[發明專利]一種基于MB?LBP特征和人臉能量圖的多姿態人臉識別方法

有效

• 申請號: 201410195919.0
• 申請日: 2014-05-09
• 公開（公告）號: CN103971096B
• 公開（公告）日: 2017-11-21
• 發明（設計）人: 王科俊;胡金裕;安曉童;鄒國鋒
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于生物特征身份識別技術領域，特別是涉及一種基于MB-LBP特征和人臉能量圖的多姿態人臉識別方法。

背景技術

自動人臉識別技術相對于指紋、虹膜等其它生物特征識別方法具有采集方便、非侵擾性等特殊優勢，因而具有非常廣泛的應用前景和經濟價值。如果按姿態對人臉識別進行劃分，可以分為前視人臉識別和多姿態人臉識別。其中，前視人臉識別的技術已經較為成熟。而多姿態人臉識別方法仍存有存儲量大、計算復雜、識別率低等諸多技術問題。多姿態人臉識別的研究滯后，成為制約人臉識別技術真正得到實際應用的主要障礙之一。因此，進行多姿態人臉識別的研究對人臉識別技術的推廣具有重要意義。

現有的多姿態人臉識別，其中的典型文獻是專利《一種基于人臉均值和方差能量圖的多姿態人臉識別方法》(王科俊，鄒國鋒等.中國發明專利：201310122161.3[P].2013-07-24.)，采用不同姿態的人臉圖像構建人臉能量圖用于實現多姿態人臉識別。但人臉能量圖不具備步態能量圖的周期性，無法表示不同俯仰角度和不同搖擺角度的人臉姿態變化。

Liao等人提出了(Liao S C,et al.Learning multi-scale block local binary patterns for face recognition.In Proceedings of the2007International Conference on Biometrics.Seoul,South Korea:Springer,2007.828-837.)基于多尺度局部二值模式(Multi-scale Block Local Binary Pattens，MB-LBP)的人臉識別方法。盡管MB-LBP特征提取方法在紋理分析和人臉識別應用實驗中取得了不錯的效果，但是在光照變化劇烈、成像條件極端變化、姿態、表情、年齡等復合因素的影響情況下，MB-LBP特征的表征能力和分類能力也受到限制，識別性能急劇下降。

本發明通過將MB-LBP特征和人臉能量圖的方法結合起來，采用MB-LBP的特征提取方法對人臉均值能量圖和方差能量圖進行二次特征提取，降低了計算復雜度的同時，又去除了冗余信息，然后再將所提取的圖像紋理特征用于多姿態人臉的分類識別。

發明內容

本發明的目的在于提供一種能夠有效提取俯仰變化和左右搖擺變化情況下人臉的關鍵信息，同時所需的存儲空間小，計算復雜度低，識別率和識別速度高的一種基于MB-LBP特征和人臉能量圖的多姿態人臉識別方法。

本發明的目的是這樣實現的：

(1)建立多姿態人臉圖像訓練庫，并將多姿態人臉圖像訓練庫中的所有人臉圖像進行尺寸歸一化；

(2)根據人臉區域圖像俯仰角度不同劃分人臉的俯仰變化范圍，結合俯仰變化范圍構建狹義人臉均值能量圖和狹義人臉方差能量圖，作為多姿態人臉識別的初級特征；

所涉及的狹義人臉均值能量圖F_k(x,y)的表達式為：

式中，M_k代表同一俯仰角度范圍、左右搖擺角度變化時圖像的總數，I_j(x,y)為多姿態灰度人臉圖像，k表示不同的俯仰角度范圍，k＝1表示仰視，k＝2表示平視，k＝3表示俯視，j表示第j個左右搖擺角度變化的圖像，x,y代表二維圖像平面坐標；

所涉及的狹義人臉方差能量圖D_k(x,y)的表達式為：

(3)采用MB-LBP算法對步驟(2)中得到的狹義人臉均值能量圖及狹義人臉方差能量圖進行二次特征提取，存儲用于分類識別的MB-LBP特征信息；

所涉及的MB-LBP特征可表示為：

其中

g_k表示單個像素的灰度值；B表示第n個像素塊的平均灰度值；

(4)讀取待檢測的多姿態人臉圖像，對人臉區域進行檢測并提取出人臉；

(5)將所提取的人臉區域進行尺寸歸一化處理，得到標準人臉訓練圖像；

(6)對標準人臉訓練圖像進行MB-LBP特征提取，并存儲所提取的MB-LBP特征信息；

(7)針對步驟(6)中獲取的待檢測標準人臉圖像的MB-LBP特征信息和步驟(3)中獲取的訓練庫人臉能量圖的MB-LBP特征信息，通過基于歐氏距離的最近鄰分類器進行分類識別，最后輸出人臉識別結果。

本發明的有益效果在于：