预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105608449A(43)申请公布日2016.05.25(21)申请号201610103659.9(22)申请日2016.02.25(71)申请人四川大学地址610064四川省成都市武侯区一环路南一段24号(72)发明人刘凯王前慧余详(74)专利代理机构成都弘毅天承知识产权代理有限公司51230代理人杨保刚(51)Int.Cl.G06K9/00(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于相位轮廓术的相位和反射率的人脸识别装置及方法(57)摘要基于相位轮廓术的相位和反射率的人脸识别装置及方法,本发明涉及人脸识别领域,其旨在解决现有技术的装置存在成本高昂,精度低且通用性差,其方法存在计算量庞大,算法结构优化不足等技术问题。该发明主要包括使用PMP方法对人脸进行扫描并计算出人脸的相位数据和反射率数据,而不需要获得三维数据;对人脸区域的相位数据进行归一化处理;使用PCA方法分别对人脸的相位图和反射率图进行降维处理,用最近邻分类器对人脸进行分类识别。本发明用于简化人脸识别运算并降低实现成本。CN105608449ACN105608449A权利要求书1/2页1.基于相位轮廓术的相位和反射率的人脸识别装置,其特征在于,包括投影单元:其中包括能够投影图案的光源,第一透镜,正弦光栅模板,相移器和第二透镜;所述的第一透镜:用于会聚光源的输出光;所述的正弦光栅模板:接收第一透镜的透射光并透射具有第一正弦相位的平行光;所述的相移器:用于调整正弦光栅模板并使其透射具有第二正弦相位的平行光;所述的第二透镜:接收正弦光栅模板透射第一正弦相位的平行光或第二正弦相位的平行光并聚焦投影至被识别对象表面;进一步包括处理单元:用于计算与控制,控制相移器和光源;还包括图像传感单元:接收被识别对象的表面调制光并反馈光照信号至处理单元。2.根据权利要求1所述的基于相位轮廓术的相位和反射率的人脸识别装置,其特征在于,所述的图像传感单元,包括依次连接的电荷耦合阵列器件,滤波电路,积分电路,视频处理模块和放大输出电路。3.基于相位轮廓术的相位和反射率的人脸识别方法,其特征在于,步骤如下:(Ⅰ)通过相移器对正弦光栅模板进行N次调整,投影单元透射出一组N帧正弦图案至被识别对象表面,投影单元透射的图像光强分布Ip为:(1)式中,(xp,yp)表示投影单元坐标,Ap和Bp是关于投影单元的固定参数,n是相移系数f是投影单元透射正弦图案的空间频率;(Ⅱ)在投影单元投影正弦图案的同时,图像传感单元同步捕捉通过被识别对象表面调制的对应帧正弦图案,获得光照信号;(Ⅲ)处理单元根据投影单元透射图像光强分布Ip与图像传感单元位置光强分布的映射关系,从而获得图像传感单元处的光强分布Ic;(Ⅳ)图像传感单元将光照信号反馈至处理单元;(Ⅴ)根据图像传感单元处的光强分布Ic,处理单元对反馈的光照信号进行计算并得到相位和亮度调制Bc,计算公式如下:(2)式和(3)式中,Ic是图像传感单元捕捉的图像光强分布,(2)式中,(xc,yc)表示图像传感单元坐标;(Ⅵ)由于亮度调制Bc与反射率成正比,根据主成分分析算法,处理单元对相位和亮度调制Bc进行归一化降维操作后,并分别对应获得归一化后的相位P和反射率;2CN105608449A权利要求书2/2页(Ⅶ)通过处理单元生成关于被识别对象识别结果的反射率图像和归一化相位P图像,再使用最近邻分类器对生成的图像中人脸特征进行分类识别。4.根据权利要求3所述的基于相位轮廓术的相位和反射率的人脸识别方法,其特征在于,所述的归一化降维操作,包括进行(4)式运算,(4)式中,P(xc,yc)为归一化后的相位数据,为原相位数据,为原相位图中的最小值,为原相位图中的最大值。5.根据权利要求3所述的基于相位轮廓术的相位和反射率的人脸识别方法,其特征在于,所述的步骤(Ⅶ),在识别前,先将每张待识别图像投影到特征人脸子空间中,再使用最近邻分类器进行人脸识别。3CN105608449A说明书1/5页基于相位轮廓术的相位和反射率的人脸识别装置及方法技术领域[0001]本发明涉及人脸识别领域,具体涉及一种基于相位轮廓术的相位和反射率的人脸识别。背景技术[0002]人脸识别技术的研究最初主要集中在二维人脸识别领域,很多识别方法相继被提出。经典的二维人脸识别方法主要有基于几何特征、基于代数特征和基于机器学习的方法。其中,特征脸(Eigenface)方法是一种基于统计特征的、较为成功的人脸识别方法。特征脸(Eigenface)是由主成分分析(Principalcomponentanalysis,PCA)导出的一种人脸识别方法,它的核心步骤是对人脸图像进行K-L变换以获得特征脸矩阵数据,然后将原始人脸