專利名稱：一種基于lbp-hf的人臉識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別技術(shù)領(lǐng)域，特別是一種基于LBP-HF的人臉識(shí)別方法。
背景技術(shù)：
生物識(shí)別技術(shù)是通過(guò)人類生物特征識(shí)別身份的一種技術(shù)。由于這類人體特征的唯一性，這些人體生物密匙是無(wú)法被復(fù)制、失竊或者遺失的，因此生物識(shí)別技術(shù)比傳統(tǒng)的身份鑒定方法更加安全、便捷。人臉識(shí)別技術(shù)是近來(lái)發(fā)展最快的生物特征識(shí)別技術(shù)。人臉識(shí)別的難度在于:人臉的結(jié)構(gòu)相似性，表情、年齡和姿勢(shì)引起的人臉變化，化妝、發(fā)型和眼鏡等因素引起的人臉變化，光照、拍攝角度引起的人臉變化。目前常用的人臉識(shí)別方法有:
1、基于神經(jīng)網(wǎng)絡(luò)的識(shí)別方法
人工神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元按照一定順序排列構(gòu)成。雖然單個(gè)神經(jīng)元結(jié)構(gòu)簡(jiǎn)單，但是大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)能夠?qū)崿F(xiàn)復(fù)雜的功能。神經(jīng)網(wǎng)絡(luò)具有集體運(yùn)算和自適應(yīng)學(xué)習(xí)的能力，具有很強(qiáng)的容錯(cuò)性和魯棒性。神經(jīng)網(wǎng)絡(luò)方法需要較多的樣本進(jìn)行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。2、基于特征臉的識(shí)別方法
特征臉識(shí)別方法是一種基于KL變換的人臉識(shí)別方法。高維的圖像空間經(jīng)過(guò)KL變換后得到一組新的正交基，保留其中重要的正交基，由這些最重要的正交基可以轉(zhuǎn)成低維線性空間。如果人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識(shí)別的特征矢量。特征臉識(shí)別方法具有良好的穩(wěn)定性、位移不變形等優(yōu)點(diǎn)。但是特征臉識(shí)別方法受表情、光照和角度的影像比較大，魯棒性比較差。3、基于模板的識(shí)別方法
將LBP利用于基于模板匹配的人臉識(shí)別方法中，在人臉識(shí)別領(lǐng)域得到廣泛的運(yùn)用。該方法的步驟包括:對(duì)人臉圖像進(jìn)行切割分塊，提取每個(gè)子區(qū)域的LBP直方圖特征，然后將每個(gè)子區(qū)域的LBP直方圖特征串聯(lián)，最后通過(guò)不同人臉圖像的串聯(lián)直方圖特征進(jìn)行匹配識(shí)另O。LBP方法的優(yōu)點(diǎn)在于計(jì)算速度快。LBP-HF方法是基于LBP方法的一種變型。LBP-HF特征對(duì)圖像具有旋轉(zhuǎn)不變性，在保證計(jì)算速度的同時(shí)，具有更高的識(shí)別率。(參考文獻(xiàn):A.-B.Salberg, J.Y.Hardeberg, and R.Jenssen (Eds.): SCIA 2009, LNCS 5575, pp.61-70，2009)

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于LBP-HF的多人臉部件特征整合的方法，在保證識(shí)別速度的如提下，提聞了人臉的識(shí)別率。
實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種基于LBP-HF的人臉識(shí)別方法，包括如下步驟:
1)調(diào)整人臉圖像的分辨率；
2)將人臉圖像劃分切割為相同大小的子區(qū)域；
3)采用LBP-HF方法提取人臉圖像所切割出來(lái)的所有子區(qū)域的LBP-HF特征值；
4)提取人臉圖像中眉毛、眼睛、鼻子和嘴巴部分的圖像；
5)采用LBP-HF方法分別提取眉毛、眼睛、鼻子和嘴巴部件的LBP-HF特征值；
