[發明專利]一種基于自適應加權局部特征融合的人臉識別方法

在審

• 申請號: 201611201122.2
• 申請日: 2016-12-22
• 公開（公告）號: CN106599870A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 姜威;韓彤煒;劉曉芳;閆旭
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 濟南金迪知識產權代理有限公司37219
• 代理人: 葉亞林

技術領域

本發明涉及一種基于自適應加權局部特征融合的人臉識別方法，屬于圖像處理的技術領域。

背景技術

人臉識別作為一個典型的模式識別問題，是圖像處理、機器視覺、人工智能等多個學科交叉研究的熱點，同時，人臉識別作為生物特征識別的一個重要分支，具有非接觸式采集、隱蔽性強、符合人類認知習慣等優點。人臉識別技術在如門禁防盜系統、身份認證、視頻監控、刑偵執法等公共安全及經濟金融領域有廣闊的應用前景，近年來人臉識別技術的發展十分迅速。

雖然人臉識別技術研究已經取得了豐富的理論成果，但現有的理論方法與實際應用間仍存在一段距離，無法滿足現實生活的出現的許多狀況，在光照、姿態變化條件下的人臉識別率仍然較低。因此現有的人臉識別算法仍欠缺通用性和實用性，人臉識別技術依然具有有極大的發展空間。

人臉識別的一般步驟為人臉圖像的預處理，特征提取，模式分類。其中特征提取方法是人臉識別的一大重點。目前人臉特征提取的方法主要包括基于幾何特征的方法，基于子空間的方法，基于局部特征的方法三類。

(1)基于幾何特征的方法

早期人臉識別主要是基于幾何特征的方法，主要通過提取人臉的幾何特征，包括人臉部件歸一化的點間距離和比率以及人臉的一些特征點，如眼角、嘴角、鼻尖等部位所構成的二維拓撲結構，作為人臉識別的重要特征依據。但幾何特征所表述的人臉信息量不足，易被干擾，導致識別效果不佳，已被逐漸舍棄。

(2)基于子空間的方法

基于子空間的方法把單幅人臉圖像看作是高維空間的一個點，通常利用投影矩陣達到降維的目的。由麻省理工學院(MIT)媒體實驗室的Turk和Pentland提出的特征臉(Eigenface)方法和Belhumeur等人提出的Fisherface人臉識別方法是其中的典型代表，在人臉識別領域也取得了極大的成功，基于子空間的算法還包括獨立分量分析(ICA)、核主成分分析(KPCA)、核Fisher判別分析(KFDA)等，一些算法還進行了二維拓展。

(3)基于局部特征的方法

基于局部特征的方法從整個面部或面部特定點提取局部不變量，其結果反映了局部鄰域像素之間的關系。其中Gabor波、局部二值模式(LBP)和尺度不變特征變換(SIFT)算子，梯度方向直方圖(HOG)算子等都被應用于人臉的特征提取，并取得了良好的人臉識別效果。

相對于基于幾何特征和子空間的方法，基于局部特征的方法對頭部姿勢、光照變化和部分遮擋等具有更強的魯棒性。因此，研究基于局部特征的人臉識別算法的改進方法具有重要意義。現有技術中基于局部特征的方法僅提取圖像的單一特征，如LBP算子僅提取圖像的紋理特征，單一的特征在人臉圖像的表述中存在欠缺。同時，圖像中紋理豐富，邊緣變化的子區域包含大量的信息，反之只包含的少量信息，現有技術不加區分地對待人臉圖像的不同區域，會導致提取的特征鑒別能力不強，降低人臉識別率。

發明內容

針對現有技術的不足，本發明提供一種基于自適應加權局部特征融合的人臉識別方法。

術語說明：

局部二值模式(Local Binary Pattern,LBP)：是一種描述圖像局部紋理特征的算子，傳統的LBP方法，首先以窗口中心點像素為閾值，將其與鄰域的p個像素值進行比較，若鄰域像素值大于中心像素值，則該像素點的位置被標記為1，否則為0，這樣能得到p位二進制數，即為中心點像素的LBP特征值。LBP算子是人臉識別中經常使用的特征提取方法。

方向梯度直方圖(Histogram of Oriented Gradient,HOG)：是一種描述圖像邊緣信息的算子，通過計算圖像局部區域的不同方向上的梯度值，累積后得到直方圖來作為該局部區域的表征，是目前模式識別領域中常用的方法，特別是在行人檢測領域取得了良好的識別效果，HOG特征在人臉識別領域的還有較大的應用潛力。

本發明的技術方案為：

一種基于自適應加權局部特征融合的人臉識別方法，包括步驟如下：

(1)將選取人臉庫分為訓練樣本和測試樣本；

(2)對訓練樣本和測試樣本依次進行幾何裁剪、gamma校正預處理；

(3)將步驟(2)預處理后的圖像分為m個大小相等互不重疊的子塊，計算各個子塊的信息熵，根據信息熵得出各個子塊的加權系數；