法律状态公告日
法律状态信息
法律状态
2012-07-11
未缴年费专利权终止 IPC(主分类):G06K9/00 授权公告日:20091104 终止日期:20110513 申请日:20080513
专利权的终止
2009-11-04
授权
授权
2008-11-19
实质审查的生效
实质审查的生效
2008-09-24
公开
公开
技术领域
本发明属于模式识别技术领域，具体涉及一种基于各向异性双树复小波包变换的人脸识别方法。
背景技术
身份识别与验证在当今人类社会的日常生活中十分重要。利用人类本身所拥有的、能够唯一标志其身份的生理特征或行为特征进行人的身份的识别与验证，被称为生物特征识别。这些生物特征包括生理特征和行为特征。生理特征包括人脸、指纹、虹膜、视网膜、掌纹、手形、DNA、耳廓形状等；行为特征包括人的笔迹、声纹、步态等。这些生理特征和行为特征至少在一定程度上满足人个不同的独特性和长期不变的稳定性，能够反映某个人的个体特点，并与个体的身份一一对应，从而可以用来验证个体身份的真伪。
众多的生物特征识别方法在身份识别与验证方面的安全性、可靠性等性能上各有千秋。其中，在最近的一二十年中，人脸识别得到了很多研究人员和应用领域的重视。人脸识别具有以下的特点：
1)人脸识别符合人类自身的识别习惯，是人类用来互相识别的最重要的手段；
2)人脸识别可以隐蔽操作，在安全监控方面具有独到的优势；
3)人脸识别是非接触式的，人脸图像或模型的采集没有侵犯性，容易被人们所接受；
4)进行人脸识别时，图像的采集方便，采集设备可以使用中低档的CCD/CMOS摄像头，价格低廉，具有很强的实用性；
5)当然，人脸识别也具有稳定性差、可靠性较低、采集得到的图像数据质量差异较大等缺点，这主要是由于人脸会随年龄、化妆、光照、视角、距离等条件的改变发生很大改变。
在进行人脸识别时，第一步要对得到的灰度人脸图像进行预处理，得到规则的灰度人脸图像。主要目的是获得较高质量的人脸图像，从而提高人脸识别的正确率。人脸图像预处理的流程如图1所示，一般分为以下步骤：
1)输入人脸图像；
2)对输入的人脸图像，根据人脸图像中人的双眼的位置，将不同的人脸图像配准，使得不同的人脸在图像中的位置相同；将配准后的人脸图像剪裁为同样尺寸大小；
3)对进行过配准和剪裁的人脸图像进行直方图均衡化。
4)输出规则的灰度人脸图像。
在各种人脸识别方法中，人脸特征提取是关键一步。目前，一种主流的人脸特征提取方法是采用Gabor小波变换。使用Gabor小波变换进行人脸特征提取就是使用具有不同频率尺度和方向的Gabor小波核函数对原始人脸图像像素逐个进行卷积运算，得到Gabor小波幅度系数特征。Gabor小波核函数如下式：
式中，u，v表示图像中像素的位置，表示不同Gabor小波核函数的频率尺度，θ表示不同Gabor小波核函数的方向。Gabor小波变换具有不同的频率尺度和方向，在人脸特征提取上具有优良的性能。尽管Gabor变换在人脸特征提取上显示了优越的性能，但是其最大的缺点是计算复杂度过高，实现起来太不方便。例如，使用4频率尺度(即取值为1，2，3，4)8个方向(即θ取值为0，)的Gabor小波变换进行人脸特征提取时，需要对4×8＝32个Gabor小波核函数与一幅人脸图像中的所有像素逐个进行卷积运算，运算量是十分巨大的。而且得到的表示人脸特征的Gabor小波幅度系数的个数是原始人脸图像大小的32倍，在接下来进行图像两两之间匹配时的运算量也是很大的。同时，Gabor小波变换并不是在所有条件下都能取得良好的效果。
双树复小波变换为人脸特征提取提供了一种新的方法。双树复小波变换采用两个实数小波变换实现，第一个实数小波变换对应于双树复小波变换的实部，第二个实数小波变换对应于双树复小波变换的虚部。这两个实数小波变换使用不同的滤波器组，每个滤波器组均满足完全重构条件，这两个实数小波变换互为希尔伯特变换，使得双树复小波变换构成解析小波。双树复小波变换具有的优秀特性包括：近似时移不变性，完全重构，二维空间中的方向选择性(二维空间中具有-75°，-45°，-15°，15°，45°，75°等6个方向)以及低的运算复杂度(二维情况下为O(n2))。
