專利名稱：一種基于模板匹配的人臉識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識(shí)別領(lǐng)域中的人臉識(shí)別方法，特別涉及一種基于模板匹配的人臉識(shí)別方法。
背景技術(shù)：
作為圖像分析和理解領(lǐng)域中最成功的應(yīng)用之一，人臉識(shí)別在商業(yè)應(yīng)用和研究領(lǐng)域受到了廣泛的重視。現(xiàn)有的人臉識(shí)別方法包括基于模板匹配地人臉識(shí)別方法和基于統(tǒng)計(jì)分析的人臉識(shí)別方法。
基于模板匹配的人臉識(shí)別方法中，通常是將人臉圖像用統(tǒng)一的模板進(jìn)行編碼，然后通過(guò)編碼之間的匹配來(lái)實(shí)現(xiàn)人臉識(shí)別。例如，在基于模板匹配的入臉識(shí)別方法中有一種基于局部變化分布模式的人臉識(shí)別方法，在該方法中對(duì)包含人臉圖像做LBP運(yùn)算，得到做LBP運(yùn)算后的人臉圖像，再提取做LBP運(yùn)算后的人臉圖像的直方圖，最后通過(guò)不同人臉圖像的直方圖之間的匹配來(lái)進(jìn)行人臉識(shí)別。對(duì)上述基于局部變化分布模式的人臉識(shí)別方法的一種改進(jìn)是在做LBP運(yùn)算之前對(duì)包含人臉圖像進(jìn)行分塊，在分塊后形成的各個(gè)區(qū)域內(nèi)做LBP運(yùn)算并提取其直方圖，并將所有直方圖串接為一高維直方圖，最后利用直方圖匹配技術(shù)進(jìn)行人臉識(shí)別。這種改進(jìn)通過(guò)可以強(qiáng)調(diào)人臉圖像中不同區(qū)域的局部變化分布模式來(lái)提高人臉識(shí)別的精度(參考文獻(xiàn)[1]T.，Ahonen，A.，Hadid，and M.Pietikinen.Face Recognition with Local BinaryPatterns.ECCV 2004 Proceeding，Lecture Notes in Computer Science 3021，Springer(2004)469-481)。
基于統(tǒng)計(jì)分析的人臉識(shí)別方法中，一種實(shí)現(xiàn)方式是先將人臉圖像變換到變換域，然后利用統(tǒng)計(jì)分析的方法對(duì)變換域內(nèi)的結(jié)果提取對(duì)識(shí)別有利的特征，最后進(jìn)行特征比對(duì)，實(shí)現(xiàn)人臉識(shí)別，這種方法也可以稱之為基于變換域的人臉識(shí)別方法。將人臉圖像變換到變換域的變換方法有多種，包括Gabor變換、Gaussian變換、DCT變換、FFT變換和HARR變換等(參考文獻(xiàn)[2]C.J.Liu，H.Wechsler，“Gabor featurebased classification using the enhanced fisher linear discriminant modal forface recognition image processing”，IEEE Transactions on Image Process，2002，11(4)，pp.467-476；文獻(xiàn)[3]M.Z.Hafed，M.D.Levine，“Face RecognitionUsing the Discrete Cosine Transform”，International Journal of ComputerVision，2001，pp.167-188；文獻(xiàn)[4]S.Ravela，A.R.Hanson，“On Multi-scaledifferential features for face recognition”，Vision Interface，2001；文獻(xiàn)[5]J.H.Lai，P.C.Yuen，G.C.Feng，“Face recognition using HolisticFourier Invariant Features”，Pattern Recognition，2001，pp.95-109；參考文獻(xiàn)[6]Michael J.Jones and Paul Viola，“Face Recognition Using BoostedLocal Features”，The IEEE International Conference on Computer Vision 2003)。這種基于變換域的人臉識(shí)別方法可以降低對(duì)光照、表情、姿態(tài)和環(huán)境變化的敏感度，有利于提高人臉識(shí)別的準(zhǔn)確度。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有基于模板匹配的人臉識(shí)別方法識(shí)別精度不高的缺陷，提供一種對(duì)姿態(tài)、光照、表情和環(huán)境的變化不敏感，對(duì)各種變化魯棒的基于模板匹配的人臉識(shí)別方法。
