基于局部和全局特征的人脸识别方法

总第２２５期　２００８年第７期　计算机与数字工程　Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖｏ１．３６　Ｎｏ．７　１５２　基于局部和全局特征的人脸识别方法　沈锐王展青　武汉４３００７０）　（武汉理工大学理学院摘要提出了一种将局部特征识别与全局特征识别相结合的人脸识别方法。该算法首先提取人脸的局部特征进行　识别，然后提取未识别图像的全局特征进行识别。基于ＯＲＬ人脸数据库的实验证明了该算法的识别性能要优于单一特征　识别方法。　关键词人脸识别　主成分分析ＴＰ３９１　局部特征　全局特征　中图分类号Ｆａｃｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｂ　ａｓｅｄ　ｏｎ　Ｌｏｃａｌ　ａｎｄ　Ｇｌｏｂａｌ　Ｆｅａｔｕｒｅ　Ｓｈｅｎ　Ｒｕｉ　Ｗａｎｇ　Ｚｈａｎｑｉｎｇ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｓｃｉｅｎｃｅ，Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ　４３００７０）　Ａｂｓｔｒａｃｔ　Ａ　ｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｔｅｃｈｎｉｑｕｅ　ｂａｓｅｄ　ｏｎ　ｌｏｃａｌ　ｆｅａｔｕｒｅ　ａｎｄ　ｇｌｏｂａｌ　ｆｅａｔｕｒｅ　ｗａｓ　ｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔ　ｔｈｅ　ｏｒｉｇｉｎａｌ　ｆａｃｅ　ｉｍａｇｅ’Ｓ　ｌｏｃａｌ　ｆｅａｔｕｒｅｓ　ｗｅｒｅ　ｅｘｔｒａｃｔｅｄ．Ｔｈｅｎ　ｕｔｉｌｉｚｅ　ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　ｔｏ　ｃｌａｓｓｉｆｙ　ａｎｄ　ｅｘｔｒａｃｔ　ｔｈｅ　ｅｒｒｏｒ　ｃｌａｓｓｉｆｙ　ｉｍａｇｅ’Ｓ　ｇｌｏｂａｌ　ｆｅａ—　ｔｕｒｅ，ａｌｓｏ　ｕｔｉｌｉｚｅ　ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　ｔｏ　ｃｌａｓｓｉｆｙ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｍｅｔｈｏｄ　ｉｎ　ｔｈｉｓ　ａｒｔｉｃｌｅ　ｉｓ　ｓｕｐｅｒｉｏｒ　ｔｏ　ｔｈａｔ　ｏｆ　ｓｉｎｇｌｅ　ｆｅａｔｕｒｅ．　Ｋｅｙ　ｗｏｒｄｓ　ｆａｃｅ　ｒｅｃｏｇｎｉｔｉｏｎ，ｐｒｉｎｃｉｐｌｅ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ，ｌｏｃａｌ　ｆｅａｔｕｒｅ，ｇｌｏｂａｌ　ｆｅａｔｕｒｅ　Ｃｌａｓｓ　Ｎｕｍｂｅｒ　ＴＰ３９１　１　引言　人脸识别是模式识别研究领域的重要课题。　计算机人脸识别的成功离不开有效的特征提取和　明显的局部特征，则全局描述就会退居到比较次要　的地位　。据此，提出了首先提取局部特征进行　识别，再将没有明显局部特征的脸提取出来，用它　们的全局特征进行识别。得出最终的识别结果，实　验证明得到的结果明显优于基于单一特征的识别。　分类器设计，在研究伊始人们就提出一些算法，但　是效果差强人意。１９９０年Ｋｉｒｂｙ＆Ｓｉｒｏｖｉｃｈ¨　将Ｋ　—Ｌ变换的思想引入图像领域。