【技术实现步骤摘要】
本专利技术涉及涉及机器视觉与图像处理技术，尤其是人脸识别方法。
技术介绍
在现有人脸识别系统中灯光的亮暗、人脸的姿态以及眼镜等伪装，一直是人脸识 别中富有挑战性的问题，在图像预处理中，特征提取是很关键的一步。现有的人脸识别方法 有多种，如基于词袋特征的方法，因为词袋模型忽略了特征的空间信息并且使特征无序，导 致算法识别率低，而且词袋模型中K均值聚类花费时间长，使整个算法运行时间长。
技术实现思路
本专利技术的目的地是提供一种提高了算法性能，速度运行更快的基于词袋压缩感知 特征提取的人脸识别方法。 为达到上述目的，本方法的技术方案为： 一种，包括人脸识别系统，其特征在于其 识别步骤包括： 步骤一、用尺度不变特征变换特征的方法来提取图像特征 ⑴设一幅图像的函数为为，图像与高斯核函数卷积得到不同尺度下的尺度空间； 公式如下： L(x, y, Cf) = 0(x, y, <t) * / (x, j) (I) 其中，表示像素位置，i表示尺度空间，a表示尺度空间因子； (2) 得到图像的尺度空间后，采用ItoG金字塔方法，即用差分高斯金字塔函数与图像 卷积得到的空间的方法寻找来寻找极值点，得到的公式为： (G(x，调-〇(咖))哺以 = L(x,y,ka-)-L(x,y,cf, 其中k是相邻两个不同的尺度空间； (3) 根据极值点进而确定关键点，对关键点赋予的一个方向，实现图像的旋转不变性， 具体做法为，根据关键点所在的尺度，选择与该尺度最相近的高斯平滑图像计算￡上每 一个点的梯度与方向；
【技术保护点】
一种基于词袋压缩感知特征提取的人脸识别方法，包括人脸识别系统，其特征在于其识别步骤为：步骤一、用尺度不变特征变换特征的方法来提取图像特征； (1)设一幅图像的函数为，图像与高斯核函数卷积得到不同尺度下的尺度空间；公式如下：(1)其中，表示像素位置，表示尺度空间，表示尺度空间因子；得到图像的尺度空间后，采用金字塔方法，即用差分高斯金字塔函数与图像卷积得到的空间的方法寻找来寻找极值点，得到的公式为：(2)其中ｋ是相邻两个不同的尺度空间；(3)根据极值点进而确定关键点，对关键点赋予的一个方向，实现图像的旋转不变性，具体做法为，根据关键点所在的尺度，选择与该尺度最相近的高斯平滑图像；计算上每一个点的梯度与方向；(3)(4)(4)关键点周围选择一个邻域，以关键点为中心利用所有在此区域内的点的梯度形成一个直方图；并对其中点的梯度做高斯加权；这个邻域划分为四个子区域，在每个子区域取八个方向；从而得到图像的尺度不变特征变换；步骤二、特征编码用分块的方法将图像分割为块后，每块用上述的尺度不变特征变换得到图像的局部特征后，利用压缩感知的思想，系统随机生成一个随机字典B，然后通过稀疏表示得到特征编码；假如系...
【技术特征摘要】
1. 一种基于词袋压缩感知特征提取的人脸识别方法，包括人脸识别系统，其特征在于 其识别步骤为： 步骤一、用尺度不变特征变换特征的方法来提取图像特征； (1)设一幅图像的函数为2(47),图像与高斯核函数卷积得到不同尺度下的尺度空 间；公式如下： L(x, y, σ) = 0(x,y, σ) * 1(χ, y) (1) 其中，（U;)表示像素位置，￡表示尺度空间，σ表示尺度空间因子； 得到图像的尺度空间后，采用金字塔方法，即用差分高斯金字塔函数与图像卷积 得到的空间D(UA)的方法寻找来寻找极值点，得到D(HCr)的公式为： D(x.y,cr) = (G(x. y,k<f) - G(x,y, a)) *I(xry) + ' ' ' (2) =L (x, y,ka)- L(x, y, σ) 其中k是相邻两个不同的尺度空间； (3) 根据极值点进而确定关键点，对关键点赋予的一个方向，实现图像的旋转不变性， 具体做法为，根据关键点所在的尺度，选择与该尺度最相近的高斯平滑图像计算￡上每 一个点I(U)的梯度与方向；(4) 关键点周围选择一个邻域，以关键点为中心利用所有在此区域内的点的梯度形成 一个直方图； 并对其中点的梯度做高斯加权； 这个邻域划分为四个子区域，在每个子区域取八个方向； 从而得到图像的尺度不变特征变换； 步骤二、特征编码 用分块的方法将图像分割为WxW块后，每块用上述的尺度不变特征变换得到图像的 局部特征后，利用压缩感知的思想，系统随机生成一个随机...
【专利技术属性】
技术研发人员：周凯，元昌安，郑彦，宋文展，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。