CN103617434A - 基于幂平均半脸的人脸图像识别方法 - Google Patents
基于幂平均半脸的人脸图像识别方法 Download PDFInfo
- Publication number
- CN103617434A CN103617434A CN201310685206.8A CN201310685206A CN103617434A CN 103617434 A CN103617434 A CN 103617434A CN 201310685206 A CN201310685206 A CN 201310685206A CN 103617434 A CN103617434 A CN 103617434A
- Authority
- CN
- China
- Prior art keywords
- power
- half face
- image
- average
- average half
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开一种基于幂平均半脸的人脸识别方法,基于人脸图像的左右部分基本对称这一事实,将左右两幅半脸图像通过幂平均函数合成一张幂平均半脸图像进行人脸识别。采用这种识别方法,一方面基于幂平均函数的幂平均半脸图像具有更好的区分度,从而保证本方法能够得到较好的识别效果;另一方面,由于采用半脸图像进行识别,使得本方法在识别过程中所需的时间成本和空间成本更低。
Description
技术领域
本发明涉及数字人脸图像的识别方法,特别涉及一种根据半脸图像进行识别的人脸识别方法。
背景技术
随着计算机技术、通信技术和信息技术的快速发展,以及整个人类社会对网络安全和自身安全的高度重视,无论个人、企业还是政府,对基于计算机的身份认证和识别要求都越来越迫切。人脸识别技术,作为最重要的生物特征识别技术之一,具有自然性,即该识别方式同人类进行个体识别时所利用的生物特征相同,以及不易被被测个体察觉等优势,因而得到了广泛应用,例如人脸识别门禁系统。
人脸识别方法多种多样,都有各自的优缺点,但是绝大部分方法都有一个共同的前提,他们使用的人脸图像大都是整幅人脸图像,识别过程需要很多计算资源。基于人脸的左右两部分基本对称这一事实,对人脸进行半脸图像识别,可以有效降低识别过程的时间成本和空间成本。
发明内容
本发明的目的是针对现有数字人脸图像识别技术存在的问题,利用幂平均函数的相关性质,提供一种利用半脸图像进行人脸识别的方法。
一种基于幂平均半脸的人脸图像识别方法,其特征在于包括:
(一)幂平均半脸目标人脸库的建立,包括如下步骤:
(1) 获取用于对识别机制进行训练的人脸图像集;
(2) 对人脸图像集中的每一张人脸图像,生成一张幂平均半脸图像;
(3) 利用基于梯度方向的主成分分析方法,为幂平均半脸图像集生成一个本征空间;
(4) 将每一张人脸图像的幂平均半脸图像在本征空间的投影向量保存起来,组成幂平均半脸目标人脸库;
(二)幂平均半脸图像的识别,包括如下步骤:
①接收待识别的人脸图像;
②生成待识别人脸图像的幂平均半脸图像;
③获得待识别的幂平均半脸图像在本征空间的投影向量;
④计算待识别的幂平均半脸图像的投影向量和幂平均半脸目标人脸库中每一个投影向量的相似度;
⑤输出幂平均半脸目标人脸库中相似度最大的投影向量所对应的图像作为识别结果。
本发明进一步的技术方案是:
生成幂平均半脸图像的步骤包括:
(1) 获取目标人脸图像;
(2) 将人脸图像进行分割,得到对称的左右两幅半脸图像;
(3) 将其中一幅半脸图像进行镜面反转,获得可以对齐的两幅半脸图像;
(4) 构造合适的幂平均函数;
(5) 利用构造的幂平均函数将两幅半脸图像进行映射,生成一张幂平均半脸图像。
本发明的优点是:本发明基于幂平均半脸的人脸图像识别方法可以提高人脸图像的识别率,并有效降低人脸图像识别过程中的计算时间成本和空间成本。
附图说明
图1是本发明方法的流程图;
图2是生成幂平均半脸图像的流程图;
图3是生成幂平均半脸示意图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明。
本发明基于幂平均半脸的人脸图像识别方法流程如图1所示。步骤10是初始动作。步骤11判断训练机制是否已经训练完成,如果是则执行步骤17;否则执行步骤12。步骤12判断人脸图像是否已经是幂平均半脸图像,如果是则执行步骤15,否则执行步骤13。步骤13获取用于对识别机制进行训练的人脸图像集,该图像集中每个人脸至少有一张图像用于训练。步骤14用来为每一张人脸图像生成一张相应的幂平均半脸图像。
生成幂平均半脸图像后,步骤15利用基于梯度方向的主成分分析技术,为步骤14得到的幂平均半脸图像集合生成一个有K个正交基向量的本征空间,这里的K可以是用户预设定的整数值,但是需要满足0<K<n(n是指幂平均半脸图像的维数)也可以是根据某些特定要求(比如,要求选定的K个主成分至少能够覆盖原来信息量的95%)选择的整数值。步骤16是向量投射操作,将每一张幂平均半脸图像投影在本征空间上,并得到投影向量,将得到的投影向量保存,组成幂平均半脸目标人脸库。这样,幂平均半脸目标人脸库中每一个投影向量就对应着一张人脸图像。
步骤17是接收待识别的人脸图像,然后步骤18是利用步骤14的方法生成待识别图像的幂平均半脸图像。步骤19将步骤18得到的幂平均半脸图像投影到本征空间,得到一个投影向量。步骤20将待识别图像的投影向量与幂平均半脸目标人脸库中的投影向量比对,比如可以根据两个向量之间欧氏空间距离的大小来判断两个向量相似度的大小。步骤21找出幂平均半脸目标人脸库中与待识别图像的投影向量相似度最大的投影向量所对应的人脸图像,并将该图像所属的对象,即标签作为识别结果。步骤22是结束状态。
