一种基于最近特征分类器的彩色人脸识别方法

摘要

本发明公开了一种基于最近特征分类器的彩色人脸识别方法，属于人脸识别领域。该方法是将灰度图像的最近特征分类法，即最近特征线(NFL)、最近特征面(NFP)及最近特征空间(NFS)分类法应用于彩色人脸识别中，不但利用了反映人脸图像形状结构特征的灰度信息，还充分利用了人脸的彩色鉴别信息，每种分类器的判决阶段给出了四种实现方案。本发明方法能获取更多人脸之间的差异性鉴别信息，有效提高了人脸识别率。

权利要求

1.一种基于最近特征分类器的彩色人脸识别方法，其特征在于：该方法包括如下步骤：

(1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征线的构建方法，对测试点X的R、G、B三个分量XR、XG、XB分别构建近邻线；

(2)用XR、XG、XB分别向由第c类样本构建的近邻线做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离其中，上标c表示第c类，c＝1，2，...，C，C为数据库的类别数，下标i、j分别表示第c类的第i个样本和第j个样本，i≠j， 表示直线；

(3)采用加权法计算判决距离：

其中，α、β、γ分别为三个最短投影距离的加权系数。

2.一种基于最近特征分类器的彩色人脸识别方法，其特征在于：该方法包括如下步骤：

(1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征面的构建方法，对测试点Z的R、G、B三个分量ZR、ZG、ZB分别构建近邻面；

(2)用ZR、ZG、ZB分别向由第c类样本构建的近邻面做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离其中，c＝1，2，...，C，C为数据库的类别数；

(3)采用加权法计算判决距离：

其中，α、β、γ分别为三个最短投影距离的加权系数。

3.一种基于最近特征分类器的彩色人脸识别方法，其特征在于：该方法包括如下步骤：

(1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征空间的构建方法，对测试点Z的R、G、B三个分量ZR、ZG、ZB分别构建近邻空间；

(2)用ZR、ZG、ZB分别向由第c类样本构建的近邻空间 做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离其中，上标c表示第c类，c＝1，2，...，C，C为数据库的类别数；

(3)采用加权法计算判决距离：

其中，α、β、γ分别为三个最短投影距离的加权系数。

4.根据权利要求1、2或3所述的基于最近特征分类器的彩色人脸识别方法，其特征在于：所述步骤(3)计算判决距离的另一种方法为：

说明书

一种基于最近特征分类器的彩色人脸识别方法

技术领域

[0001] 本发明涉及一种人脸识别方法，尤其涉及一种基于最近特征分类器的彩色人脸识别方法，属于人脸识别领域。

背景技术

[0002] 现有的最近特征分类法如下：

[0003] 1、最近特征线(NFL)[1]是对最近邻法的拓展，为了增强样本模型的表示能力，将同类样本两两之间各产生一条特征线，将待识别样本投影到特征线求得投影点，投影点看作产生此特征线的两样本的线性组合，根据样本的变化自动调整该线性组合，使投影点与待识别样本差距最小，最近特征线就是与测试样本点最相似的点(投影点)所在的特征线，构成特征线的样本所属类别即为测试样本的类别。

[0004] [1]S.Z.Li.“Content-based classification and retrieval of audio using the nearest feature linemethod”.IEEE Transactions on Speech and Audio Processing，vol.8，no.5，pp.619-625，2000.

[0005] 2、最近特征面(NFP)[2]拓展了最近特征线的构造思想，利用正交基与正交投影理论将最近特征线法延伸为最近特征面法。

[0006] [2]W.Zheng，C.Zou，L.Zhao.“Face recognition using two novel nearest neighbor classifiers”，IEEE Intemational Conference on Acoustics，Speech，and Signal Processing vol.5，pp.725-728，2004.

[0007] 3、最近特征空间(NFS)[3]则拓展了最近特征面的构造思想。

[0008] [3]J.T Chien，C.C.Wu.“Discriminant Waveletfaces and Nearest Feature Classifiers for FaceRecognition”，IEEE Transactions on Pattem Analysis and Machine Intelligence，vol.24，no.12，pp.1644-1649，2002.

