專利名稱：基于pca的3d人臉識別系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及一種人臉識別系統(tǒng)，尤其涉及一種基于PCA的3D人臉識別系統(tǒng)。
背景技術：
人臉識別，特指利用分析比較人臉視覺特征信息進行身份鑒別的計算機技術。人臉識別是一項熱門的計算機技術研究領域，人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度；它屬于生物特征識別技術，是對生物體(一般特指人)本身的生物特征來區(qū)分生物體個體。在人臉識別過程中，通常包括人臉檢測、人臉特征提取和人臉識別步驟，特征提取是影響識別效果的一個重要環(huán)節(jié)。目前2D人臉識別技術已成熟，但由于單一的2D圖像不能提供識別所需的完整信息，其特征提取的人臉特征也是基于2D的人臉特征，因此，識別精度很難進一步提聞。

發(fā)明內容
本發(fā)明克服了現(xiàn)有技術的不足，提供一種可提取3D人臉特征、識別精度高的人臉識別系統(tǒng)。為達到上述目的，本發(fā)明采用的技術方案為:一種基于PCA的3D人臉識別系統(tǒng)，其特征在于:該系統(tǒng)包括數(shù)據(jù)庫模塊、圖像\視頻采集模塊、圖像處理模塊、圖像識別模塊以及顯示模塊；所述圖像處理模塊分別與數(shù)據(jù)庫模塊和圖像\視頻采集模塊通信連接，所述圖像處理模塊的輸出端與所述圖像識別模塊通信連接，所述圖像識別模塊的輸出端與所述顯示模塊通信連接。本發(fā)明一個較佳實施例中，進一步包括所述圖像處理模塊包括依次通信連接的人臉檢測定位模塊、圖像預處理模塊和特征提取與選擇模塊。本發(fā)明一個較佳實施例中，進一步包括所述圖像識別模塊利用BP神經網絡對人臉圖像進行識別。本發(fā)明一個較佳實施例中，進一步包括所述特征提取與選擇模塊采用PCA算法提取人臉特征。本發(fā)明一個較佳實施例中，進一步包括所述圖像預處理模塊中依據(jù)3D人臉形變模型法建立具有3D形狀與紋理的人臉模型。本發(fā)明解決了背景技術中存在的缺陷，本發(fā)明的人臉識別系統(tǒng)利用改進的PCA算法對圖像識別，提高了識別效率和系統(tǒng)的實用性，采用3D人臉形變模型法建立3D人臉模型的人臉方法，將人臉圖像分為幾個部分分別進行特征提取，同時充分考慮每個部分所包含的特征信息量的多少，并在分類時賦予它們不同的權值，提高了人臉的識別精度。


下面結合附圖和實施例對本發(fā)明進一步說明。

圖1是本發(fā)明的系統(tǒng)框架圖。
具體實施例方式現(xiàn)在結合附圖和實施例對本發(fā)明作進一步詳細的說明，這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結構，因此其僅顯示與本發(fā)明有關的構成。如圖1所示，一種基于PCA的3D人臉識別系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)庫模塊、圖像\視頻采集模塊、圖像處理模塊、圖像識別模塊以及顯示模塊；圖像處理模塊分別與數(shù)據(jù)庫模塊和圖像\視頻采集模塊通信連接，圖像處理模塊的輸出端與所述圖像識別模塊通信連接，圖像識別模塊的輸出端與所述顯示模塊通信連接，顯示模塊用以顯示識別結果。圖像\視頻采集模塊采集攝像頭拍攝的圖像，通過程序將其轉換為可處理的數(shù)字圖像格式；攝像頭可采用網眼2000攝像頭，內部是含CMOS傳感器的0V511+芯片，CMOS傳感器采用感光元件作為影像捕獲的基本手段，核心是I個感光二極管，該二極管在接受光線照射之后能夠產生輸出電流，而電流的強度則與光照的強度對應，相對CCD圖像傳感器，CMOS傳感器具有成本低廉的優(yōu)點。該攝像頭通過USB接口與圖像處理模塊通信。該攝像頭輸出格式y(tǒng)uv，在輸出之前，先將數(shù)據(jù)格式轉化為RGB565格式。視頻采集可利用DirectShow技術對攝像頭進行控制，實現(xiàn)視頻圖像的預覽，并在預覽的過程中對實時的視頻進行抓拍，將抓拍圖像傳至圖像處理模塊進行處理。

