基于高斯滤波器的人脸识别方法

基于高斯滤波器的人脸识别方法

曲金帅[1]，赵明玺[1]，范菁[1]，何远斐[1]

云南省高校无线传感器网络重点实验室，云南昆明，650031

摘要：人脸识别是根据某些标识对人进行身份识别，来达到监督、管理和识别目的的一种技术。近年来对这项技术进行了广泛而深入的研究，Gabor变换因其良好的时频局部化特性，能够提供最为实质的人脸特征、削弱噪声的干扰、减少计算量，因此将小波变换应用于人脸识别与检测具有良好的发展前景。由于人脸变化的诸多不确定因素，以及外部环境如光照等对成像系统的影响，使得人脸定位与识别具有极高的难度。另外人脸识别存在动态性和复杂性的特点，给数据处理带来诸多不便，限制了人脸识别的效率，本文借鉴了Gabor滤波和高斯滤波及人工神经网络的人脸识别的两种算法，并通过MATLAB编程实现了对其算法的验证，对实验数据计算得出了两个主要指标灵敏度和阳性预测值。结果前一种算法对人脸数较少的处理效果更好，后一种算法适合处理人脸数较多的图像。

关键词：人脸识别、Gabor滤波器、高斯滤波器

Face recognition method based on Gaussian filter

Qu Jinshuai1，Chen Nan1，Fan Jing1，He Yuanfei[1]

University Key Laboratory of Wireless Sensor Networks in Yunnan Province, Yunnan University of Nationalities，Kunming

650031, Yunnan, P.R.China

ABSTRACT:Face recognition is based on the identification of some person identification, to achieve a technical oversight , management and identification purposes . In recent years, the technology has been extensive and in-depth research , Gabor transform its good time-frequency localization features to provide the most substantial facial features, and weaken the interference noise , reduce the computation , so the wavelet transform is applied Face recognition and detection has good prospects for development. Due to many uncertainties affecting the face changes , as well as the external environment , such as light and other imaging systems , making the face location and recognition with a high degree of difficulty. In addition there is a dynamic and complex recognition of the characteristics of data processing inconvenience to limit the recognition efficiency , the paper draws on two Gabor filtering and Gaussian filtering algorithms and artificial neural networks face recognition , MATLAB programming through its algorithm to validate the experimental data of the two main indicators calculated sensitivity and positive predictive value . Results Before an algorithm for face fewer treatment better, after a few more algorithm processing facial image fit.

Keywords : face recognition , Gabor filters, Gaussian filter

基金项目“云南民族地区水质监测无线网状传感器网络跨层机制研究”（国家自然科学基金60963026）；“基于3S的云南泥石流监测异构无线传感器网络融合机制研究”（国家自然科学基金61163061）；“异构无线传感器网络安全可信协议及密钥算法研究”（云南省应用基础科学研究计划项目2011FZ174）.

第一作者简介曲金帅（1989-），男，硕士研究生,主要研究方向：无线传感器网络E-mail:*****************.

通信作者：赵明玺（1983-），男，博士研究生，讲师.主要研究方向：信号处理，模式识别.

0、人脸识别研究现状

计算机人脸识别的研究可以追溯到20世纪70年代[1]

，但由于受技术条件限制，发展缓慢。80年代开始，特别是90年代以来，随着计算机技术、图像处理、模式识别技术的发展以及各种安全领域的实际需求，计算机人脸识别技术得到了科研人员的普遍重视，对其的研究已经成为模式识别领域的热点。

近几十年来，随着高速度性能计算机的发展，人脸识别方法有了较大的突破，提出了多种机器全自动

识别算法。目前的正面人脸自动模式识别技术主要分为以下四大类[2]

：第一类是基于几何特征的识别方法，该方法对表情变化和人脸姿态的适应性和鲁棒性较差，但运算直观简单，更适合用于粗分类；第二类是基于相关匹配的方法，主要是利用预先设置的人脸模板和给定图像的灰度的自相关运算实现识别功能，模板的选取是该算法的关键；第三类为基于统计的识别方法，包括特征脸方法和马尔科夫链方法，特征脸利用选定的人脸的特征参数，如两眼距离大小，五官之间距离等，进行人脸匹配与识别；而马尔可夫链一般用

于人脸表情识别领域；第四类为基于联系机制的方法，包括神经网络方法和弹性图匹配方法[3]

。基于神经网络的人脸识别方法很多，因为其特有的自我学习机制和模糊特性，使得该方法具有较强的适应性和鲁棒性。

人脸识别技术的研究由于涉及众多学科知识,因此,难度相当大。另外,随着种族的不同,带来了识别库及识别算法的差异,这一方面给具体应用带来困难,同时也给我国的具体研发部门带来机遇,即国外已经开发成功的商用软件在我国应用范围有限,不大可能形成垄断,这为国产人脸识别系统占领市场留下了很大

的发展空间[4]

。

总之,人脸识别技术有着非常广阔的应用前景,自动人脸识别系统在各种不同的领域中的应用必将对

人们生活的各个方面产生深刻的影响[5]。

1、两种滤波器的介绍

1.1 Gabor 滤波器定义

Daugman 在1989年提出了二维Gabor 滤波器理论[6】

，并指出二维Gabor 滤波器可以同时在空域、频域

和方向上获得最佳的分辨率。直角坐标形式的Gabor 滤波器[12]

，其形式如下:

()()

()[

]{}

()()[]{}000022022

02exp exp ,y y v x x u i y y x x y x G -+--⨯-+--=πβα 1.1

极坐标形式的Gabor 滤波器定义为:

()()()()2

202

00//,βθθαθθωθ------=e

e e

r G r r i 1.2

这两种形式的Gabor 滤波器都是二维高斯函数与复指数的乘积，通过调整一系列参数可以得到不同尺度、频率、方向的滤波器。极坐标形式的Gabor 滤波器与直角坐标形式的Gabor 滤波器相比，少了方向选

择特性，但参数空间的复杂度低

[7]

1.2 高斯滤波器的定义

幅度频率特性呈钟形曲线形状如图1.1的滤波器称为高斯滤波器。当输入是冲击脉冲时，输出波形也

是钟形曲线形状。

图1.1 高斯滤波器的幅频特性曲线