diǎn)的距離，直至距離收斂以完成聚類。進(jìn)一步地，作為本專利技術(shù)的一種優(yōu)選技術(shù)方案：所述方法中提取獲得相似度最大的子類和該子類中特征向量所對(duì)應(yīng)的目標(biāo)人臉圖像。本專利技術(shù)采用上述技術(shù)方案，能產(chǎn)生如下技術(shù)效果：(1)本專利技術(shù)所提出的一種聚類再分類的人臉識(shí)別方法，所述方法通過獲取訓(xùn)練樣本用的人臉圖片，將訓(xùn)練樣本中的目標(biāo)人臉圖像預(yù)處理，提取圖像的Gabor紋理特征獲得特征向量并經(jīng)過降維處理后，加入K-means聚類使目標(biāo)類特征向量進(jìn)一步細(xì)化；聚類后的所有特征向量分類獲得若干子類，子類特征向量間的距離小于原目標(biāo)類之間的距離，因此，特征向量處理時(shí)，先對(duì)采集到的訓(xùn)練樣本的特征向量進(jìn)行聚類運(yùn)算，進(jìn)一步縮小訓(xùn)練樣本的類內(nèi)距離，減小樣本局部的信息丟失；子類特征向量可以更準(zhǔn)確的反映采樣時(shí)由于表情、光照、姿態(tài)不同帶來的差異化。所屬方法有效地消除了特征向量均值化時(shí)的相互抵消，在增加一定計(jì)算量的基礎(chǔ)上大幅提高了人臉識(shí)別的準(zhǔn)確率。(2)所述方法針對(duì)采集時(shí)由于人臉表情、光線變化造成的目標(biāo)類訓(xùn)練樣本圖片差異較大的問題，通過聚類算法縮小類間距離以減小采集過程中的誤差，較大幅度的提高了人臉識(shí)別的準(zhǔn)確率。附圖說明圖1為本專利技術(shù)的聚類再分類的人臉識(shí)別方法的流程示意圖。具體實(shí)施方式下面結(jié)合說明書附圖對(duì)本專利技術(shù)的實(shí)施方式進(jìn)行描述。如圖1所示，本專利技術(shù)提出一種聚類再分類的人臉識(shí)別方法，該方法以多個(gè)目標(biāo)，及每個(gè)目標(biāo)提取10張人臉圖像為例，具體識(shí)別如下：步驟1、獲取訓(xùn)練樣本。所述訓(xùn)練樣本包括目標(biāo)的若干個(gè)人臉圖像及每個(gè)圖像對(duì)應(yīng)目標(biāo)的身份信息。以及所述訓(xùn)練樣本可采用人臉檢測(cè)方法獲得目標(biāo)的人臉圖像，或采用直接輸入的目標(biāo)人臉圖像獲得。其中，利用人臉檢測(cè)方法過程如下：通過圖像采集設(shè)備，對(duì)待添加目標(biāo)進(jìn)行人臉檢測(cè)，檢測(cè)和鎖定目標(biāo)人臉，及采集獲得目標(biāo)人臉圖像；設(shè)定截取區(qū)域，對(duì)該區(qū)域鎖定，對(duì)目標(biāo)人臉圖像做灰度化處理，并截取設(shè)定區(qū)域的人臉圖像后作為目標(biāo)的人臉圖像輸出，作為訓(xùn)練樣本，共10張，要求截取過程盡量放慢速度，以確保十張圖片的差異化，更多的體現(xiàn)出目標(biāo)的信息，若訓(xùn)練樣本為直接輸入的目標(biāo)人臉圖像，則無(wú)需此步驟。其中，對(duì)目標(biāo)人臉圖像做灰度化處理具體如下：對(duì)設(shè)備讀取到的每一幀人臉圖像進(jìn)行灰度化處理，并滑窗掃描圖片中具有人臉正臉Harr特征的區(qū)域，根據(jù)該區(qū)域坐標(biāo)計(jì)算左右眼長(zhǎng)寬，再滑窗掃描圖片中具有左右眼中心Harr特征的的區(qū)域，規(guī)定當(dāng)左右眼中心位置的高度差小于一定值時(shí)，如定值設(shè)定為10個(gè)像素點(diǎn)值，滑窗得到的數(shù)據(jù)為有效位置。將有效位置的圖片做細(xì)微旋轉(zhuǎn)處理，以使左右眼中心位置處在同一高度，依據(jù)眼睛中心位置和眼睛的長(zhǎng)寬確定左右眼區(qū)域坐標(biāo)，通過上述坐標(biāo)計(jì)算，可以縮小人臉框的范圍，得到比原先更能反映臉部特征的訓(xùn)練樣本。