双树复小波变换可以采用小波提升方案实现。小波提升方案包括三个步骤：分裂、预测和更新。分裂步骤是指将原信号分为两个部分：即将信号按其序号的奇、偶分为两个子集：偶数序列子集和奇数序子集。预测步骤是利用两子集间的相关性，用一个子集来预测另一个，例如使用奇数序列子集来预测偶数序列子集，从而得到细节信号部分，并存入偶数序列子集中。更新步骤是指用把细节信号即偶数序列子集来更新奇数序列子集，得到概貌信号，并存入奇数序列子集中。这样，小波变换的提升方案被分解成了几个非常简单的基本步骤，运算复杂度比较低。
双树复小波变换虽然运算量较小，但是在提取人脸特征上表现并不佳。如果仅仅简单地将双树复小波变换应用于人脸特征提取上，人脸识别的性能并不高。目前，尚没有人把双树复小波变换用于人脸识别中。
发明内容
本发明的目的在于克服已有技术的不足之处，提供一种高效、鲁棒的人脸识别方法，在大大降低运算复杂度的同时，保证人脸识别仍具有很高的正确率。
本发明所提出的基于各向异性双树复小波包变换的人脸识别方法，包括对平均脸的处理、人脸特征提取和分类判决三部分，具体包括：
1)所述的对平均脸的处理，具体包括以下步骤：
10)对规则人脸数据库中多幅(一般为几十幅以上)不同人的规则正面灰度人脸图像进行平均得到平均脸；
11)对平均脸图像采用小波提升方案进行J级(J为正整数)双树复小波变换得到各级小波子带，所述小波子带具有第J+1级的2个低频小波子带和第1，2，...，J级各6个高频小波子带；
12)对其中的第1，2，...，J-1级高频小波子带根据方差准则采用小波提升方案进行各向异性小波包变换(即对第j级(j＝1，2，...，J-1)高频小波子带进行J-j级各向异性小波包变换)，得到各向异性小波包变换结构及对应的小波幅度系数；
上述步骤11)、12)合称为各向异性双树复小波包变换；
13)对经各向异性双树复小波包变换得到的小波幅度系数进行归一化，将每个小波子带内的幅度系数从小到大均匀归一化为0到255；
14)计算各小波子带幅度系数的标准差；
2)所述的人脸特征提取，具体包括以下步骤：
21)对输入的规则人脸图像，按照步骤11)的相同处理，得到各级小波子带；
22)将步骤21)得到的小波子带根据步骤12)得到的各向异性小波包变换结构采用小波提升方案进行各向异性小波包变换(以保证每幅输入的人脸图像均具有相同的各向异性变换结构)，得到对应的小波幅度系数；步骤21)、22)合称为各向异性双树复小波包变换；
23)对经各向异性双树复小波包变换得到的小波幅度系数进行归一化，将每个小波子带内的幅度系数从小到大均匀归一化到0到255；
24)将不同小波子带的幅度系数乘上对应的由步骤14)得到的各小波子带幅度系数的标准差(即使用平均脸各小波子带幅度系数的标准差对该人脸图像的小波子带幅度系数进行加权)，得到使用小波幅度系数表示的该人脸图像对应的人脸特征；
3)所述的分类判决，具体包括以下步骤：
31)对规则人脸数据库中的每幅规则正面灰度人脸图像进行步骤2)的相同处理，得到每幅人脸图像对应的由小波幅度系数表示的人脸特征，组成标准人脸特征数据库；
32)对待识别的人脸图像进行步骤2)的相同的处理，得到该人脸图像对应的由小波幅度系数表示的人脸特征；
33)将输入的待识别的人脸图像对应的小波幅度系数人脸特征与规则人脸特征数据库中的每幅人脸图像对应的小波幅度系数人脸特征进行一一匹配，计算两两之间的相似度；
34)规则人脸特征数据库中与输入的待识别的人脸图像对应的小波幅度系数人脸特征具有最大相似度的人脸作为人脸识别的结果。
本发明的优点
