CN103235943A - 基于pca的3d人脸识别系统 - Google Patents

Abstract

本发明涉及一种基于PCA的3D人脸识别系统，其特征在于：该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块；所述图像处理模块分别与数据库模块和图像\视频采集模块通信连接，所述图像处理模块的输出端与所述图像识别模块通信连接，所述图像识别模块的输出端与所述显示模块通信连接。本发明的人脸识别系统利用改进的PCA算法对图像识别，提高了识别效率和系统的实用性，采用3D人脸形变模型法建立3D人脸模型的人脸方法，将人脸图像分为几个部分分别进行特征提取，同时充分考虑每个部分所包含的特征信息量的多少，并在分类时赋予它们不同的权值，提高了人脸的识别精度。

Description

基于PCA的3D人脸识别系统

技术领域

本发明涉及一种人脸识别系统，尤其涉及一种基于PCA的3D人脸识别系统。

背景技术

    人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。在人脸识别过程中，通常包括人脸检测、人脸特征提取和人脸识别步骤，特征提取是影响识别效果的一个重要环节。目前2D人脸识别技术已成熟，但由于单一的2D图像不能提供识别所需的完整信息，其特征提取的人脸特征也是基于2D的人脸特征，因此，识别精度很难进一步提高。

发明内容

本发明克服了现有技术的不足，提供一种可提取3D人脸特征、识别精度高的人脸识别系统。

为达到上述目的，本发明采用的技术方案为：一种基于PCA的3D人脸识别系统，其特征在于：该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块；所述图像处理模块分别与数据库模块和图像\视频采集模块通信连接，所述图像处理模块的输出端与所述图像识别模块通信连接，所述图像识别模块的输出端与所述显示模块通信连接。

本发明一个较佳实施例中，进一步包括所述图像处理模块包括依次通信连接的人脸检测定位模块、图像预处理模块和特征提取与选择模块。

本发明一个较佳实施例中，进一步包括所述图像识别模块利用BP神经网络对人脸图像进行识别。

本发明一个较佳实施例中，进一步包括所述特征提取与选择模块采用PCA算法提取人脸特征。

本发明一个较佳实施例中，进一步包括所述图像预处理模块中依据3D人脸形变模型法建立具有3D形状与纹理的人脸模型。

本发明解决了背景技术中存在的缺陷，本发明的人脸识别系统利用改进的PCA算法对图像识别，提高了识别效率和系统的实用性，采用3D人脸形变模型法建立3D人脸模型的人脸方法，将人脸图像分为几个部分分别进行特征提取，同时充分考虑每个部分所包含的特征信息量的多少，并在分类时赋予它们不同的权值，提高了人脸的识别精度。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的系统框架图。

具体实施方式

现在结合附图和实施例对本发明作进一步详细的说明，这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示，一种基于PCA的3D人脸识别系统，该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块；图像处理模块分别与数据库模块和图像\视频采集模块通信连接，图像处理模块的输出端与所述图像识别模块通信连接，图像识别模块的输出端与所述显示模块通信连接，显示模块用以显示识别结果。图像\视频采集模块采集摄像头拍摄的图像，通过程序将其转换为可处理的数字图像格式；摄像头可采用网眼2000摄像头，内部是含CMOS传感器的OV511+芯片，CMOS传感器采用感光元件作为影像捕获的基本手段，核心是1个感光二极管，该二极管在接受光线照射之后能够产生输出电流，而电流的强度则与光照的强度对应，相对CCD图像传感器，CMOS传感器具有成本低廉的优点。该摄像头通过USB接口与图像处理模块通信。该摄像头输出格式yuv，在输出之前，先将数据格式转化为RGB565格式。视频采集可利用DirectShow 技术对摄像头进行控制，实现视频图像的预览，并在预览的过程中对实时的视频进行抓拍，将抓拍图像传至图像处理模块进行处理。

图像处理模块包括依次通信连接的人脸检测定位模块、图像预处理模块和特征提取与选择模块，本发明的人脸检测定位、预处理和特征提取与选择为两组，分别与数据库模块和图像\视频采集模块通信连接。

检测定位是通过对输入的图像进行处理分析，判断图像中是否有人脸，如果有人脸，则作出准确的定位。

PCA算法在待识别图像质量较好的情况下，有识别准确且计算量不大的优点，但在以下几点情况下，存在缺陷,其一是待识别图像和训练图像光照度差别较大;其二是人脸背景差别较大。为改进PCA算法，可对图像做预处理,预处理包括两个步骤：

(1)删除背景：删除背景就要找出人脸在图像的位置，对此，本系统通过3D形变模型建模的方法找出人脸的位置，并进一步找出眼睛位置，然后根据两个眼睛之间的距离计算出人脸大概范围，通过对人脸范围的适当调整，使其规格化；

(2)调整每张人脸图像的亮度：通过设定一固定值，调整图像像素的灰度值，使图像灰度平均值达到这一固定值，通过同态滤波，减少光照不均。

由于摄像头采集的人脸图片的信息量往往很大，直接处理会产生庞大的计算量，所以在人脸识别之前要进行特征提取。在降低特征空间的维数的同时，尽可能地保留识别信息，以达到有效分类。 　　本系统使用主成分分析算法实现对人脸图像的特征提取。主成分分析（principal compONent analysis, PCA）是多元统计分析中用来分析数据的一种方法，它是用一种较少数量的特征对样本进行描述以达到降低特征空间维数的方法，方法的基础是Karhunen-Loeve展开式。K-L 变换的最大优点是去相关性好，这样可以将图像中大量无关的冗余信息去除，降低了之后运用BP神经网络的结构复杂度，同时也提高了神经网络的训练效率和收敛率。采用PCA 进行人脸特征提取的方法是： 　　设有N 个训练样本，每个由其像素灰度组成一个向量xi,则样本图像像素数即为向量xi的维数，M=wIDTh × height （行像素数×列向量数），由向量构成的样本集为{x1,x2,…，xn},该样本集的平均向量为：