按人臉位置精確坐標(biāo)截取圖片，截取不能太快，設(shè)置每成功鎖定10張，保存一張圖片，此方法可以確保訓(xùn)練樣本間的差異化，不會(huì)因速度過快而保存了近乎相同的訓(xùn)練樣本。步驟2、對(duì)所述訓(xùn)練樣本中人臉圖像預(yù)處理。首先，按照預(yù)先本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種聚類再分類的人臉識(shí)別方法，其特征在于，包括：獲取訓(xùn)練樣本，所述訓(xùn)練樣本包括目標(biāo)的若干個(gè)人臉圖像及每個(gè)圖像對(duì)應(yīng)目標(biāo)的身份信息；對(duì)所述訓(xùn)練樣本中人臉圖像進(jìn)行均值化處理；對(duì)所述均值化處理后的人臉圖像進(jìn)行Gabor紋理特征提取，得到每張人臉圖像對(duì)應(yīng)的特征向量；利用PCA降維算法對(duì)所得每張人臉圖像提取的Gabor紋理特征進(jìn)行降維獲得降維后的特征向量；對(duì)所有降維后的特征向量進(jìn)行聚類運(yùn)算，直至距離收斂以完成聚類；對(duì)聚類后的所有特征向量分類獲得若干子類，計(jì)算確定聚類后的每個(gè)子類的特征向量均值和聚類后所有特征向量的均值，及結(jié)合LDA分析算法計(jì)算獲得類內(nèi)距離和類間距離，求得使類間聚類和類內(nèi)距離比值最大的Fisher投影變換矩陣，并對(duì)聚類后的每個(gè)子類特征向量均值做Fisher投影變換，得到經(jīng)Fisher變換后的子類特征向量均值，訓(xùn)練完畢；對(duì)待識(shí)別目標(biāo)的人臉圖像進(jìn)行特征提取得到特征向量，及對(duì)所提取待識(shí)別目標(biāo)的人臉圖像的特征向量處理獲得經(jīng)Fisher投影變換后的特征向量，并將其與每個(gè)子類經(jīng)Fisher投影變換后的特征向量均值依次計(jì)算距離，以獲得相似度；提取相似度所對(duì)應(yīng)的子類和該子類中特征向量所對(duì)應(yīng)的目標(biāo)人臉圖像，并將提取得到的目標(biāo)人臉圖像所對(duì)應(yīng)身份信息確定為待識(shí)別目標(biāo)的身份信息。...

【技術(shù)特征摘要】
1.一種聚類再分類的人臉識(shí)別方法，其特征在于，包括：獲取訓(xùn)練樣本，所述訓(xùn)練樣本包括目標(biāo)的若干個(gè)人臉圖像及每個(gè)圖像對(duì)應(yīng)目標(biāo)的身份信息；對(duì)所述訓(xùn)練樣本中人臉圖像進(jìn)行均值化處理；對(duì)所述均值化處理后的人臉圖像進(jìn)行Gabor紋理特征提取，得到每張人臉圖像對(duì)應(yīng)的特征向量；利用PCA降維算法對(duì)所得每張人臉圖像提取的Gabor紋理特征進(jìn)行降維獲得降維后的特征向量；對(duì)所有降維后的特征向量進(jìn)行聚類運(yùn)算，直至距離收斂以完成聚類；對(duì)聚類后的所有特征向量分類獲得若干子類，計(jì)算確定聚類后的每個(gè)子類的特征向量均值和聚類后所有特征向量的均值，及結(jié)合LDA分析算法計(jì)算獲得類內(nèi)距離和類間距離，求得使類間聚類和類內(nèi)距離比值最大的Fisher投影變換矩陣，并對(duì)聚類后的每個(gè)子類特征向量均值做Fisher投影變換，得到經(jīng)Fisher變換后的子類特征向量均值，訓(xùn)練完畢；對(duì)待識(shí)別目標(biāo)的人臉圖像進(jìn)行特征提取得到特征向量，及對(duì)所提取待識(shí)別目標(biāo)的人臉圖像的特征向量處理獲得經(jīng)Fisher投影變換后的特征向量，并將其與每個(gè)子類經(jīng)Fisher投影變換后的特征向量均值依次計(jì)算距離，以獲得相似度；提取相似度所對(duì)應(yīng)的子類和該子...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李曉飛，丁劍楠，劉瀏，
申請(qǐng)(專利權(quán))人：南京郵電大學(xué)，
類型：發(fā)明
國(guó)別省市：江蘇;32