[0009] 真实的人脸图像为彩色，人眼能分辨数千种颜色，可鉴别绝对亮度却只有10～15级灰度，所以彩色人脸图像包含的鉴别信息远多于灰度图像。但大多数经典模式识别算法都是基于灰度图像，将一幅彩色图像经过某种变换转换成灰度图像，这不可避免的会丢失原彩色图像中的部分特征信息，同时导致包括经典的最近特征分类器在内的分类器只被广泛地应用于灰度图像分类中，而对彩色信息的分类能力很少被验证。

发明内容

[0010] 本发明针对现有的人脸模式识别算法存在的缺陷，而提出一种基于最近特征分类器的彩色人脸识别方法。

[0011] 该方法分为以下三种：

[0012] 1、基于最近特征线(NFL)的彩色人脸识别方法，步骤如下：

[0013] (1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征线的构建方法，对测试点X的R、G、B三个分量XR、XG、XB分别构建近邻线；

[0014] (2)用XR、XG、XB分别向由第c类样本构建的近邻线做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离[0015] 其中，上标c表示第c类，c＝1，2，...，C，C为数据库的类别数，下标i、j分别表示第c类的第i个样本和第j个样本，i≠j， 表示直线，下同；

[0016] (3)采用加权法计算判决距离：

[0017]

[0018] 其中，α、β、γ分别为三个最短投影距离的加权系数，下同。

[0019] 2、基于最近特征面(NFP)的彩色人脸识别方法，步骤如下：

[0020] (1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征面的构建方法，对测试点Z的R、G、B三个分量ZR、ZG、ZB分别构建近邻面；

[0021] (2)用ZR、ZG、ZB分别向由第c类样本构建的近邻面做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离[0022] (3)采用加权法计算判决距离：

[0023]

[0024] 3、基于最近特征空间(NFS)的彩色人脸识别方法，步骤如下：

[0025] (1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征空间的构建方法，对测试点Z的R、G、B三个分量ZR、ZG、ZB分别构建近邻空间；

[0026] (2)用ZR、ZG、ZB分别向由第c类样本构建的近邻空间 做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离[0027] (3)采用加权法计算判决距离：

[0028]

[0029] 以上三种识别方法的步骤(3)均有如下四种加权方案可选择：

[0030] 1) mean表示求均值；

[0031] 2)α＝β＝γ＝1；

[0032] 3)

[0033]4)

[0034] 其中corr表示相关性。

[0035] 本发明将最近特征分类器的三种算法拓展到人脸识别中，不但利用了反映人脸图像形状结构特征的灰度信息，还充分利用了人脸的彩色信息，可获取更多人脸之间的差异性鉴别信息，有效提高了人脸识别算法的识别率。

具体实施方式

[0036] 下面对本发明作进一步详细说明。

[0037] 本发明是将最近特征线(NFL)、最近特征面(NFP)和最近特征空间(NFS)分类法分别拓展应用于彩色人脸识别中，对彩色图像的处理方案沿袭R、G、B三个分量独立处理思想[4]。

[0038] [4]M.Rajapakse，J.Tan，J.Rajapakse.“Color channel encoding with NMF for facerecognition”.International Conference on Image Processing，pp.2007-2010，2004.

[0039] 具体内容如下：

[0040] I、基于最近特征线(NFL)的彩色人脸识别方法，步骤如下：

[0041] (1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征线的构建方法，对测试点X的R、G、B三个分量XR、XG、XB分别构建近邻线；

[0042] (2)用XR、XG、XB分别向由第c类样本构建的近邻线做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离[0043] 其中，上标c表示第c类，c＝1，2，...，C，C为数据库的类别数，下标i、j分别表示第c类的第i个样本和第j个样本，i≠j， 表示直线，下同；

[0044] (3)采用加权法计算判决距离：

[0045]