為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于模板匹配的人臉識(shí)別方法，該方法包括
對(duì)人臉圖像做LBP運(yùn)算；
從LBP運(yùn)算的結(jié)果得到直方利用直方圖匹配實(shí)現(xiàn)人臉識(shí)別；
本發(fā)明方法還包括，在對(duì)人臉圖像做LBP運(yùn)算之前將人臉圖像變換到其變換域。
上述技術(shù)方案中，所述將人臉圖像變換到變換域采用Gabor變換、Gaussian變換、DCT變換、FFT變換或HARR變換。
上述技術(shù)方案中，還包括對(duì)人臉圖像進(jìn)行分塊，用于將所述人臉圖像分為多個(gè)子塊；其中，所述分塊操作是在將人臉圖像變換到變換域之后、對(duì)人臉圖像做LBP運(yùn)算之前進(jìn)行。
上述技術(shù)方案中，還包括對(duì)人臉圖像進(jìn)行分塊，用于將所述人臉圖像分為多個(gè)子塊；其中，所述分塊操作是在將人臉圖像變換到變換域之前進(jìn)行。
上述技術(shù)方案中，在對(duì)人臉圖像進(jìn)行分塊時(shí)，所述多個(gè)子塊間互不交疊。
上述技術(shù)方案中，在對(duì)人臉圖像進(jìn)行分塊時(shí)，所述多個(gè)子塊中有至少兩個(gè)子塊間有交疊。
本發(fā)明方法的優(yōu)點(diǎn)在于
1、基于直方圖之間的匹配，計(jì)算速度快。
2、識(shí)別精度高。
3、可降低對(duì)姿態(tài)、光照、表情和環(huán)境變化的敏感程度。


圖1為人臉圖像及其在Gabor變換中所得到的示意圖2為基本LBP運(yùn)算子變換示意圖3是變換域局部鄰域變化模式提取示例；
圖4是Gabor變換中局部變化分布模式的人臉識(shí)別過(guò)程示意圖5是本發(fā)明方法在一個(gè)實(shí)施例中的流程圖。
具體實(shí)施例方式
下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。
圖5斥出了本發(fā)明的基于模板匹配的人臉識(shí)別方法的一個(gè)具體實(shí)施流程。
如圖5所示，在步驟10中，對(duì)特征定位后的人臉圖像做歸一化處理。在本實(shí)施例中可以依據(jù)眼睛的位置把圖像截取為指定的大小。
在步驟20中，將人臉圖像變換到變換域中，增強(qiáng)圖像的形狀和紋理信息，降低人臉圖像對(duì)光照、表情及姿態(tài)變化的敏感度。將人臉圖像變換到變換域中的方法有多種，諸如Gabor變換、Gaussian變換、DCT變換、FFT變換及HARR變換等。在本實(shí)施例中以Gabor變換為例，描述將人臉圖像變換到變換域的具體實(shí)施過(guò)程。
Gabor變換是將Gabor小波和圖像做卷積運(yùn)算。Gabor小波可由公式(1)表示
其中，x，y表示空域中像素的位置，
是徑向中心頻率，θ是Gabor小波的方向，σ是高斯(Gaussian)函數(shù)沿著x軸和y軸的標(biāo)準(zhǔn)差。令f(x，y)表示人臉圖像的灰度分布，f(x，y)可以通過(guò)對(duì)圖像做灰度化處理得到。圖像f(x，y)和Gabor小波Ψ(x，y，
，θ)的卷積公式為
這里*表示卷積運(yùn)算。在Gabor變換過(guò)程中，徑向中心頻率
、Gabor小波的方向θ可以有不同的值，因此人臉圖像在Gabor變換后可以得到不同的結(jié)果。圖1示出了一個(gè)通過(guò)Gabor變換將一幅人臉圖像1變換到Gabor特征圖譜2的示例，該Gabor特征圖譜2即是人臉圖像1在其Gabor變換域內(nèi)的表示。在圖1中，Gabor特征圖譜2包括多個(gè)子圖像3，每一個(gè)子圖像3表示特定的中心頻率
和方向θ對(duì)應(yīng)的Gabor變換，其中Gabor特征圖譜2中不同行的子圖像表示不同的中心頻率
，而不同列的子圖像表示不同的方向θ。具體地，圖1中的Gabor特征圖譜2包括5個(gè)不同的
值、8個(gè)不同的θ值。這樣，利用多尺度多方向所得到的多個(gè)值可以得到比單一值更多的信息，可以在多種尺度下對(duì)圖像分析。
盡管在本實(shí)施中以Gabor變換為示例說(shuō)明將人臉圖像變換到變換域中，但是本領(lǐng)域的技術(shù)人員很容易利用Gaussian變換、DCT變換、FFT變換及HARR變換等變換將人臉圖像變換到相應(yīng)的變換域中。
