[發明專利]基于4DLBP的人臉識別方法

有效

• 申請號: 201410072699.2
• 申請日: 2014-03-03
• 公開（公告）號: CN103996018B
• 公開（公告）日: 2018-03-02
• 發明（設計）人: 楊巨成;王超;熊聰聰;陳亞瑞;吳超;劉建征;董頌;張曉元
• 申請（專利權）人: 天津科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 天津盛理知識產權代理有限公司12209
• 代理人: 王來佳

技術領域

本發明屬于生物特征識別領域，特別是一種基于4DLBP的人臉識別方法。

背景技術

人臉識別技術是生物識別技術中的一個重要課題，是目前非常活躍的研究方向。與利用其他生物特征進行身份識別相比，人臉識別具有直接、方便、友好、非侵犯性的優點，因而具有極其廣泛的應用前景。但是，人臉識別在發展的過程中也存在著一些難題。首先人臉是一個三維的非剛體的不規則表面；其次，人臉會隨著年齡、健康以及表情的變化而變化；再次，在采集人臉圖像時，不同的光照，角度都會影響人臉識別地準確度。由于人類大腦對人臉識別的機制尚不可知，機器人臉識別還處于摸索與創新的階段，并且涉及到計算機視覺、模式識別、生理學和心理學等多方面的諸多知識。所有這些因素都是的人臉識別成為極具挑戰性，卻又十分具有價值的一個課題。

局部二元模式（Local Binary Patterns，LBP），是為了解決尺度固定且提取尺度范圍小的缺陷而提出的。但LBP算子把特征提取作為一個單一的過程，沒有充分利用好樣本之間的關系。LBP算子描述了中心像素值及其領域像素數值之間的關系，而3DLBP（3Dimensions Local Binary Patterns）算子更加具體化了這種關系，但二者的共同點都是忽略了中心像素值。

發明內容

本發明的目的在于克服現有技術的不足之處，提供一種利用圖像處理技術和智能技術解決人臉識別問題的鑒別能力更強的基于4DLBP的人臉識別方法。

本發明解決其技術問題所采用的技術方案是：

本發明的優點和積極效果是：

本發明在3DLBP的基礎上加上了中心點像素值形成了4DLBP特征，能夠有效地提取人臉圖像局部特征以提高人臉識別的性能。

本發明在訓練圖像集階段和測試圖像集階段分別對圖像采用均值方差規一化方法對圖像進行預處理，有效消除光照變化對人臉圖像的影響。

本發明提取4DLBP特征是對每個分塊的小圖像進行4DLBP特征提取，得到16個4LBP特征向量，再將這些4DLBP特征向量串聯起來，得到整幅人臉圖像的4DLBP特征，使特征值更加精確。

附圖說明

圖1是通過本發明進行人臉識別的流程框圖；

圖2是本發明中的圖像預處理前、后的圖像對比圖；

圖3是本發明中的4DLBP特征提取的原理圖；

圖4是本發明中的4DLBP特征提取過程中各塊的4DLBP直方圖提取的原理圖。

具體實施方式

下面通過具體實施例對本發明作進一步詳述，以下實施例只是描述性的，不是限定性的，不能以此限定本發明的保護范圍。

一種基于4DLBP的人臉識別方法，見圖1，包括如下步驟：圖像預處理、4DLBP特征提取、ELM訓練分類，其中ELM（Extrem Learning Machine，極限學習機器）訓練分類包括兩個階段：訓練圖像集階段和測試圖像集階段，每個階段分別對人臉圖像進行預處理，對圖像的分塊子圖像提取其4DLBP特征，將每塊子圖像獲得的特征串聯起來得到整幅人臉的4DLBP特征，然后利用提取到的人臉4DLBP特征作為ELM分類器的輸入，進行訓練和測試，最后得到圖像的類別，由此完成標識。

其具體步驟為：

（1）預處理

為了消除光照變化對人臉圖像的影響，本文采用均值方差規一化方法對圖像進行預處理。這個過程分兩個步驟：灰度變換和灰度拉伸。設圖像中某像素點的像素值為f(x,y)，那么整張圖像中所有像素點灰度值的平均值為

N為像素點的總數量

標準差為：

灰度變換可以表述為：

f(x,y)＝(f(x,y)-aver)/σ

即根據公式重新計算每個像素點的灰度值。對圖像中所有的像素點進行灰度變換后，像素灰度級的范圍就發生了變化，不在我們期望的0～255灰度級范圍內，所以還需要進行灰度拉伸。

對一張圖像進行灰度變換后，我們標記所有像素灰度值中的最大值為max，最小值為min,，則灰度拉伸公式可以表述為：

f(x,y)＝(f(x,y)-min)*255/(max-min)

對圖像進行預處理后，與原圖像相比可以看出，圖像的光照變得非常均勻，見圖2，而且陰影得到了很好的去除。

（2）4DLBP特征提取