[發(fā)明專利]基于改進(jìn)mLBP的單樣本人臉識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410413044.7
• 申請(qǐng)日: 2014-08-18
• 公開（公告）號(hào): CN104143091B
• 公開（公告）日: 2017-09-12
• 發(fā)明（設(shè)計(jì)）人: 王呈;張鴻杰;王憲;宋書林
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理與模式識(shí)別研究領(lǐng)域，特別涉及一種單樣本人臉識(shí)別方法。

背景技術(shù)

人臉識(shí)別作為計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域的熱點(diǎn)和難點(diǎn)問(wèn)題，在信息安全、公安部門偵查、執(zhí)法、銀行和海關(guān)的安全監(jiān)控等方面具有廣闊的應(yīng)用前景。經(jīng)過(guò)幾十年的發(fā)展，已經(jīng)出現(xiàn)了很多經(jīng)典有效的多訓(xùn)練樣本的人臉識(shí)別算法。但是，在很多實(shí)際應(yīng)用場(chǎng)景下，數(shù)據(jù)庫(kù)只能采集到一張人臉圖像作訓(xùn)練，例如在護(hù)照、駕駛證、身份證等圖像數(shù)據(jù)庫(kù)，這樣使得很多依靠多訓(xùn)練樣本的人臉識(shí)別算法在實(shí)際應(yīng)用中的識(shí)別效果大打折扣，有些算法甚至不能使用，如LDA等線性判別算法。另外，對(duì)每個(gè)人建立多樣本數(shù)據(jù)庫(kù)的代價(jià)很大，也不適合應(yīng)用于實(shí)際的場(chǎng)景中。

為了解決人臉識(shí)別理論研究無(wú)法在實(shí)際場(chǎng)景中應(yīng)用的問(wèn)題，從現(xiàn)有技術(shù)中提出了單樣本的人臉識(shí)別算法。單樣本人臉識(shí)別是指：在人臉識(shí)別系統(tǒng)的數(shù)據(jù)庫(kù)中，每個(gè)人只有一張人臉圖像作為訓(xùn)練樣本，以備后面的特征提取、分類識(shí)別。目前針對(duì)人臉識(shí)別領(lǐng)域的單樣本問(wèn)題有兩種解決思路：一類是使用各種方法對(duì)訓(xùn)練樣本進(jìn)行擴(kuò)充，主要思想是擴(kuò)充訓(xùn)練樣本以使用全局特征描述方法；另一類是對(duì)單樣本圖像進(jìn)行局部的紋理描述，旨在最大程度地描述圖像的局部特征。由于傳統(tǒng)局部特征提取算法LBP沒(méi)有考慮到常用的人臉五官，如眉，眼，瞳孔，鼻子，嘴唇等的局部形狀特征，因此，本發(fā)明提出了一種屬于第二類的單樣本人臉識(shí)別解決方案，具有較高的穩(wěn)定性和識(shí)別率，且能區(qū)分每個(gè)分塊對(duì)于圖像整體特征描述的重要性，對(duì)表情變化、遮擋和姿態(tài)等變化具有一定的魯棒性。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于改進(jìn)mLBP的單樣本人臉識(shí)別方法，該方法能較好的描述人臉五官的局部形狀特征，對(duì)表情變化、遮擋和姿態(tài)等變化具有一定的魯棒性。

本發(fā)明專利所解決的技術(shù)問(wèn)題可采用如下的技術(shù)解決方案來(lái)實(shí)現(xiàn)：

基于改進(jìn)mLBP的單樣本人臉識(shí)別方法，其特征在于包括以下步驟：

步驟1.對(duì)待識(shí)別的人臉圖像進(jìn)行尺度歸一化和光照歸一化的預(yù)處理；

步驟2.考慮到五官對(duì)紋理描述的重要性，且在人臉都是橫向分布，對(duì)W×H的樣本圖像I進(jìn)行橫向分塊：

其中q為分塊數(shù)，設(shè)Q＝W/q，I_i(i＝1，2，…q)是一個(gè)Q×H維的圖像；

步驟3.為了更好的描述人臉面部特征，結(jié)合8個(gè)空間模版計(jì)算各分塊中每個(gè)像素點(diǎn)的改進(jìn)mLBP特征值：

其中為各像素點(diǎn)第i個(gè)模版對(duì)應(yīng)的二進(jìn)制數(shù)，這樣每個(gè)像素點(diǎn)得到一個(gè)由8位二進(jìn)制數(shù)轉(zhuǎn)換為十進(jìn)制數(shù)的特征值。計(jì)算每個(gè)子塊圖像I_i(x，y)mLBP子直方圖：

步驟4.根據(jù)香農(nóng)關(guān)于信息熵理論，通過(guò)一個(gè)滑動(dòng)窗口計(jì)算每個(gè)子塊各像素點(diǎn)的局部信息熵：

H_local(I_i(x，y))＝H(F(x，y)_w)

其中H()為熵函數(shù)，其定義為：

f(x，y)是一個(gè)灰度級(jí)別為m的圖像，p_i是第i個(gè)灰度級(jí)別出現(xiàn)的概率。F(x，y)_w是一個(gè)以(x，y)為中心的滑動(dòng)窗口，w為窗口大小，其定義式為：

F(x，y)_w＝{f(i，j)|i∈[x-w/2，x+w/2-1]，j∈[y-w/2，y+w/2-1]}

步驟5.計(jì)算各自塊的紋理描述貢獻(xiàn)度：

步驟6.計(jì)算自適應(yīng)加權(quán)mLBP子直方圖，連接加權(quán)后的子直方圖，送入分類器識(shí)別：

本發(fā)明較已有的人臉識(shí)別技術(shù)的優(yōu)點(diǎn)在于：從僅有的單張人臉樣本中，利用改進(jìn)的mLPB結(jié)合空間信息和局部紋理信息提取分塊后的面部局部特征，相比于傳統(tǒng)LBP，能更好的描述人臉面部器官的位置結(jié)構(gòu)信息，同時(shí)對(duì)各分塊圖像的mLBP子直方圖進(jìn)行自適應(yīng)加權(quán)，有利于區(qū)分各子塊對(duì)識(shí)別的貢獻(xiàn)度，最終連接各加權(quán)直方圖進(jìn)行分類識(shí)別。本發(fā)明提出了一個(gè)完整有效的單樣本人臉識(shí)別解決方案，一定程度上解決光照、表情、姿態(tài)等因素的影響，識(shí)別率高、魯棒性強(qiáng)。

附圖說(shuō)明

圖1是本發(fā)明提出的基于改進(jìn)mLBP的單樣本人臉識(shí)別方法流程圖。

圖2是本發(fā)明提出的8個(gè)空間模版。

圖3是本發(fā)明求取mLBP特征值的例子。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。