1.一种基于维纳滤波与PCA的人脸识别系统,其特征在于,包括:图像获取单元,所述图像获取单元用于获取用户的图像信息得到第一图像;
图像预处理单元,所述图像预处理单元用于对所述第一图像进行预处理得到第二图像;
人脸区域获取单元,所述人脸区域获取单元用于对所述第二图像进行人脸检测,缩减所述第二图像的感兴趣区域得到第三图像;
人脸识别单元,所述人脸识别单元用于对所述第三图像通过PCA的方式进行特征提取,并根据提取的特征通过RBF-SVM分类器完成人脸识别。
2.一种基于维纳滤波与PCA的人脸识别方法,其特征在于,包括以下:步骤201、获取用户的图像信息作为第一图像;
步骤202、对所述第一图像进行预处理操作得到第二图像;
步骤203、对所述第二图像进行人脸检测,缩减所述第二图像的感兴趣区域得到第三图像;
步骤204、对所述第三图像通过PCA的方式进行特征提取,并根据提取的特征通过RBF-SVM分类器完成人脸识别。
3.根据权利要求2所述的一种基于维纳滤波与PCA的人脸识别方法,其特征在于,上述步骤202中对所述第一图像进行预处理操作得到第二图像的操作具体为,通过调用MATLAB中的wiener2函数的方式对所述第一图像进行滤波处理得到第二图像,其中所述wiener2函数具体包括以下:H=wiener2(J,[m n],noise),[H,noise]=wiener2(J,[m n]),H=wiener2(J,[m n],noise),其中m和n的默认值均为3,noise为图像中的噪声,J为所述第一图像,H为所述第二图像。
4.根据权利要求2所述的一种基于维纳滤波与PCA的人脸识别方法,其特征在于,上述步骤203所述缩减所述第二图像的感兴趣区域得到第三图像具体包括以下:步骤401、获取第二图像的首地址,第二图像的高和宽;
步骤402、开辟一块内存缓冲区,将所述内存缓冲区初始化为255;
步骤403、将第二图像进行二值化处理,后通过OpenCV获得人脸区域;
步骤404、在人脸区域内,跟踪人脸区域的边界点,找到一个二值化值为1的边界点,将内存缓冲区中该点的R、G、B设为255;
步骤405、重复步骤404,直到回到跟踪初始点;
步骤406、将内存缓冲区的内容复制到第二图像中得到第三图像。
5.根据权利要求2所述的一种基于维纳滤波与PCA的人脸识别方法,其特征在于,上述步骤204中所采用的PCA方式的协方差矩阵G具体为下述式子,其中Xi表示训练样本,而 M代表训练样本的
数量;
而训练上述样本Xi的矩阵A如下式所示,
采用的PCA方式在降维后的特征向量矩阵G如下式所示,采用的PCA方式的每一个训练样本的特征向量νi的投影空间构造ui如下式所示,其中λi表示第i个特征向量的特征值。
6.根据权利要求5所述的一种基于维纳滤波与PCA的人脸识别方法,其特征在于,上述步骤204中的RBF-SVM分类器的RBF核函数KRBF如下式所示:所述RBF-SVM分类器的分类超平面的获取如下式所示:f(Xi)=sgn{∑htyt[KRBF(νi,νj)+b]}其中ht与yt分别代表分类超平面,b为常数。