[發明專利]一種基于LBP-HF的人臉識別方法

無效

• 申請號: 201310048512.0
• 申請日: 2013-02-06
• 公開（公告）號: CN103207986A
• 公開（公告）日: 2013-07-17
• 發明（設計）人: 李純圣
• 申請（專利權）人: 江蘇清大維森科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱顯國

??

技術領域

本發明屬于圖像處理、計算機視覺、模式識別技術領域，特別是一種基于LBP-HF的人臉識別方法。?

背景技術

生物識別技術是通過人類生物特征識別身份的一種技術。由于這類人體特征的唯一性，這些人體生物密匙是無法被復制、失竊或者遺失的，因此生物識別技術比傳統的身份鑒定方法更加安全、便捷。人臉識別技術是近來發展最快的生物特征識別技術。?

人臉識別的難度在于：人臉的結構相似性，表情、年齡和姿勢引起的人臉變化，化妝、發型和眼鏡等因素引起的人臉變化，光照、拍攝角度引起的人臉變化。?

目前常用的人臉識別方法有：?

1、基于神經網絡的識別方法

人工神經網絡由多個神經元按照一定順序排列構成。雖然單個神經元結構簡單，但是大量神經元構成的網絡系統能夠實現復雜的功能。神經網絡具有集體運算和自適應學習的能力，具有很強的容錯性和魯棒性。神經網絡方法需要較多的樣本進行訓練，而在許多應用中，樣本數量是很有限的。

2、基于特征臉的識別方法?

特征臉識別方法是一種基于KL變換的人臉識別方法。高維的圖像空間經過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些最重要的正交基可以轉成低維線性空間。如果人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特征矢量。特征臉識別方法具有良好的穩定性、位移不變形等優點。但是特征臉識別方法受表情、光照和角度的影像比較大，魯棒性比較差。

3、基于模板的識別方法?

將LBP利用于基于模板匹配的人臉識別方法中，在人臉識別領域得到廣泛的運用。該方法的步驟包括：對人臉圖像進行切割分塊，提取每個子區域的LBP直方圖特征，然后將每個子區域的LBP直方圖特征串聯，最后通過不同人臉圖像的串聯直方圖特征進行匹配識別。LBP方法的優點在于計算速度快。LBP-HF方法是基于LBP方法的一種變型。LBP-HF特征對圖像具有旋轉不變性，在保證計算速度的同時，具有更高的識別率。（參考文獻：A.-B.?Salberg,?J.Y.?Hardeberg,?and?R.?Jenssen?(Eds.):?SCIA?2009,?LNCS?5575,?pp.?61–70,?2009）

發明內容

本發明的目的在于提供一種基于LBP-HF的多人臉部件特征整合的方法，在保證識別速度的前提下，提高了人臉的識別率。

實現本發明目的的技術解決方案為：一種基于LBP-HF的人臉識別方法，包括如下步驟：?

1）調整人臉圖像的分辨率；

2）將人臉圖像劃分切割為相同大小的子區域；

3）采用LBP-HF方法提取人臉圖像所切割出來的所有子區域的LBP-HF特征值；

4）提取人臉圖像中眉毛、眼睛、鼻子和嘴巴部分的圖像；

5）采用LBP-HF方法分別提取眉毛、眼睛、鼻子和嘴巴部件的LBP-HF特征值；

6）對已知人臉庫中的所有人臉圖像執行所述步驟1）-?5），得出已知人臉庫中的所有人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值；

7）對待識別人臉圖像執行步驟1）–?5），得出待識別人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值；

8）分別計算待識別人臉的整臉LBP-HF特征值、眉毛LBP-HF特征值、眼睛LBP-HF特征值、鼻子LBP-HF特征值、嘴巴LBP-HF特征值與已知人臉庫中每個人臉的整臉LBP-HF特征值、眉毛LBP-HF特征值、眼睛LBP-HF特征值、鼻子LBP-HF特征值、嘴巴LBP-HF特征值之間的卡方檢驗的值作為待識別人臉和已知人臉圖像的相似度S，各個部分的相似度分別為整臉部分S1，眉毛部分S2，眼睛部分S3，嘴巴部分S4，鼻子部分S5；

9）將相似度S1、S2、S3、S4、S5按照加權規則融合，得到待識別人臉和已知人臉的綜合相似度S0；

10）將步驟9中的綜合相似度S0與預先設定的閾值T相比，如果S0≥T，則判斷待識別人臉和已知人臉庫中的人臉是同一個人；如果S0〈T，則判斷待識別人臉和已知人臉庫中的人臉不是同一個人。

本發明與現有技術相比，其顯著優點：（1）本發明方法基于直方圖比對，計算速度快；（2）本發明方法基于多人臉部件比對，識別率高；（3）本發明方法降低了人臉角度對識別率的影響。?

附圖說明

圖?1是本發明的方法流程圖。?