=

协方差矩阵可表示为：

C=

求协方差矩阵C 的特征向量ei和对应的特征值λi.由大于λm的λi对应的特征向量构成主成分，主成分构成的变换矩阵为：

在实际的人脸识别过程中，对于一个输入的测试样本x,求它与平均脸之间的偏差y=x-x 则在特征脸空间的投影可表示为系数向量：

；式中

 为K-L 变换的展开系数向量，为m×1 维，这样一个脸部图像就可以用较低维的系数向量表示，从而实现了用低维向量表征原始人脸图像。可以选取对应特征值最大的前m 个特征向量，使得：

；式中可以选取

=90%,从而使得样本集在前m 个轴上的能量占整个能量的90%以上。

本发明中图像识别模块利用BP神经网络对人脸图像进行识别，BP神经网络是一种单向传播的多层前向网络。BP学习算法称为"误差逆传播算法",基本思想是通过网络误差函数的极小值来调整权重分布使神经网络收敛于稳定状态，从而使网络在接受未知输入时也会给出适当的输出。系统采用BP 神经网络对人脸识别的的具体过程有以下几步：

 　　1）产生一个训练集并设计BP 网络进行训练：训练集用于BP 网络在模式识别方面训练网络，使网络能够按照学习算法调整结构参数，以达到学习的目的；如果在实际应用中，数据库模块的人脸的样本可能只有一两个，这样就会导致BP 神经网络训练样本缺乏，所以在应用中应有充分人脸对象的数据库。网络的每一个输入节点对应于样本的一个特征，而输出节点数等于类别数，因此需设计好网络层数，隐藏层神经元数及所期望的网络误差，用上述主成分分析法得到的特征样本对网络进行反复训练，直到对所有训练样本，网络都能给出满意的结果时结束；

2）进行识别：在此阶段，当一个未知类别样本A 作为一个测试样本作用到输入端时，经过投影后得到特征矩阵Y,利用训练好的网络分类器对其进行分类，考察各输出节点的输出，从而识别出所属类别。

因本发明是3D人脸识别系统，所以在图像预处理模块中依据3D人脸形变模型法建立具有3D形状与纹理的人脸模型。3D人脸形变模型的核心思想是利用有限数量的3D人脸模型的线性组合来表达任何一个3D人脸。在用3D人脸形变模型建模时，可将模型的形状坐标集合记为s=[x1，y1，z1，…，xN，yN，zN]T，即包括N个顶点的x，y，z坐标；再将对应一个人脸的纹理表示为一个纹理向量t=[R1，G1，B1，…，RN，GN，BN]T，即包括N个对应顶点的RGB值(假设有效纹理的数据等于顶点数)。形变模型由M个人脸样本数据构成，这些数据分别表示为它的3D形状和纹理两部分，也可写成M个样本图像的质心坐标表达式，即：

其中：

使用PCA对3D人脸数据进行压缩，再把基底变换到一个由对应协方差距阵的特征值按降序排列对应的特征向量si和ti形成的正交坐标系下，则有(α，β∈RM-1)：

   

   

最终定义的3D人脸模型为[smodel(α)，tmodel(β)]，由两个变量参数确定a=[a1，a2，…，aM]T，b=[b1，b2，…，bM]T，这样，任意新的人脸都可以通过变化a，b来控制其形状和纹理。

综上所述，本发明采用CMOS图像传感器进行图像采集，并利用改进的PCA算法对图像识别，提高了识别效率和系统的实用性，采用3D人脸形变模型法建立3D人脸模型的人脸方法，将人脸图像分为几个部分分别进行特征提取，同时充分考虑每个部分所包含的特征信息量的多少，并在分类时赋予它们不同的权值，提高了人脸的识别精度。

以上依据本发明的理想实施例为启示，通过上述的说明内容，相关人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定技术性范围。

Claims (5)

1.一种基于PCA的3D人脸识别系统，其特征在于：该系统包括数据库模块、图像\视频采集模块、图像处理模块、图像识别模块以及显示模块；所述图像处理模块分别与数据库模块和图像\视频采集模块通信连接，所述图像处理模块的输出端与所述图像识别模块通信连接，所述图像识别模块的输出端与所述显示模块通信连接。

2.根据权利要求1所述的基于PCA的3D人脸识别系统，其特征在于：所述图像处理模块包括依次通信连接的人脸检测定位模块、图像预处理模块和特征提取与选择模块。

3.根据权利要求1所述的基于PCA的3D人脸识别系统，其特征在于：所述图像识别模块利用BP神经网络对人脸图像进行识别。

4.根据权利要求2所述的基于PCA的3D人脸识别系统，其特征在于：所述特征提取与选择模块采用PCA算法提取人脸特征。

5.根据权利要求2所述的基于PCA的3D人脸识别系统，其特征在于：所述图像预处理模块中依据3D人脸形变模型法建立具有3D形状与纹理的人脸模型。

Images