[發明專利]基于LBP特征及最近鄰分類器的人臉識別方法

有效

• 申請號: 201810149688.8
• 申請日: 2018-02-08
• 公開（公告）號: CN108388862B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 晁曉菲;蔡騁;楊沛;霍迎秋;樊李行;聶亮兵
• 申請（專利權）人: 西北農林科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 西安研創天下知識產權代理事務所(普通合伙) 61239
• 代理人: 楊鳳娟

本發明公開了一種基于LBP特征及最近鄰分類器的人臉識別方法，將人臉圖像劃分不重疊子區域，提取各個子區域對稱不變LBP特征，將對稱不變LBP和Uniform LBP進行結合，形成對稱不變Uniform LBP，形成區域直方圖，再將各區域直方圖串聯形成增強特征向量，利用卡方距離度量直方圖相似度，最后采用最近鄰分類器進行人臉識別；本發明所提出的對稱不變LBP算子結合Uniform LBP最高識別率達到0.86，平均識別率達到0.82，比現有的幾種類LBP算子最高0.81和平均0.78的識別率均有所提高。

技術領域

本發明涉及人臉識別領域，具體涉及一種基于LBP特征及最近鄰分類器的人臉識別方法。

背景技術

近年來，人臉識別領域被廣泛踏足，隨著對其研究的深入和技術的進步，這一技術已經被廣泛應用于安全、考勤、網絡安全、銀行、海關邊檢、物業管理、智能身份證、門禁、計算機登錄系統、國家安全、公共安全、軍事安全等領域。

目前人臉識別研究主要從基于整體和基于特征分析這兩種研究方法展開。基于整體的方法，從模式的整體屬性出發，包括特征臉方法、彈性圖匹配方法、隱馬爾可夫模型方法、模板匹配法和神經網絡方法等。這種方法信息保留較全，除了整體各部分之間的空間關系外，還保留了各部分自身信息。基于特征分析的方法則是從人臉特征點出發，利用人臉描述特征或類別參數一起組建特征向量，利用向量的相似性度量人臉相似性。這種方法著重于局部信息的利用。

這兩種方法各有優劣。基于整體的方法利用整體人臉信息進行人臉識別，受噪聲干擾較小。基于人臉特征分析的方法則用特征模型描述分類作用大的人臉特征，例如特征點處的形狀等。基于整體的方法把整個人臉圖像作為識別模式，光照、視角和尺寸等會對人臉識別影響較大，因此，如何有效地去掉這些干擾是算法研究的重點。基于特征部位分析的人臉識別方法的難點在于如何建立有效的模型來描述特征部位，縮小人臉類內距離并提高類間距離。

發明內容

為解決上述問題，本發明提供了一種基于LBP特征及最近鄰分類器的人臉識別方法。

為實現上述目的，本發明采取的技術方案為：

基于LBP特征及最近鄰分類器的人臉識別方法，其特征在于，將人臉圖像劃分不重疊子區域，提取各個子區域對稱不變LBP特征，形成區域直方圖，再將各區域直方圖串聯形成增強特征向量，利用卡方距離度量直方圖相似度，最后采用最近鄰分類器進行人臉識別。其中，在鏡面對稱LBP模式對中取最小值作為鏡面對稱LBP模式標簽。

所述對稱不變LBP特征通過以下步驟形成：

設LBP_8,1＝b₀b₁b₂b₃b₄b₅b₆b₇，則其鏡面對稱

LBP_8,1＝b₀b₇b₆b₅b₄b₃b₂b₁，即，b₀和b₄位置處于對稱軸保持不變，其他位置關于b₀和b₄軸對稱互換；

記為對稱不變LBP模式，上標mi表示鏡面對稱，定義，

其中，MIR(LBP_P，R，m)函數表示以m與m+P/2位置為對稱軸，將周圍對稱位置的值u(G_j-G_i)互換，取LBP_P,R的對稱LBP模式；m的取值為按LBP編碼順序首先經過的與中央點y坐標相等的點的次序。