图2详细说明了生成幂平均半脸图像的方法。步骤1400是起始状态。步骤1401是获取目标人脸图像。步骤1402是将图像分割,得到对称的左右两幅半脸图像。这一步中,需要注意的是,在人脸图像分割之前,必须先将人脸图像根据眼、鼻的中轴线居中。为了使得到的左右两幅半脸图像可以对齐,步骤1403将左右半脸中的任意一幅图像进行镜面反转,如图3第2、3步所示。步骤1404是构造幂平均函数,幂平均函数可以是几何平均函数、二次平均函数或核函数。步骤1405是将步骤1403得到的两幅半脸图像通过所构造的幂平均函数映射生成为一张幂平均半脸图像。步骤1406是结束状态。
本发明并不是使用完整的人脸图像全图进行比对识别,而是基于人脸图像的左右部分基本对称这一事实,先将人脸图像全图分割成对称的左右两幅半脸图像,然后将左右两幅半脸图像通过幂平均函数合成一张幂平均半脸图像进行人脸识别。采用这种识别方法,一方面基于幂平均函数的幂平均半脸图像具有更好的区分度,从而保证本方法能够得到较好的识别效果;另一方面,由于采用半脸图像进行识别,使得本方法在识别过程中所需的时间成本和空间成本更低。
Claims (3)
1.一种基于幂平均半脸的人脸图像识别方法,其特征在于包括:
(一)幂平均半脸目标人脸库的建立,包括如下步骤:
(1) 获取用于对识别机制进行训练的人脸图像集;
(2) 对人脸图像集中的每一张人脸图像,生成一张幂平均半脸图像;
(3) 利用基于梯度方向的主成分分析方法,为幂平均半脸图像集生成一个本征空间;
(4) 将每一张人脸图像的幂平均半脸图像在本征空间的投影向量保存起来,组成幂平均半脸目标人脸库;
(二)幂平均半脸图像的识别,包括如下步骤:
①接收待识别的人脸图像;
②生成待识别人脸图像的幂平均半脸图像;
③获得待识别的幂平均半脸图像在本征空间的投影向量;
④计算待识别的幂平均半脸图像的投影向量和幂平均半脸目标人脸库中每一个投影向量的相似度;
⑤输出幂平均半脸目标人脸库中相似度最大的投影向量所对应的图像作为识别结果。
2.根据权利要求1所述的基于幂平均半脸的人脸图像识别方法,其特征在于生成幂平均半脸图像的步骤包括:
(1) 获取目标人脸图像;
(2) 将人脸图像进行分割,得到对称的左右两幅半脸图像;
(3) 将其中任意一幅半脸图像进行镜面反转,获得可以对齐的两幅半脸图像;
(4) 构造合适的幂平均函数;
(5) 利用构造的幂平均函数将两幅半脸图像进行映射,生成一张幂平均半脸图像。
3.根据权利要求2所述的基于幂平均半脸的人脸图像识别方法,其特征在于幂平均函数
是几何平均函数、二次平均函数或核函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310685206.8A CN103617434A (zh) | 2013-12-16 | 2013-12-16 | 基于幂平均半脸的人脸图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310685206.8A CN103617434A (zh) | 2013-12-16 | 2013-12-16 | 基于幂平均半脸的人脸图像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103617434A true CN103617434A (zh) | 2014-03-05 |
Family
ID=50168137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310685206.8A Pending CN103617434A (zh) | 2013-12-16 | 2013-12-16 | 基于幂平均半脸的人脸图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617434A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375663A (zh) * | 2016-09-22 | 2017-02-01 | 宇龙计算机通信科技(深圳)有限公司 | 终端拍摄方法和终端拍摄装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8358849B2 (en) * | 2008-09-17 | 2013-01-22 | Fujitsu Limited | Image processing apparatus and image processing method |
CN103279745A (zh) * | 2013-05-28 | 2013-09-04 | 东南大学 | 一种基于半脸多特征融合的人脸识别方法 |
-
2013
- 2013-12-16 CN CN201310685206.8A patent/CN103617434A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8358849B2 (en) * | 2008-09-17 | 2013-01-22 | Fujitsu Limited | Image processing apparatus and image processing method |