圖像處理模塊包括依次通信連接的人臉檢測定位模塊、圖像預處理模塊和特征提取與選擇模塊，本發(fā)明的人臉檢測定位、預處理和特征提取與選擇為兩組，分別與數(shù)據(jù)庫模塊和圖像\視頻采集模塊通信連接。檢測定位是通過對輸入的圖像進行處理分析，判斷圖像中是否有人臉，如果有人臉，則作出準確的定位。PCA算法在待識別圖像質量較好的情況下，有識別準確且計算量不大的優(yōu)點，但在以下幾點情況下，存在缺陷，其一是待識別圖像和訓練圖像光照度差別較大；其二是人臉背景差別較大。為改進PCA算法，可對圖像做預處理，預處理包括兩個步驟:
(1)刪除背景:刪除背景就要找出人臉在圖像的位置，對此，本系統(tǒng)通過3D形變模型建模的方法找出人臉的位置，并進一步找出眼睛位置，然后根據(jù)兩個眼睛之間的距離計算出人臉大概范圍，通過對人臉范圍的適當調整，使其規(guī)格化；
(2)調整每張人臉圖像的亮度:通過設定一固定值，調整圖像像素的灰度值，使圖像灰度平均值達到這一固定值，通過同態(tài)濾波，減少光照不均。由于攝像頭采集的人臉圖片的信息量往往很大，直接處理會產生龐大的計算量，所以在人臉識別之前要進行特征提取。在降低特征空間的維數(shù)的同時，盡可能地保留識別信息，以達到有效分類。 本系統(tǒng)使用主成分分析算法實現(xiàn)對人臉圖像的特征提取。主成分分析(principal compONent analysis, PCA)是多元統(tǒng)計分析中用來分析數(shù)據(jù)的一種方法，它是用一種較少數(shù)量的特征對樣本進行描述以達到降低特征空間維數(shù)的方法，方法的基礎是Karhunen-Loeve展開式。K-L變換的最大優(yōu)點是去相關性好,這樣可以將圖像中大量無關的冗余信息去除，降低了之后運用BP神經網絡的結構復雜度，同時也提高了神經網絡的訓練效率和收斂率。采用PCA進行人臉特征提取的方法是: 設有N個訓練樣本，每個由其像素灰度組成一個向量xi，則樣本圖像像素數(shù)即為向量xi的維數(shù)，M=WlDTh
Xheight (行像素數(shù)X列向量數(shù))，由向量構成的樣本集為1x1，x2，...，xn},該樣本集的
權利要求
1.一種基于PCA的3D人臉識別系統(tǒng)，其特征在于:該系統(tǒng)包括數(shù)據(jù)庫模塊、圖像\視頻采集模塊、圖像處理模塊、圖像識別模塊以及顯示模塊；所述圖像處理模塊分別與數(shù)據(jù)庫模塊和圖像\視頻采集模塊通信連接，所述圖像處理模塊的輸出端與所述圖像識別模塊通信連接，所述圖像識別模塊的輸出端與所述顯示模塊通信連接。
2.根據(jù)權利要求1所述的基于PCA的3D人臉識別系統(tǒng)，其特征在于:所述圖像處理模塊包括依次通信連接的人臉檢測定位模塊、圖像預處理模塊和特征提取與選擇模塊。
3.根據(jù)權利要求1所述的基于PCA的3D人臉識別系統(tǒng)，其特征在于:所述圖像識別模塊利用BP神經網絡對人臉圖像進行識別。
4.根據(jù)權利要求2所述的基于PCA的3D人臉識別系統(tǒng)，其特征在于:所述特征提取與選擇模塊采用PCA算法提取人臉特征。
5.根據(jù)權利要求2所述的基于PCA的3D人臉識別系統(tǒng)，其特征在于:所述圖像預處理模塊中依據(jù) 3D人臉形變模型法建立具有3D形狀與紋理的人臉模型。
全文摘要
本發(fā)明涉及一種基于PCA的3D人臉識別系統(tǒng)，其特征在于該系統(tǒng)包括數(shù)據(jù)庫模塊、圖像\視頻采集模塊、圖像處理模塊、圖像識別模塊以及顯示模塊；所述圖像處理模塊分別與數(shù)據(jù)庫模塊和圖像\視頻采集模塊通信連接，所述圖像處理模塊的輸出端與所述圖像識別模塊通信連接，所述圖像識別模塊的輸出端與所述顯示模塊通信連接。本發(fā)明的人臉識別系統(tǒng)利用改進的PCA算法對圖像識別，提高了識別效率和系統(tǒng)的實用性，采用3D人臉形變模型法建立3D人臉模型的人臉方法，將人臉圖像分為幾個部分分別進行特征提取，同時充分考慮每個部分所包含的特征信息量的多少，并在分類時賦予它們不同的權值，提高了人臉的識別精度。
文檔編號G06K9/00GK103235943SQ20131017601
公開日2013年8月7日 申請日期2013年5月13日 優(yōu)先權日2013年5月13日
發(fā)明者張會林, 孫利華 申請人:蘇州福豐科技有限公司