本发明的目的在于克服已有技术的不足之处，提供一种高效、鲁棒的人脸识别方法，在大大降低运算复杂度的同时，保证人脸识别仍具有很高的正确率。本发明的人脸识别方法主要基于各向异性双树复小波包变换。本发明的显著优点体现在：
第一，各向异性双树复小波包变换在提取人脸特征方面具有很好的效果。首先，各向异性双树复小波包变换能够从人脸图像中提取多频率尺度的小波幅度系数人脸特征；其次，各向异性分解在原有双树复小波变换提供的方向的基础上，引入了更多的方向，能够从人脸图像中提取更多方向的小波幅度系数人脸特征，从而提供了更多的局部纹理特征；再则，各向异性双树复小波包变换具有时移不变性，使得小波幅度系数在人脸特征提取上具有较好的稳定性。
第二，对小波幅度系数进行加权，使得提取的由小波幅度系数表示的人脸特征在进行人脸识别时具有很好的鲁棒性，能够适应不同条件下得到的人脸图像，例如不同的光照条件和不同的表情。
第三，本方法的计算复杂度十分低。首先，将平均脸的各向异性变换结构直接用于其余的人脸图像，大大减少了确定各向异性变换结构的运算量；其次，各向异性双树复小波包变换能够采用小波提升方案实现，使得使用各向异性双树复小波包变换进行人脸特征提取这一步骤运算快速；再则，使用各向异性双树复小波包变换得到的小波幅度系数人脸特征的图像大小仅仅为原人脸图像大小的两倍，在分类判决阶段图像两两之间进行匹配时，计算量十分小。
附图说明
图1是灰度人脸图像预处理流程框图；
图2(a)是对平均脸的处理和规则人脸图像特征提取流程框图；图2(b)是人脸识别分类判决流程框图；
图3(a)展示了一个小波子带；图3(b)表示对该小波子带进行垂直变换方式的各向异性小波包变换得到的上下两部分小波子带；图3(c)表示对该小波子带进行水平变换方式的各向异性小波包变换得到的左右两部分小波子带；
图4是本发明的一个实施实例，展示了对一幅灰度人脸图像进行4级双树复小波变换得到的各级小波子带及各小波子带的方向性；
图5是本发明的一个实施实例，其中，图5(a)展示了一幅平均脸图像，图5(b)展示了该平均脸对应的各向异性双树复小波包变换的变换结构以及变换得到的小波幅度系数图。
具体实施方式
本发明提出的基于各向异性双树复小波包变换的人脸识别方法包括对平均脸的处理、人脸特征提取和分类判决三部分，流程框图如图2所示，结合附图及实施例详细说明如下：
1)对平均脸的处理，具体包括以下步骤：
10)对规则人脸数据库中多幅(一般为几十幅以上)不同人的规则正面灰度人脸图像进行平均得到平均脸；
11)对平均脸图像采用小波提升方案进行J级(J为正整数)双树复小波变换得到各级小波子带，所述小波子带的实部与虚部分别具有第J+1级的2个低频小波子带和第1，2，...，J级各6个高频小波子带，每级高频小波子带均有具有6种不同方向特性的小波子带，这6个方向分别为-75°，-45°，-15°，15°，45°，75°；
12)对其中的第1，2，..，J-1级高频小波子带根据方差准则采用小波提升方案进行各向异性小波包变换(即对第j级(j＝1，2，..，J-1)高频小波子带进行J-j级各向异性小波包变换)，得到各向异性小波包变换结构及对应的小波幅度系数；具体包括：
121)对各个小波子带(其中一个小波子带如图3(a)所示)的实部部分和虚部部分同时进行垂直方向的各向异性小波包变换，计算得到的上下两部分小波子带(如图3(b)所示)幅度系数(即小波子带系数的实部和虚部的平方和开根号)方差之和，记为Var_H；
122)对各个小波子带的实部部分和虚部部分同时进行水平方向的各向异性小波包变换，计算得到的左右两部分小波子带(如图3(c)所示)幅度系数方差之和，记为Var_V；
123)比较Var_H与Var_V两个值的大小，如果Var_H较大，则最终对该小波子带进行垂直方向的各向异性小波包变换；如果Var_V较大，则最终对该小波子带进行水平方向的各向异性小波包变换；得到对应的小波幅度系数；
