[發(fā)明專利]一種基于局部三值模式自適應(yīng)閾值的人臉識別方法

在審

• 申請?zhí)枺?/td>: 201410020045.5
• 申請日: 2014-01-16
• 公開（公告）號: CN103778412A
• 公開（公告）日: 2014-05-07
• 發(fā)明（設(shè)計）人: 李偉生;王立逗;周麗芳
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 重慶市恒信知識產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅

1.一種基于局部三值模式自適應(yīng)閾值的人臉識別方法,其特征在于，包括以下步驟：?

101、以待測人臉圖像作為測試集，選取部分已知人臉庫作為訓(xùn)練集，將訓(xùn)練集及測試集中的各人臉圖像均分成n塊；?

102、在步驟101中測試集均分后的各分塊上，對各鄰域(P,R)，R表示鄰域半徑，P表示鄰域點個數(shù)，分別計算中心像素點g_c與對應(yīng)鄰域點g_i(i=0,1,...,P-1)的像素對比值，求得該組對比值的離散度σ，即將該離散度σ作為自適應(yīng)閾值ε=σ；?

103、在閾值區(qū)間[-ε,+ε]上，對各鄰域點g_i(i=0,1,...,P-1)與中心像素點g_c的灰度差進行LTP編碼，求解出LTP自適應(yīng)閾值特征值，并將該LTP自適應(yīng)閾值特征值分解為正模式特征層和負模式特征層，正模式特征層組成的人臉圖像為正模式特征層特征臉，負模式特征層組成的人臉圖像為負模式特征層特征臉；?

104、分別計算步驟103中的正模式特征層特征臉和負模式特征層特征臉的信息熵權(quán)重W_j，?

其中信息熵E_j計算式為：分布概率?

f(x、y)表示分布函數(shù)?

105、對步驟103中的正模式特征層特征臉和負模式特征層特征臉進行加權(quán)直方圖轉(zhuǎn)換，構(gòu)成測試集的增強直方圖；重復(fù)步驟102-105，構(gòu)成訓(xùn)練集的增強直方圖；?

106、采用卡方χ²距離函數(shù)計算待測人臉圖像的增強直方圖與訓(xùn)練集人臉圖像的增強直方圖的χ²距離，采用三階近鄰分類器法選取出待測人臉圖像所屬的類別，完成人臉識別。?

2.根據(jù)權(quán)利要求1所述的基于局部三值模式自適應(yīng)閾值的人臉識別方法,?其特征在于，步驟102中各鄰域?qū)Ρ戎档碾x散度σ求取方法為：?

A、根據(jù)公式(1)求取中心像素點g_c鄰域(P,R)內(nèi)的對比度值，?

△g_i=g_i-g_c,(i=0,1,...,P-1)??(1)?

B、根據(jù)公式(2)求取中心像素點g_c的鄰域(P,R)內(nèi)對比度值的均值：?

C、根據(jù)公式(3)計算該組對比度值的方差：?

D、根據(jù)公式(3)方差估算離散度：?

。

3.根據(jù)權(quán)利要求1所述的基于局部三值模式自適應(yīng)閾值的人臉識別方法,其特征在于，步驟101中所述的人臉數(shù)據(jù)庫包括Extended?YALE?B及PIE人臉庫。?

4.根據(jù)權(quán)利要求1所述的基于局部三值模式自適應(yīng)閾值的人臉識別方法,其特征在于，步驟106中的χ²距離函數(shù)為：其中，S、M分別表示要進行對比的測試集與訓(xùn)練集人臉?biāo)鶎?yīng)的空間增強直方圖H_i，i為樣本標(biāo)識。?