[發明專利]一種基于級聯BGP的人臉識別方法

在審

• 申請號: 201811062012.1
• 申請日: 2018-09-12
• 公開（公告）號: CN109409212A
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 謝海斌;李立偉;白圣建;莊東曄;鄭永斌;李興瑋;徐婉瑩
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清;胡君

本發明公開一種基于級聯BGP的人臉識別方法，步驟包括：S1.對輸入的人臉圖像數據采用BGP算法依次進行多級BGP特征提取，其中由上一級提取得到的BGP特征向量作為下一級BGP特征提取的輸入，最終得到對應各級的多個BGP特征向量；S2.對得到的多個BGP特征向量進行拼接融合，得到多級BGP特征向量；S3.使用多級BGP特征向量進行人臉識別，輸出識別結果。本發明具有實現方法簡單、能夠提取更豐富紋理信息，同時增強特征的判別性和魯棒性，且識別精度、效率高等優點。

技術領域

本發明涉及人臉識別技術領域，尤其涉及一種基于級聯BGP的人臉識別方法。

背景技術

人臉識別即是在給定場景的靜態圖像或動態視頻前提下，并給定存儲若干已知身份的人臉數據庫，驗證和識別場景中的某個人或多個人的身份。近年來，人臉識別始終是圖像處理、計算機視覺、模式識別、認知科學等領域研究的熱點問題，并且具有判別明顯、獲取容易等特點，廣泛應用在安全驗證、快捷支付、視頻調查、個人鑒定等場合。

目前的人臉識別算法可以分為以下幾類：1)基于人臉局部特征的識別方法，如局部二值模式(Local Binary Pattern,簡稱LBP)、彈性圖匹配、二進制梯度模式(BinaryGradient Pattern, 簡稱BGP)等方法；2)基于人臉全局特征的識別方法，如線性判別分析(Linear Discriminant Analysis，簡稱LDA)、主成分分析(Principle ComponentAnalysis，簡稱PCA)、獨立成分分析(Independent Component Analysis，簡稱ICA)等方法；3)基于全局特征和局部特征結合的方法，如基于特征臉和五官特征結合的方法；4)基于深度學習的方法，如facenet的提出和應用。

二進制梯度模式(BGP)的提出是基于圖像梯度方向(IGO)和二進制描述方式，其思想來源于Gradientfaces新型描述符，該描述符用圖像梯度方向(IGO)取代像素強度來對人臉進行描述，以實現對照明變化的魯棒性，即梯度域提取的特征比來自強度域的特征更具有判別性和魯棒性。BGP算法中通過衡量圖像梯度域中的局部像素之間的關系，并將底層局部結構有效編碼為一組二進制字符串，不僅增加了判別力，更是大大簡化了計算復雜度。

為了發現梯度域潛在結構，BGP是從多方向計算圖像梯度，并將其編碼為一系列二進制串，能夠表示微小邊界變化和紋理信息，因此具有很強的判別性，即使面對遮擋、光照、表情變化等，也能取得較好的識別精度，且由于采用BGP對圖像進行編碼時，每個編碼值都蘊含了鄰域像素關系的信息，而不僅僅是像素自身的強度信息，因此BGP編碼后的圖像對各種環境變化更魯棒，尤其具有較強的光照不變性。BGP的基本描述子如圖1所示，其中(a)對應為一個中心像素的八個鄰像素(值為115)，(b)為四個方向，(c)為主要的二進制串，編碼為0111，標簽為7。基于人臉局部特征的識別方法中，二進制梯度模式(BGP)是一種簡潔高效的人臉描述子，基于BGP在人臉識別中取得較高的識別精度。

如上述，二進制梯度模式具有計算簡單、判別性強、魯棒性好等特點，十分適合應用于難以區分的人臉識別中，BGP特征具體具有以下優點：BGP在圖像梯度方向圖中定義，具有良好的梯度特征，可以有效應對光照強度等變化；且在BGP中使用結構模式和多空間分辨率，結構化BGP作用相當于邊緣檢測器，這是準確識別和簡潔表示的關鍵，同時，多空間分辨率策略增加了描述符覆蓋不同半徑鄰域像素的能力。

但是，雖然目前基于BGP能夠在人臉識別中取得較高的識別精度，但是目前基于BGP 實現人臉識別時，通常都是使用BGP只對人臉提取一次特征，直接由提取得到的特征向量進行識別，而一次BGP提取后所得到的紋理信息實際并不足夠豐富，相對于原圖像來說，仍舊會存在一定信息損失，基于該一次BGP提取的特性向量進行識別的精度仍有待提高。

發明內容

本發明要解決的技術問題就在于：針對現有技術存在的技術問題，本發明提供一種實現方法簡單、識別精度及效率高的基于級聯BGP的人臉識別方法。