124)对第j级(j＝1，2，...，J-1)小波子带按照步骤121)-123)重复进行J-j次，得到最终的小波幅度系数和各小波子带的变换方式组合成的各向异性小波包变换结构；
上述步骤11)、12)合称为各向异性双树复小波包变换；
13)对经各向异性双树复小波包变换得到的小波幅度系数进行归一化，将每个小波子带内的幅度系数从小到大均匀归一化到0到255；
14)计算各小波子带幅度系数的标准差；
2)人脸特征提取，具体包括以下步骤：
21)对输入的规则人脸图像，按照步骤11)的相同处理，得到各级小波子带；
22)将步骤21)得到的小波子带根据步骤12)得到的各向异性小波包变换结构采用小波提升方案进行各向异性小波包变换(以保证每幅输入的人脸图像均具有相同的各向异性变换结构)，得到对应的小波幅度系数；步骤21)、22)合称为各向异性双树复小波包变换；
23)对经各向异性双树复小波包变换得到的小波幅度系数进行归一化，将每个小波子带内的幅度系数从小到大均匀归一化到0到255；
24)将不同小波子带的幅度系数乘上对应的由步骤14)得到的各小波子带幅度系数的标准差(即使用平均脸各小波子带幅度系数的标准差对该人脸图像的小波子带幅度系数进行加权)，得到使用小波幅度系数表示的该人脸图像对应的人脸特征；
3)分类判决，具体包括以下步骤：
31)对规则人脸数据库中的每幅规则正面灰度人脸图像进行步骤2)的相同处理，得到每幅人脸图像对应的由小波幅度系数表示的人脸特征，组成标准人脸特征数据库；
32)对待识别的人脸图像进行步骤2)的相同的处理，得到该人脸图像对应的由小波幅度系数表示的人脸特征；
33)将输入的待识别的人脸图像对应的小波幅度系数人脸特征与规则人脸特征数据库中的每幅人脸图像对应的小波幅度系数人脸特征进行一一匹配，计算两两之间的相似度；
34)规则人脸特征数据库中与输入的待识别的人脸图像对应的小波幅度系数人脸特征具有最大相似度的人脸作为人脸识别的结果。
本发明的一个实施例结合图2详细说明如下：本实施例使用的人脸图像是规则灰度人脸图像。
对于获取的灰度人脸图像，首先根据人眼的位置，对人脸图像进行裁剪和面部特征配准。人脸图像均被裁剪为分辨率为64×64像素大小的图像；同时，根据人脸图像中人的双眼的位置，使不同人脸图像的双眼位置基本对准。然后，对得到的统一大小的配准了的人脸图像，进行直方图均衡化，以尽量消除不均匀光照等条件的影响。
在上述步骤之后再进行本发明的实施例步骤，包括：
1)对平均脸的处理
10)平均脸是通过AR人脸图像数据库中121个人的规则正面灰度人脸图像进行平均得到的，如图5(a)所示；
11)对平均脸图像采用小波提升方案进行4级双树复小波变换得到各级小波子带，如图4所示，图中，1，2，3，4，5分别代表得到的第1，2，3，4，5级小波子带，其中，第5级为低频小波子带，第1，2，3，4级为高频小波子带；A，B，C，D，E，F分别代表各小波子带的方向，分别为15°，45°，75°，-15°，-45°，-75°；
12)对第1，2，3级的各高频小波子带根据方差准则采用小波提升方案进行各向异性小波包变换，变换级数分别为3，2，1级，具体包括：
121)对如图3(a)所示的某一小波子带，对该小波子带系数的实部部分和虚部部分同时进行垂直方向的各向异性小波包变换，计算得到的上下两部分小波子带(如图3(b)所示)幅度系数(即小波子带系数的实部和虚部的平方和再开根号)方差之和，记为Var_H；
122)对该小波子带的实部部分的虚部部分同时进行水平方向的各向异性小波包变换，计算左右两部分小波子带(如图3(c)所示)幅度系数方差之和，记为Var_V；
123)比较Var_H与Var_V两个值的大小，如果Var_H较大，则最终对该小波子带进行垂直方向的各向异性小波包变换；如果Var_V较大，则最终对该小波子带进行水平方向的各向异性小波包变换；得到对应的小波幅度系数；
