[發明專利]一種基于圖像LGBP特征子向量的人臉圖像識別方法

有效

• 申請號: 201410458976.3
• 申請日: 2014-09-11
• 公開（公告）號: CN104463091B
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 方昱春;常璐;周中華;姬朋均
• 申請（專利權）人: 上海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海上大專利事務所(普通合伙)31205
• 代理人: 陸聰明

技術領域

本發明屬于圖像識別技術領域,主要涉及一種基于圖像LGBP特征子向量的人臉圖像識別方法。

背景技術

在模式識別和計算機視覺中,如何表示對象是至關重要的問題。圖像識別是近30年來發展起來的一門新興技術科學,是利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術，它以研究圖像的特征進行識別和分類為主要內容，是計算機應用技術領域的一項熱門課題。在導航、地圖與地形配準、自然資源分析、天氣預報、環境監測、生理病變、人臉識別研究等許多領域具有重要的應用價值。詳見文獻：李月景.圖像識別技術及其應用叢書[M].機械工業出版社,1985。

現有的自動圖像識別主要分為五個步驟：圖像輸入，預處理，特征提取，分類和匹配，圖像特征提取在圖像預處理模塊之后，它不僅直接影響到圖像識別系統中后續分類器的設計和分類精度，甚至關系到分類識別算法是否可行、分類識別系統是否有效，是圖像識別的關鍵步驟。圖像特征提取的效率直接決定著圖像識別的效率，例如，給定一幅人臉圖像，首先，通過Gabor濾波器的卷積來提取圖像的Gabor特征圖譜；然后，利用圖像的Gabor特征圖譜的細小模式進行局部二值模式編碼，得到圖像的特征向量，具體如下：

將Gabor小波和圖像灰度圖做卷積運算，得到Gabor特征圖譜，Gabor小波變換，公式(1)：

其中，ψ_ν,μ(z)為Gabor小波，μ和ν表示Gabor濾波器的尺度和方向，z＝(x,y)，||·||表示范數運算，波矢量表示方向參數，λ是Gabor小波在頻域空間上的間隔因子，圖像灰度分布l(z)和Gabor小波ψ_ν,μ(z)的卷積公式為：

G_u,v(z)＝l(z)*ψ_u,v(z)(2)

其中，*表示卷積運算；

局部二值模式(Local binary pattern,簡稱LBP)，計算公式如下：

其中，LBP(x_c,y_c)為局部二值模式算子，(x_c,y_c)為中心像素點，(x_p,y_p)為中心像素點(x_c,y_c)的鄰域像素點，f(x_c,y_c)為中心像素點的灰度值，f(x_p,y_p)為鄰域像素點的灰度值，

通過Gabor轉化的信號中較優的局部特征將被提取。Gabor濾波器可以降噪。結合Gabor和LBP的方法稱為局部Gabor二值模式(LGBP)算子，該方法能很好的提高圖像表示的性能。詳見文獻：Z.Wenchao,S.Shiguang,G.Wen,C.Xilin,and Z.Hongming,"Local Gabor binary pattern histogram sequence(LGBPHS):a novel non-statistical model for face representation and recognition,"in Computer Vision,2005.ICCV 2005.Tenth IEEE International Conference on,2005,pp.786-791Vol.1。

上述LGBP的人臉圖像識別方法具有較高的識別率，但是，該人臉圖像識別方法不僅圖像特征向量計算量大，在圖像識別系統中實時性差，而且識別圖像所消耗的時間過長，難以用于實時識別圖像系統中。該方法使用Gabor濾波器對圖像進行特征提取的計算過程中，按照實驗經驗參數設置，需進行40次二維傅里葉變換以及40次復數矩陣的相乘運算，得到的圖像特征向量的維數高達十余萬，這種高維圖像特征向量不僅難以被人們直觀理解，而且即使使用個人電腦(PC)平臺，仍然難以滿足其計算速度的要求。

發明內容

本發明的任務是提出一種基于圖像LGBP特征子向量的人臉圖像識別方法，該方法在人臉圖像識別時不僅能夠減少圖像特征向量的計算量，降低識別圖像耗時，還能提高圖像識別系統的實時性。

本發明的技術方案如下：一種基于圖像LGBP特征子向量的人臉圖像識別方法，包含下列步驟：