[0046] 其中，α、β、γ分别为三个最短投影距离的加权系数，下同。

[0047] II、基于最近特征面(NFP)的彩色人脸识别方法，步骤如下：

[0048] (1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征面的构建方法，对测试点Z的R、G、B三个分量ZR、ZG、ZB分别构建近邻面；

[0049] (2)用ZR、ZG、ZB分别向由第c类样本构建的近邻面做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离[0050] (3)采用加权法计算判决距离：

[0051]

[0052] III、基于最近特征空间(NFS)的彩色人脸识别方法，步骤如下：

[0053] (1)将数据库中训练样本的R、G、B三个分量分别列向量化，按最近特征空间的构建方法，对测试点Z的R、G、B三个分量ZR、ZG、ZB分别构建近邻空间；

[0054] (2)用ZR、ZG、ZB分别向由第c类样本构建的近邻空间 做投影，得到三个投影点PR、PG、PB，根据这三个投影点计算得到相应的三个最短投影距离[0055] (3)采用加权法计算判决距离：

[0056]

[0057] 在上述三种方法的步骤(3)中，均采用了加权方法将三个最短投影距离进行融合，并用融合后的距离进行类别判决，以下是求判决距离的四种加权方案：

[0058] 1) mean表示求均值；

[0059] 2)α＝β＝γ＝1；

[0060] 3)

[0061]4)

[0062] 其中corr表示相关性。

[0063] 因为R、G、B三个分量的像素值分布不均匀，且各样本同色数据相关性更大，所以第四种加权方案可以达到“公平竞争”的目的，优化算法。

[0064] 为了验证本发明的有效性，我们将最近邻分类器(NN)和角度分类器(CC)也应用到彩色人脸识别的实验中，判决阶段采用同样的四种加权方案。

[0065] 这里还加入一种补充方案：不寻求R、G、B三个分量特征融合，直接将三个彩色分量连接成一个列向量再做分类，以便获得更充分的比较数据。

[0066] 仿真实验选用AR彩色人脸数据库[5]，该库由102人，共2652张图片组成，每人26张60×60的正面彩色图像，表情丰富、有光照变化、有遮挡和无遮挡、有胡须和无胡须等，实验选择最大10个训练样本，统计五种方案下的平均识别率，如表1所示。

[0067] [5]A.M.Martinez，R.Benavente.“The AR face database，”CVC Technical Report 24，1998.分析实验数据，得到如下结论：

[0068] 1)NF分类器在保持“测试点归为离它最近的样本点类别”特点的同时，其空间操作和对样本间相关性信息的考虑增强了分类能力，识别率基本都比NN、CC分类器高，说明本发明的有效性；

[0069] 2)在相同方案下，NFL、NFP和NFS性能呈严格增强趋势。由于异类样本相似性相差并不大、样本分布有交叉等特点，NFS相比NFP改善不是很明显；

[0070] 3)单分类器而言，考虑样本分布不均匀性、同类同色数据相似性更大的特点是必要的，使分类时样本相对公平竞争是有益的，方案一和四是有效的；

[0071] 4)单分类器而言，简单的把彩色样本列向量化(连接成一个列向量)会改变样本彩色的本性，丢失由色彩提供的丰富鉴别信息，对鉴别有消减作用；

[0072] 5)NN分类器简单地以样本间距离作为判决准则，不考虑样本分布的不均匀性和样本间相似性信息，所以方案二、三、四距离值顺序一样，实验表明鉴别结果也一样；

[0073] CC分类器判决准则是样本间的余弦值，只与原始数据分布特点有关，与加权方案无关，加权只改变样本重要特点，不改变角度特点，实验表明前四个方案性能相同；

[0074] 实验验证了：方案四在使数据集“公平竞争”时，增强了同色数据相似性，也消弱了异色数据间的差别，对考虑样本相似性信息较少的NFL的相似性信息构成了较大消弱，导致分类能力比方案二还弱，在考虑数据相似性信息较多的NFP和NFS中，方案四得到了良好的效果。

[0075] 表1中加粗项为相应分类器较优的方案结果，总体而言，方案一、三、四在NFL、NFP和NFS分类器中都具有较好效果。