CN103279745A (zh) * | 2013-05-28 | 2013-09-04 | 东南大学 | 一种基于半脸多特征融合的人脸识别方法 |
Non-Patent Citations (1)
Title |
---|
JOSH HARGUESS ET AL.: "A Case for the Average-Half-Face in 2D and 3D for Face Recognition", 《IEEE COMPUTER SOCIETY CONFERENCE ON CVPR WORKSHOPS 2009》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375663A (zh) * | 2016-09-22 | 2017-02-01 | 宇龙计算机通信科技(深圳)有限公司 | 终端拍摄方法和终端拍摄装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102737234B (zh) | 基于Gabor滤波和联合稀疏模型的人脸识别方法 | |
CN105138980A (zh) | 基于身份证件信息和人脸识别的身份验证方法及系统 | |
CN104517104A (zh) | 一种基于监控场景下的人脸识别方法及系统 | |
Yuan et al. | Ear recognition based on Gabor features and KFDA | |
CN102629320A (zh) | 基于特征层定序测量统计描述的人脸识别方法 | |
CN106096517A (zh) | 一种基于低秩矩阵与特征脸的人脸识别方法 | |
CN109344709A (zh) | 一种人脸生成伪造图像的检测方法 | |
Gou et al. | mom: Mean of moments feature for person re-identification | |
Wenjing et al. | Face recognition based on the fusion of wavelet packet sub-images and fisher linear discriminant | |
CN103617434A (zh) | 基于幂平均半脸的人脸图像识别方法 | |
Thanh Do et al. | Facial feature extraction using geometric feature and independent component analysis | |
Sharma | Brief Review of a Hybrid Feature Extraction Technique for Face Recognition | |
Yuan et al. | Multimodal recognition using face profile and ear | |
Zhang et al. | 3D assisted face recognition via progressive pose estimation | |
Ge et al. | Age estimation from human body images | |
Patil et al. | Enhancement of feature extraction in image quality | |
Nguyen et al. | User re-identification using clothing information for smartphones | |
Satyanarayana et al. | Performance evaluation of incremental training method for face recognition using PCA | |
Naveen et al. | 3D face recognition using optimised directional faces and fourier transform | |
Ijiri et al. | Efficient facial attribute recognition with a spatial codebook | |
Kar et al. | Disguised Face Verification Using Inverse Disguise Quality | |
Cheng et al. | Enhancing model-based skin color detection: From low-Level RGB features to high-level discriminative binary-class features | |
Belahcene et al. | 3D and 2D face recognition based on image segmentation | |
Hu et al. | Subspace learning for human head pose estimation | |
Jung et al. | A robust eye detection method in facial region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140305 |