124)对第1，2，3级高频小波子带按照步骤121)-123)分别重复进行3，2，1次，得到最终的小波幅度系数和各小波子带的变换方式组合成的各向异性小波包变换结构，图5(b)展示了对平均脸进行各向异性双树复小波包变换得到的小波幅度系数和各向异性小波包变换结构，其中，图中的白线展示了各向异性双树复小波包变换得到的变换结构，不同的块分属不同的小波子带，图中除白线外的各像素的灰度值代表小波幅度系数数值的大小；
步骤11)、12)合称为各向异性双树复小波包变换；
13)对经各向异性双树复小波包变换得到的小波幅度系数进行归一化，将每个小波子带内的幅度系数从小到大均匀归一化到0到255；
14)计算各小波子带幅度系数的标准差；
2)人脸特征提取
21)对输入的规则人脸图像，采用小波提升方案进行4级双树复小波变换，得到各级小波子带；
22)将步骤21)得到的小波子带按照步骤12)得到的各向异性小波包变换结构(如图5(b)所示)采用小波提升方案进行各向异性小波包变换，以保证每幅输入的人脸图像均具有相同的各向异性变换结构，得到对应的小波幅度系数；步骤21)、22)合称为各向异性双树复小波包变换；
23)对经各向异性双树复小波包变换得到的小波幅度系数进行归一化，将每个小波子带内的幅度系数从小到大均匀归一化到0到255；
24)将不同小波子带的幅度系数乘上对应的由步骤14)得到的各小波子带幅度系数的标准差(即使用平均脸各小波子带幅度系数的标准差对该人脸图像的小波子带幅度系数进行加权)，得到使用小波幅度系数表示的该人脸图像对应的人脸特征；
3)分类判决
31)对规则人脸数据库中的每幅规则正面灰度人脸图像进行步骤2)的相同处理，得到每幅人脸图像对应的由小波幅度系数表示的人脸特征，组成标准人脸特征数据库；
32)对待识别的人脸图像进行步骤2)的相同的处理，得到该人脸图像对应的由小波幅度系数表示的人脸特征；
33)将输入的待识别的人脸图像对应的小波幅度系数人脸特征与规则人脸特征数据库中的每幅人脸图像对应的小波幅度系数人脸特征进行一一匹配，计算两两之间的相似度，这里采用的是欧式距离(但不仅限于欧式距离，也可采用一范数距离等其他度量相似度的度量方式)；
34)规则人脸特征数据库中与输入的待识别的人脸图像对应的小波幅度系数人脸特征具有最大相似度的人脸作为人脸识别的结果。
但本发明并不仅仅限于上述实施例所述具体方法，凡根据本发明所述技术内容进行的对本实施例的任何变换，均应属于本发明的保护范畴。
实验结果举例
采用AR人脸图像数据库(参见A.M.Martinez，and R.Benavente.The AR Face Database.Technique Report#24CVC.，1998.)，该数据库包括121个人，每个人有一幅规则正面灰度人脸图像，构成规则人脸图像数据库；每个人还各有两幅表情变化的灰度人脸图像和三幅光照变化的灰度人脸图像，这些人脸图像作为待识别的人脸图像，用于测试不同人脸识别方法的识别正确率；
1)对于表情变化的242幅人脸图像，采用已有的Gabor变换人脸识别方法的识别正确率是96.28％，采用本发明提出的基于各向异性双树复小波包变换的人脸识别方法的识别正确率是96.69％；
2)对于光照变化的363幅人脸图像，采用已有的Gabor变换人脸识别方法的识别正确率是97.52％，采用本发明提出的基于各向异性双树复小波包变换的人脸识别方法的识别正确率是97.52％；
3)提取一幅人脸图像的人脸特征所使用的平均时间分别为：已有的Gabor变换人脸识别方法耗时32毫秒，本发明提出的基于各向异性双树复小波包变换的人脸识别方法耗时18毫秒；
4)对两幅人脸特征进行匹配所使用的平均时间分别为：已有的Gabor变换人脸识别方法耗时0.33毫秒，本发明提出的基于各向异性双树复小波包变换的人脸识别方法耗时0.02毫秒。
机译： 基于二维网格变换的具有人脸识别的图像处理器人脸识别系统
机译： 基于各向异性平滑的人脸识别改进照明归一化方法
机译： 基于启发式高斯云变换的人脸识别技术
