[發(fā)明專利]基于雙偏差雙空間局部方向模式的人臉識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910911208.1
• 申請(qǐng)日: 2019-09-25
• 公開(kāi)（公告）號(hào): CN110781749B
• 公開(kāi)（公告）日: 2022-09-02
• 發(fā)明（設(shè)計(jì)）人: 王鵬;葉學(xué)義;王濤;鄒茹夢(mèng);陳華華
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V10/764;G06V10/774;G06V10/74
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.基于雙偏差雙空間局部方向模式的人臉識(shí)別方法，其特征在于包括如下步驟：

步驟1、根據(jù)圖像的局部紋理特性，通過(guò)計(jì)算局部圖像的絕對(duì)偏差和相對(duì)偏差得到梯度空間的有效信息，并引入偏差度量函數(shù)，以區(qū)分不同偏差對(duì)結(jié)果的影響；

步驟2、通過(guò)記錄最大灰度值之和對(duì)應(yīng)方向獲得灰度空間信息后，然后綜合利用梯度和灰度空間下的信息，量化特征對(duì)圖像進(jìn)行雙偏差雙空間模式編碼，得到整個(gè)人臉圖像的特征圖；

步驟3、將得到的特征圖分為若干不重疊子塊，對(duì)每一個(gè)子塊提取統(tǒng)計(jì)直方圖，依據(jù)子塊信息熵加權(quán)級(jí)聯(lián)所有子塊直方圖，得到整個(gè)人臉的特征向量；

步驟4、利用最近鄰分類器，通過(guò)卡方距離計(jì)算待測(cè)試人臉樣本特征向量和訓(xùn)練樣本間的距離，選擇具有和測(cè)試樣本有最小距離的訓(xùn)練樣本類別作為測(cè)試樣本的類別信息，從而實(shí)現(xiàn)人臉識(shí)別；

步驟1所述的絕對(duì)偏差、相對(duì)偏差以及度量函數(shù)，具體實(shí)現(xiàn)如下：

采用Kirsch算子，計(jì)算圖像的3×3鄰域I和8個(gè)模板M_i作卷積后，*是卷積符號(hào)，得到八個(gè)邊緣響應(yīng)值e_i，得到局部圖像的相對(duì)偏差：

e_i＝I*M_i i＝0，1…7

其中m代表的在最大邊緣響應(yīng)值絕對(duì)值對(duì)應(yīng)的方向，也就是通過(guò)相對(duì)偏差記錄的第一個(gè)量化編碼值；e_i代表通過(guò)采樣后的像素與第i個(gè)Kirsch模板卷積后得到的邊緣響應(yīng)值，i＝0，1，2，3，4，5，6，7分別代表局部圖像以g_c為中心逆時(shí)針的0°、45°、90°、135°、180°、225°、270°和315°的方向；

通過(guò)利用局部圖像的前向和后向查分獲得各方向的絕對(duì)偏差值，進(jìn)一步利用度量函數(shù)區(qū)分不同偏差：

其中，λ＝0.5，dg_i代表中心對(duì)稱各方向上計(jì)算得到的絕對(duì)差值，i＝0，1，2，3分別代表局部圖像以g_c為中心逆時(shí)針的0°、45°、90°和135°的方向；n代表絕對(duì)差值最大值對(duì)應(yīng)的方向，也就是通過(guò)絕對(duì)偏差得到的量化編碼值；g_i代表局部圖像的3×3鄰域I中的周圍像素值，就是中心像素值，代表度量函數(shù)，衡量不同大小的偏差；

步驟2所述的通過(guò)記錄最大灰度值之和對(duì)應(yīng)方向獲得灰度空間信息后，綜合利用梯度和灰度空間下的信息，量化特征對(duì)圖像進(jìn)行雙偏差雙空間模式編碼，得到整個(gè)人臉圖像的特征圖；具體實(shí)現(xiàn)如下：

2-1、記錄最大灰度值之和對(duì)應(yīng)方向獲得灰度空間的信息，首先求各方向的灰度值之和：

式中，Sg_i是各個(gè)方向的灰度疊加和，i＝0，1，2，3分別代表局部圖像以g_c為中心逆時(shí)針的0°、45°、90°和135°的方向；是求和公式；定義如下：

然后利用Sg_i求最大灰度值之和對(duì)應(yīng)的方向s對(duì)灰度空間特征量化編碼：

s就是在灰度空間的編碼值；

2-2、利用雙偏差雙空間特征模式進(jìn)行模式編碼：

DVDSLDP＝16×m+4×n+s

式中，DVDSLDP就是量化雙空間特征后，得到的模式編碼值；

2-3、通過(guò)步驟2-2對(duì)圖像中的每一點(diǎn)進(jìn)行模式編碼后，就能夠得到整個(gè)人臉圖像的特征圖。

2.根據(jù)權(quán)利要求1所述的基于雙偏差雙空間的局部方向模式人臉識(shí)別方法，其特征在于步驟3具體實(shí)現(xiàn)如下：

3-1、將特征圖分為若干不重疊子塊，依據(jù)信息熵加權(quán)級(jí)聯(lián)各子塊直方圖得到整個(gè)人臉特征向量；信息熵和加權(quán)系數(shù)定義如下：

其中，p(x)是像素值為x的點(diǎn)的個(gè)數(shù)占圖像所有像素點(diǎn)總數(shù)的頻率，Rⁱ是圖像的一個(gè)子塊區(qū)域，H(X)是得到的信息熵大小，ω_i是第i個(gè)子塊的子塊系數(shù)，H_i(X)是第i個(gè)子塊的信息熵，N是不重疊子塊的個(gè)數(shù)；直方圖向量定義如下：

其中，Hⁱ(c)就是直方圖向量，也就是在圖像子塊中像素值為c的像素點(diǎn)的個(gè)數(shù)；

3-2、依據(jù)信息熵對(duì)直方圖向量加權(quán)級(jí)聯(lián)，即可得到整個(gè)人臉的特征向量，定義如下：

其中，LH就是級(jí)聯(lián)后的人臉特征向量。

3.根據(jù)權(quán)利要求2所述的基于雙偏差雙空間的局部方向模式人臉識(shí)別方法，其特征在于步驟4具體實(shí)現(xiàn)如下：

4-1、利用卡方距離計(jì)算兩個(gè)向量的距離：

其中，χ²(F₁，F(xiàn)₂)就是兩個(gè)向量F₁和F₂的卡方距離，N是向量F₁和F₂的長(zhǎng)度；值越小，代表兩向量越相似；

4-2、利用最近鄰分類器，求得待測(cè)人臉樣本的身份，完成人臉識(shí)別：

其中，y為待測(cè)試人臉的特征向量，F(xiàn)_j為訓(xùn)練樣本庫(kù)中人臉身份標(biāo)簽為j的訓(xùn)練樣本特征向量；Identity(y)也就是待測(cè)人臉的身份標(biāo)簽，即和測(cè)試樣本有最小距離的訓(xùn)練樣本類別標(biāo)簽，得到待測(cè)試人臉的身份類別標(biāo)簽，也就完成了人臉識(shí)別。