6)對(duì)已知人臉庫(kù)中的所有人臉圖像執(zhí)行所述步驟I)-5)，得出已知人臉庫(kù)中的所有人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值；
7)對(duì)待識(shí)別人臉圖像執(zhí)行步驟I)- 5)，得出待識(shí)別人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值；
8)分別計(jì)算待識(shí)別人臉的整臉LBP-HF特征值、眉毛LBP-HF特征值、眼睛LBP-HF特征值、鼻子LBP-HF特征值、嘴巴LBP-HF特征值與已知人臉庫(kù)中每個(gè)人臉的整臉LBP-HF特征值、眉毛LBP-HF特征值、眼睛LBP-HF特征值、鼻子LBP-HF特征值、嘴巴LBP-HF特征值之間的卡方檢驗(yàn)的值作為待識(shí)別人臉和已知人臉圖像的相似度S，各個(gè)部分的相似度分別為整臉部分SI，眉毛部分S2，眼睛部分S3，嘴巴部分S4，鼻子部分S5 ；
9)將相似度S1、S2、S3、S4、S5按照加權(quán)規(guī)則融合，得到待識(shí)別人臉和已知人臉的綜合相似度SO ；
IO )將步驟9中的綜合相似度SO與預(yù)先設(shè)定的閾值T相比，如果SO > T，則判斷待識(shí)別人臉和已知人臉庫(kù)中的人臉是同一個(gè)人；如果SO〈T，則判斷待識(shí)別人臉和已知人臉庫(kù)中的人臉不是同一個(gè)人。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn):(I)本發(fā)明方法基于直方圖比對(duì)，計(jì)算速度快；(2)本發(fā)明方法基于多人臉部件比對(duì)，識(shí)別率高；(3)本發(fā)明方法降低了人臉角度對(duì)識(shí)別率的影響。


圖1是本發(fā)明的方法流程圖。圖2是LBP-HF算子的基本原理圖。圖3是3種不同大小的LBP-HF算子模型圖。圖4是LBP-HF等價(jià)算子模型示意圖 圖5是LBP-HF旋轉(zhuǎn)不變算子模型示意圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。本發(fā)明提出的基于LBP-HF的人臉識(shí)別方法，包括以下步驟:
1、對(duì)人臉圖像分辨率進(jìn)行調(diào)整；
原始圖像調(diào)整大小的方法:
基于雙三次插值的方法，調(diào)整原始人臉圖像的大小到所需要的大小。在本發(fā)明中，所有的人臉圖像會(huì)被調(diào)整到200X250的大小，作為下一步提取LBP-HF特征值所用。
2、對(duì)人臉圖像進(jìn)行劃分，切割成相同大小的子區(qū)域；
圖像有兩種劃分的規(guī)格:
人臉圖像會(huì)被切割成2X2的子區(qū)域和3X3的子區(qū)域。3、對(duì)人臉圖像所切割出來(lái)的所有子區(qū)域，提取它們的LBP-HF特征值；
本方法所使用的LBP特征為L(zhǎng)BP-HF特征(局部二值模式傅里葉直方圖)。LBP方法的定義如下:
LBP方法在本質(zhì)上是一種描述圖像局部紋理特征的方法。原始的LBP算子定義在3X3的窗口內(nèi)，以窗口中心像素點(diǎn)作為閾值，將相鄰的8個(gè)像素點(diǎn)的灰度值分別與中心像素點(diǎn)的灰度值進(jìn)行比較，若周?chē)袼攸c(diǎn)的值大于中心像素點(diǎn)的值，則該像素點(diǎn)的位置被標(biāo)記為1，否則為O。這樣，3X3領(lǐng)域內(nèi)的8個(gè)點(diǎn)可產(chǎn)生8bit的無(wú)符號(hào)數(shù)，即得到該窗口的LBP值，并用這個(gè)值來(lái)反映該區(qū)域的紋理信息。LBP算子可以被延伸到使用不同大小的模型來(lái)計(jì)算中心點(diǎn)的值。為此，定義一個(gè)環(huán)繞中心點(diǎn)的圓圈(P，R)，P代表采樣點(diǎn)的個(gè)數(shù)而R代表采樣點(diǎn)的半徑。如果定義中心點(diǎn)的坐標(biāo)為(X，y)，則這些相鄰的采樣點(diǎn)的坐標(biāo)為:
權(quán)利要求
