[發明專利]一種基于分治策略的Huffman-LBP多姿態人臉識別方法

有效

• 申請號: 201710407910.5
• 申請日: 2017-06-02
• 公開（公告）號: CN107194364B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 周麗芳;杜躍偉;李偉生
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

本發明請求保護一種基于分治策略的Huffman?LBP多姿態人臉識別方法，屬于模式識別技術領域。所述方法主要包括以下步驟：對輸入圖像進行預處理（人臉檢測，特征點標定）；再通過區域選擇因子篩選出不同姿態的人臉圖像中有益于識別的人臉區域；構建Huffman?LBP算子對所選擇的人臉區域進行特征提取；最終通過基于圖像塊的SRC融合分類策略進行分類。本發明利用哈夫曼編碼評估出了圖像鄰域中對比度的權重關系，增強了特征的表達能力。此外，人臉表達與分類步驟中均借助了分治策略，提升了本方法在人臉姿態變化時識別的魯棒性。

技術領域

本發明涉及計算機模式識別技術領域，具體地說，是一種人臉識別方法。

背景技術

近年來，人臉識別因其具有無侵犯性，運營設備低，交互力強等獨特優點，而受到廣大學者的關注，成為模式識別領域最為活躍的研究課題之一。目前，控制環境下的人臉識別技術已經非常成熟，取得了較高的識別率。然而，在實際應用中，人臉圖像經常會伴隨著姿態、光照、表情和遮擋等因素的影響，嚴重影響了人臉識別的精度，其中姿態變化是影響人臉識別走向實用化的瓶頸之一。

一些研究人員一直在致力于解決姿態變化下的人臉識別問題，并且已經取得了一些研究成果。基于3D技術的方法的主要思想是：通過評估深度信息和最小化重建差異的方式來擬合出2D人臉對應的3D人臉模型，再通過3D歸一化的手段，重建出統一的人臉視圖。其最具代表性的方法是3DMM，此類方法從造成姿態變化的根源—3D剛性變換著手，取得了好的識別結果，但是還存在一些缺點：需要大量的離線深度信息，掃描設備復雜，擬合過程困難等。相比3D方法，基于2D技術的方法更容易被實施和應用，2D方法大致可以分為三類，第一類的方法試圖通過回歸模型找出不同姿態圖像之間的關系，此類方法的代表方法有：局部線性回歸(Locally Linear Regression，LLR)，正交Procrustes回歸 (OrthogonalProcrustes Regression，OPR)等。第二類的方法通過重建虛擬視圖將不同姿態的人臉圖像歸一化為統一視圖，以便可以使用傳統的人臉識別算法進行識別，例如：馬爾可夫隨機場(Markov random Fields，MRFs)。此類方法重建的虛擬圖像往往存在失真和扭曲現象，容易導致誤識別。第三類的方法嘗試在多姿態的人臉中提取姿態魯棒的特征，比如：局部Gabor二值模式(Local Gabor Binary Pattern，LGBP)，彈性圖匹配(Elastic Bunch GraphMatching， EBGM)，深度神經網絡(Deep Neutral Networks，DNN)等。

由于人臉的姿態偏轉會造成圖像像素無法對準的情況，所以基于全局的特征提取方法對姿態變化十分敏感，相比之下，局部的特征提取方法只作用在圖像的一些孤立區域上，對姿態變化帶來的影響有所緩解，在局部特征提取方法中，最具代表的就是局部二值模式(Local Binary Patterns,LBP),LBP不需要精確的模式位置信息，而是用直方圖的方式來統計局部區域內的特征信息，它對小于15°范圍內的姿態偏轉都具有一定的魯棒性。但是LBP在計算過程中忽略了對對比度信息的評估，有時會造成重要紋理信息的丟失。

從2009年稀疏表達分類(Sparse Representation based Classification,SRC)被引入人臉識別領域以來，SRC因其對圖像缺損和遮擋的魯棒性而受到廣大研究者的喜愛，近年來，一些研究者將LBP與SRC相結合，在一定程度上解決了字典的小樣本問題，但是對于姿態變化下的識別問題，依舊是個難點。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種有效的提高了算法對姿態變化的容忍能力。本方法獲得了較好的識別效果。本發明的技術方案如下：

一種基于分治策略的Huffman-LBP多姿態人臉識別方法，其包括以下步驟：

101、獲取人臉圖像，并對人臉圖像進行預處理，包括人臉檢測和特征點標定；