專利名稱：一種基于仿射尺度不變特征變換和結構相似的人臉識別方法
技術領域：
本發明涉及人臉識別技術領域，具體涉及一種基于仿射尺度不變特征變換和結構相似的人臉識別方法研究及實現。
背景技術：
隨著社會發展，越來越多的場合需要進行身份的識別和驗證。傳統的身份驗證的方式越來越無法滿足社會發展的需求。人臉識別具有簡單方便的特點被應用于諸多領域。人臉識別是利用人臉信息來進行身份判斷的技術，是最具使用價值的一種生物特征識別。人臉識別研究經過多年的研究發展，近年來取得了較大進步。一般來說，目前人臉識別方法的主要流程包括人臉檢測和定位，人臉標準化、人臉特征提取和選擇、特征判別。·目前人臉識別中主要問題在于1、人臉特征的選擇。人臉特征受干擾影響較大，隨著年齡、表情、光照、姿態等變化，人臉特征會有較大的變化。太過復雜的人臉特征會使計算非常繁瑣。2、正確識別相似的人臉有較大的難度。我們發明一種基于仿射尺度不變特征變換和結構相似的人臉識別方法。先基于圖像局部特征描述算子AISFT得到圖像間的匹配點，再進行匹配點的篩選，然后基于匹配點一定鄰域計算相似度，最后進行閾值的比較最終實現人臉識別。具有簡單易行且正確識別率較高的優點。
發明內容
本發明的目的在于基于仿射尺度不變特征變換和結構相似度進行人臉識別。本發明的創新點在于基于匹配點鄰域的結構相似度計算實現人臉識別，具有簡單易行且正確識別率較高的優點。通過仿射尺度不變特征變換算法ASIFT找到待識別人臉圖像與人臉圖像之間的匹配點，再基于“網漏”方法實現冗余匹配點的篩除，然后根據結構相似度算法計算得到基于關鍵點的相似度，最終實現人臉識別。本發明是采用以下技術手段實現的I、一種基于仿射尺度不變特征變換和結構相似的人臉識別方法，包括匹配點計算、匹配點篩選、相似度計算并判決三個步驟A、匹配點計算階段，利用仿射尺度不變特征變換算法ASIFT (Affinescale-invariant feature transform,)計算待識別人臉圖像與人臉圖像的匹配點；步驟A具體包括Al、對待識別人臉圖像u與人臉圖像V基于仿射尺度不變特征變換算法ASIFT計算匹配點，計算得出圖像u和V的匹配點對的坐標。B、匹配點篩選階段，根據待識別人臉圖像U與人臉圖像V，采用“網漏”方法實現圖像的匹配點對的篩選。經過篩選后的匹配點即為圖像的關鍵點；步驟B具體包括
BI、對輸入的待識別人臉圖像進行網格大小為M*N的矩形網格劃分，其中M的取值范圍是小于圖像長度的一半的自然數，N的取值范圍是小于圖像寬度的一半的自然數。優選地，取M = N = 8。B2、根據步驟BI中劃分出的網格，計算每一個網格對應匹配點坐標的質心；質心
按照下列公式進行計算
權利要求
1.一種基于仿射尺度不變特征變換和結構相似的人臉識別方法，包括匹配點計算、匹配點篩選、相似度計算并判決三個步驟 A、匹配點計算階段，利用仿射尺度不變特征變換算法ASIFT(Affineseal e-invar iantfeature transform,)計算待識別人臉圖像與人臉圖像的匹配點； 步驟A具體包括 Al、對待識別人臉圖像u與人臉圖像V基于仿射尺度不變特征變換算法ASIFT進行匹配點計算，計算得出圖像u和V的匹配點對； B、匹配點篩選階段，根據待識別人臉圖像u與人臉圖像V，采用“網漏”方法實現圖像的匹配點對的篩選，經過篩選后的匹配點即為圖像的關鍵點； 步驟B具體包括 BI、對輸入的待識別人臉圖像進行網格大小為M*N的矩形網格劃分，其中M的取值范圍是小于圖像長度的一半的自然數，N的取值范圍是小于圖像寬度的一半的自然數； B2、根據步驟BI中劃分出的網格，計算每一個網格對應匹配點坐標的質心，質心按照下列公式進行計算
2.如權利要求I所述的方法，在步驟BI中，設置M= N = 8。
3.如權利要求I所述的方法，在步驟Cl中，鄰域值Fi取值為8。
4.如前述任一項權利要求所述的方法，在步驟C3中，閥值的取值范圍在O.I到O. 5之間。
5.如權利要求4所述的方法，在步驟C3中，閥值為O.14。
6.如權利要求4所述的方法，在步驟C3中，閥值為O.26。
全文摘要
一種基于仿射尺度不變特征變換和結構相似的人臉識別方法涉及人臉識別技術領域。本發明是先利用圖像局部特征描述算子AISFT得到圖像間的匹配點，再基于“網漏”方法實現冗余匹配點的篩除，然后根據結構相似度算法計算得到基于關鍵點的相似度，最終實現人臉識別。本發明具有簡單易行且正確識別率較高的優點。
文檔編號G06K9/64GK102880852SQ201210229030
公開日2013年1月16日 申請日期2012年7月2日 優先權日2012年7月2日
發明者毋立芳, 劉書琴, 周鵬, 鄭慶陽, 鄧亞麗, 曹瑜, 肖鵬, 江思源, 王紅, 曹連超, 顏鳳輝, 張靜文 申請人:北京工業大學