1.一種基于LBP-HF的人臉識(shí)別方法，其特征在于包括如下步驟: 1)調(diào)整人臉圖像的分辨率； 2)將人臉圖像劃分切割為相同大小的子區(qū)域； 3)采用LBP-HF方法提取人臉圖像所切割出來(lái)的所有子區(qū)域的LBP-HF特征值； 4)提取人臉圖像中眉毛、眼睛、鼻子和嘴巴部分的圖像； 5)采用LBP-HF方法分別提取眉毛、眼睛、鼻子和嘴巴部件的LBP-HF特征值； 6)對(duì)已知人臉庫(kù)中的所有人臉圖像執(zhí)行所述步驟I)-5)，得出已知人臉庫(kù)中的所有人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值； 7)對(duì)待識(shí)別人臉圖像執(zhí)行步驟I)- 5)，得出待識(shí)別人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值； 8)分別計(jì)算待識(shí)別人臉的整臉LBP-HF特征值、眉毛LBP-HF特征值、眼睛LBP-HF特征值、鼻子LBP-HF特征值、嘴巴LBP-HF特征值與已知人臉庫(kù)中每個(gè)人臉的整臉LBP-HF特征值、眉毛LBP-HF特征值、眼睛LBP-HF特征值、鼻子LBP-HF特征值、嘴巴LBP-HF特征值之間的卡方檢驗(yàn)的值作為待識(shí)別人臉和已知人臉圖像的相似度S，各個(gè)部分的相似度分別為整臉部分SI，眉毛部分S2，眼睛部分S3，嘴巴部分S4，鼻子部分S5 ； 9)將相似度S1、S2、S3、S4、S5按照加權(quán)規(guī)則融合，得到待識(shí)別人臉和已知人臉的綜合相似度SO ； 10)將步驟9中的綜合相似度SO與預(yù)先設(shè)定的閾值T相比，如果SO> T，則判斷待識(shí)別人臉和已知人臉庫(kù)中的人臉是同一個(gè)人；如果SO〈T，則判斷待識(shí)別人臉和已知人臉庫(kù)中的人臉不是同一個(gè)人。
2.根據(jù)權(quán)利要求1所述的基于LBP-HF的人臉識(shí)別方法，其特征在于:所述步驟I)中將人臉圖像的分辨率調(diào)整到相同大小。
3.根據(jù)權(quán)利要求1所述的基于LBP-HF的人臉識(shí)別方法，其特征在于:所述步驟2)中對(duì)人臉圖像的劃分切割為一次以上的切割分塊，將同一張人臉圖像按照不同的規(guī)格進(jìn)行多次切割分塊。
4.根據(jù)權(quán)利要求1所述的基于LBP-HF的人臉識(shí)別方法，其特征在于:所述步驟4)中采用基于LBP的方法提取人臉圖像中眉毛、眼睛、鼻子和嘴巴部分的圖像。
5.根據(jù)權(quán)利要求1所述的基于LBP-HF的人臉識(shí)別方法，其特征在于，所述步驟9)中，設(shè)整臉、眉毛、眼睛、嘴巴和鼻子的基礎(chǔ)融合系數(shù)分別為&1、&2、&3、&4、a5，a1+a2+a3+a4+a5=100%, a” a2、a3、a4、a5 的取值可以進(jìn)行調(diào)整，SO=Sl* ai+S2* a2+S3* a3+S4*a4+S5氺 a5o
6.根據(jù)權(quán)利要求1所述的基于LBP-HF的人臉識(shí)別方法，其特征在于:所述閾值T的值為測(cè)試中人臉識(shí)別錯(cuò)誤率低于1%的時(shí)候的值。
全文摘要
本發(fā)明公開(kāi)了一種基于LBP-HF的人臉識(shí)別方法，提取已知人臉庫(kù)中所有人臉圖像整張臉的LBP-HF特征，再分別提取四種人臉部件的LBP-HF特征，得到每個(gè)已知人臉的綜合LBP-HF特征值，分別提取待識(shí)別人臉整張臉和人臉部件的LBP-HF特征，得到待識(shí)別人臉的綜合LBP-HF特征值，分別計(jì)算待識(shí)別人臉和各個(gè)已知人臉的綜合LBP-HF特征值之間的卡方檢驗(yàn)的值，對(duì)于整張臉和各個(gè)人臉部件的LBP-HF特征值都可以分別得到一個(gè)卡方檢驗(yàn)的值作為待識(shí)別人臉和臉已知人臉之間的相似度S，最后得到待識(shí)別人臉和已知人臉的綜合相似度S0，將綜合相似度S0和預(yù)先設(shè)定的閾值T相比，判斷待識(shí)別人臉和已知庫(kù)中的人臉不是同一個(gè)人。本發(fā)明的方法具有更高的人臉識(shí)別率。
文檔編號(hào)G06K9/00GK103207986SQ20131004851
公開(kāi)日2013年7月17日 申請(qǐng)日期2013年2月6日 優(yōu)先權(quán)日2013年2月6日
發(fā)明者李純圣 申請(qǐng)人:江蘇清大維森科技有限責(zé)任公司