1.一种基于眼部特征的人脸识别方法,其特征在于,包括以下步骤:S1、在人脸图像上截取眼部图像;
S2、对眼部图像分别提取眼部轮廓特征和颜色分布特征;
S3、将眼部轮廓特征和颜色分布特征分别与存储的人脸图像特征进行匹配,得到匹配度;
S4、在匹配度高于匹配阈值时,人脸识别成功;
所述S2包括以下分步骤:
S21、对眼部图像进行滤波处理,得到滤波图像;
S22、对滤波图像进行分区,得到多个眼部子区;
S23、对每个眼部子区提取颜色分布值,构建每个眼部子区的颜色分布矩阵;
S24、根据眼部子区的颜色分布矩阵,得到颜色分布特征;
S25、对滤波眼部图像进行灰度化处理,得到灰度图;
S26、对灰度图提取轮廓特征,得到眼部轮廓特征;
所述S23中颜色分布矩阵为:
其中,A为颜色分布矩阵, 为眼部子区中第1个颜色分量的第一类颜色分布值, 为眼部子区中第1个颜色分量的第二类颜色分布值, 为眼部子区中第1个颜色分量的第三类颜色分布值, 为眼部子区中第1个颜色分量的第四类颜色分布值, 为眼部子区中第i个颜色分量的第一类颜色分布值, 为眼部子区中第i个颜色分量的第二类颜色分布值, 为眼部子区中第i个颜色分量的第三类颜色分布值, 为眼部子区中第i个颜色分量的第四类颜色分布值, 为眼部子区中第I个颜色分量的第一类颜色分布值, 为眼部子区中第I个颜色分量的第二类颜色分布值, 为眼部子区中第I个颜色分量的第三类颜色分布值, 为眼部子区中第I个颜色分量的第四类颜色分布值,I为颜色分量的数量;
颜色分布值的计算公式为:
其中,ci,k为眼部子区中第K个像素点的第i个颜色分量,N为眼部子区中像素点的数量,为眼部子区中第k个颜色分量的第一类颜色分布值;
所述S26包括以下分步骤:
S261、计算灰度图上所有像素点的灰度特征值,在灰度特征值大于灰度特征阈值时,将该像素点作为待定轮廓像素点;
S262、根据待定轮廓像素点的位置分布,剔除孤立的待定轮廓像素点,得到眼部轮廓特征像素点;
S263、根据眼部轮廓特征像素点位置,对所有眼部轮廓特征像素点进行分区,得到轮廓子区域;
S264、计算每个轮廓子区域的眼部轮廓特征;
所述S264中计算眼部轮廓特征的公式为:
其中, 为眼部轮廓特征,di为轮廓子区域中第i个眼部轮廓特征像素点到固定眼部轮廓特征像素点的距离,M为轮廓子区域中眼部轮廓特征像素点的数量,d′max为距离di中的最大距离,d′min为距离di中的最小距离。
2.根据权利要求1所述的基于眼部特征的人脸识别方法,其特征在于,所述S21中滤波公式为:其中,yi为滤波图像上第i个像素点的像素值,r为滤波因子,xi为眼部图像上第i个像素点的像素值,xi,j为以像素值xi的像素点为中心的周边第j个像素点的像素值,||为绝对值运算,arctan为反正切函数。
3.根据权利要求1所述的基于眼部特征的人脸识别方法,其特征在于,所述S261中灰度特征值的计算公式为:dmax=max{|gi‑gi,1|,...,|gi‑gi,j|,...,|gi‑gi,8|},dmin=min{|gi‑gi,1|,...,|gi‑gi,j|,...,|gi‑gi,8|},其中,Gi为灰度图上第i个像素点的灰度特征值,gi为灰度图上第i个像素点的灰度值,gi,j为灰度图上第i个像素点周边的第j个像素点的灰度值,dmax为最大灰度距离值,dmin为最小灰度距离值,gi,1为灰度图上第i个像素点周边的第1个像素点的灰度值,gi,8为灰度图上第i个像素点周边的第8个像素点的灰度值,||为绝对值运算,max为求序列的最大值,min为求序列的最小值。
4.根据权利要求1所述的基于眼部特征的人脸识别方法,其特征在于,所述S3包括以下分步骤:S31、将颜色分布特征中每个颜色分布矩阵展开构成颜色分布向量;
S32、计算颜色分布向量与存储的人脸图像特征中的颜色分布向量的相似度,得到第一相似度;
S33、计算眼部轮廓特征与存储的人脸图像特征中的眼部轮廓特征的相似度,得到第二相似度;
S34、根据第一相似度和第二相似度,计算匹配度。
5.根据权利要求4所述的基于眼部特征的人脸识别方法,其特征在于,所述S32中得到第一相似度的公式为:其中,θn为第n个第一相似度, 为第n个颜色分布向量, 为存储的第n个颜色分布向量,■为点乘,×为叉乘,|| ||为二范数运算符;
所述S33中得到第二相似度的公式为:
其中, 为第m个第二相似度, 为第m个眼部轮廓特征, 为存储的第m个眼部轮廓特征。
6.根据权利要求5所述的基于眼部特征的人脸识别方法,其特征在于,所述S34中计算匹配度的公式为:其中,G为匹配度,θn为第n个第一相似度, 为第m个第二相似度,R为第一相似度的数量,Y为第二相似度的数量,γθ为第一相似常数,用于统计R个第一相似度θn中大于0.5的数量, 为第二相似常数,用于统计Y个第二相似度 中大于0.5的数量。