基于鼻梁检测和PCA算法的眼镜识别方法

为了更准确地提升人脸识别系统对眼镜佩戴情况的判断,减少因眼镜识别偏差导致的人脸识别误判率,本文构建了基于鼻梁检测和PCA算法的眼镜识别模型。通过Laplacian增强算子增强眼球孤立噪声点及其周边点的响应,并在二值图像中进行水平方向和竖直方向上的梯度积分投影,确定眼部区域。考虑到眼镜鼻梁处与周围皮肤色差较大,而鼻梁区域肤色较为均匀,本文提出鼻梁检测法,即通过计算鼻梁区域竖直方向的二阶梯度值是否大于0来判断有无戴眼镜,进一步转化成判断鼻梁区域内是否有白色像素点。另一方面,基于PCA算法对人脸眼部区域进行特征提取,得到累计贡献率大于80%的60个主成分,建立基于神经网络的判断眼镜佩戴的逻辑回归模型。结果测试表明:两种方法可靠性高,鼻梁检测法由于容易受到头发光线等的影响,总体准确率约83.8%,而基于PCA算法的特征提取准确率显著提高,高达94.6%。