受此启发Ｔｕｒｋ＆　２主成分分析　主成分分析是统计学中分析数据的一种有效　的方法，它基于Ｋ—Ｌ分解。相比传统的特征提取　方法（如基于图像灰度信息、奇异值分解）来说具　Ｐｅｎｔｌａｎｄ　提出了“Ｅｉｅｇｎｆａｃｅｓ”识别技术。从此关　于人脸线性识别算法的研究激起了人们的兴趣。　其中代表性的有主成分分析（ＰＣＡ）、线性判别分　析（ＬＤＡ）［３ｊ。此后许多研究者又对这些经典的算　法进行了改进。如Ｃｈｅｎ＆Ｚｈｕ　提出局部主成分　有大幅降低特征数据维数的优势。其原理是通过　一个特殊的向量矩阵，将数据从原来的高维空间投　分析。但是人脸是一个整体这种只考虑脸部的局　部特征必然会给识别带来很大的误差。　全局特征和局部特征对于人脸感知与识别都　是不可或缺的。但研究表明全局特征描述通常作　为感知的前端输入信息。如果待识别者拥有特别　影到一个低维的向量空间中，表征为一个低维向　量。通过低维向量和这个特殊的矩阵，可以重构出　所对应的原始高维向量。在人脸识别过程中，将第　ｋ幅人脸样本的灰度图像表示成向量Ｘ　＝［Ｘ　Ｘ　…，　的形式，其中　为图像的维数。首　收稿日期：２００８年３月１０日，修回日期：２００８年３月２４日　作者简介：沈锐，男，硕士研究生，研究方向：图像处理与模式识别。　维普资讯 http://www.cqvip.com

第３６卷（２００８）第７期　计算机与数字工程　先，计算Ⅳ个样本的平均值，ｊ　１　Ⅳ　然后求出　。　，向量的协方差矩阵ｗ　、　＝专毫（　州　求Ｉｆ／的特征值和特征向　量，对特征值进行从大到　小的排序，选，［｝ｊ前　个非　零特征值对应的特征向　量作为正交基记为（，，即　Ｕ＝　ｌ　，…，ｆｌ１，］，则　出　在新的正交了窄问（，中，　人脸样本　就町以表示　为：）‘　＝Ｕ　（』＾一　）　３人脸识别算法　设计　心胛物理学研究表　图１　基本算法流程图　明：人脸的各个部什对识别人脸的贡献是不相同　的。从视觉』二看睑部线条、眼睛、嘴巴对于认识和　记住人脸起着晕要作用。所以局部特征我们选择　了眼睛与眉毛这一　域。具体算法如图１所示。　４仿真实验和结果分析　对于上述算法我们选取ＯＲＬ人脸数据库中的　图像做＿『实验　在ＯＲＬ人脸数据库中，有４０人，　每人有１０幅图像　像的分辨率为１　１２　Ｘ，９２，灰　度级为２５６。而且这　图像是在不同的光照条件、　表情和装束环境下获得。图２、图３给出了ＯＲＬ　人脸数据库中的部分罔像　圈圈囝囡圈　图２不同人的人脸图像　圈田园●　图３　同一人脸的不同姿态图像　网４给出了提取的局部特征的图像　我们对基于局部特征、全局特征和本文的算法　进行了仿真实验，结果如表ｌ昕示：　圉一　图４部特征提取示意图　表１　ＯＲＬ人脸数据库上的识别结果　实验时所用的算法　基于局部特征　７７．３３　基于全局特征　８９．３３　利用本文算法　９７．３３　从实验结果可以看出，在相同的情况下，本文　提出的算法识别率远远高于基于单一特征算法的　识别率，这是因为局部特征所含有的信息有限，而　又因为多方面原因仅用全局特征又会削弱显著局　部特征的作用降低识别率，因此将两种特征结合起　来可以达到很好的识别率。　５　结语　一～．二洲．一薹本文提出的人脸识别方法既考虑了全局信息　又兼顾了局部信息。首先把眼睛与眉毛这一局部　特征提取出来进行识别，再将没有识别出来的用传　统的主成分分析进行基于全局特征的人脸识别，最　后给出总的识别结果。在ＯＲＬ人脸数据库上达到　了９７％的识别率，达到了预期的效果。　参考文献　一　　－一蓦　堋一