在步驟30中，對(duì)變換域內(nèi)的結(jié)果做LBP運(yùn)算，實(shí)現(xiàn)局部鄰域變化模式的提取。LBP算子(Local Binary Pattern)的運(yùn)算方法是將變換域內(nèi)的圖像上每個(gè)像素fc作為中間像素進(jìn)行8鄰域運(yùn)算，使用中間像素f的灰度值作為閾值，對(duì)8鄰域的像素fp(p＝0～7)進(jìn)行二值化運(yùn)算，在8鄰域中各得到一個(gè)二進(jìn)制數(shù)，二進(jìn)制數(shù)的判定如公式(3)所示。然后根據(jù)公式(4)得到LBP運(yùn)算的結(jié)果。
圖2是LBP運(yùn)算的一個(gè)示例，對(duì)一個(gè)灰度值為175的像素點(diǎn)，它從左上方起順時(shí)針排列的8鄰域中的像素點(diǎn)的灰度值分別為172、180、182、170、176、174、171、169，以中間像素的灰度值175作為閾值，根據(jù)公式(3)在8鄰域中各得到一個(gè)二進(jìn)制數(shù)，從左上方起這些順時(shí)針排列的二進(jìn)制數(shù)分別為0、1、1、0、1、0、0、0。由公式(4)得到LBP運(yùn)算的數(shù)值，這些數(shù)用二進(jìn)制表示是01101000，這些數(shù)用十進(jìn)制表示是104，這就是LBP運(yùn)算的結(jié)果。圖3示出了圖1中的Gabor特征圖譜2經(jīng)過(guò)LBP運(yùn)算以后的結(jié)果，圖3中包括多個(gè)子圖像4，每一個(gè)子圖像4對(duì)應(yīng)圖l中的一個(gè)子圖像3，相應(yīng)地，不同的子圖像4代表不同中心頻率
和方向θ對(duì)應(yīng)的Gabor變換。從圖3中可見，人臉圖像經(jīng)過(guò)LBP運(yùn)算以后有利于突出人臉的特征。
在步驟40中，從LBP運(yùn)算的結(jié)果得到直方圖，直方圖表示圖像中不同灰度值的頻度。例如，在圖3中每一個(gè)子圖像4都可以得到一個(gè)對(duì)應(yīng)的直方圖，用h(
，θ)表示。
在步驟50中，將所有不同中心頻率
和方向θ對(duì)應(yīng)的直方圖h(
，θ)串接成一個(gè)高維直方圖來(lái)編碼人臉圖像。
在步驟60中，對(duì)于待識(shí)別的多個(gè)人臉圖像，可用前述步驟分別得到其高維直方圖，采用直方圖匹配的方法來(lái)進(jìn)行人臉識(shí)別，或者說(shuō)計(jì)算高維直方圖之間的相似度，通過(guò)直方圖相似度來(lái)衡量人臉圖像的相似度，以實(shí)現(xiàn)人臉識(shí)別。
上述技術(shù)方案實(shí)現(xiàn)了對(duì)人臉的識(shí)別。為了提高人臉識(shí)別的效果，在人臉識(shí)別過(guò)程中還可以采用分塊的方法。使用分塊的方法可以在使用直方圖時(shí)增加直方圖表示的空間結(jié)構(gòu)信息。
分塊就是將圖像分成多個(gè)區(qū)域或者說(shuō)多個(gè)子塊。在本發(fā)明中，分塊操作可以在不同的階段實(shí)施。分塊操作可以在人臉圖像變換到變換域之后、對(duì)圖像做LBP運(yùn)算之前進(jìn)行，即在前述的步驟20和步驟30之間進(jìn)行也可以在人臉圖像變換到變換域之前進(jìn)行，即在前述的步驟10和步驟20之間進(jìn)行。
當(dāng)在將人臉圖像變換到變換域之前進(jìn)行分塊操作時(shí)，對(duì)于每一個(gè)子塊都進(jìn)行前述的步驟20～步驟40的操作，而在進(jìn)行步驟50時(shí)，將從各個(gè)子塊得到的高維直方圖再串接起來(lái)，形成一個(gè)更高維數(shù)的直方圖作為人臉圖像的編碼。
當(dāng)在人臉圖像變換到變換域之后、對(duì)圖像做LBP運(yùn)算之前進(jìn)行分塊操作時(shí)，將前述步驟20的變換域中的人臉圖像進(jìn)行分塊，然后在每一個(gè)子塊中進(jìn)行LBP運(yùn)算，再得到每一個(gè)子塊的直方圖；在進(jìn)行步驟50時(shí)，可以將所有子塊的直方圖串接為一個(gè)高維直方圖作為人臉圖像的編碼。如圖4所示，
如圖4所示，為本發(fā)明的一個(gè)人臉識(shí)別系統(tǒng)例子。首先，依據(jù)眼睛的位置把圖像Crop為指定大小，然后對(duì)其進(jìn)行Gabor變換，在變換過(guò)程中，徑向中心頻率
Gabor小波的方向夕可以有不同的值，因此得到Gabor特征圖譜，將Gabor特征圖譜中的每個(gè)圖像平均劃分為若干個(gè)區(qū)域，每個(gè)區(qū)域進(jìn)行LBP運(yùn)算，然后提取各個(gè)區(qū)域的直方圖，最后將所有的直方圖串接成為一高維的特征直方圖。
在圖4的實(shí)施例中，對(duì)圖像進(jìn)行分塊所得的各個(gè)子塊之間互不相交。但是，事實(shí)上子塊之間可以交疊，這樣可以提高相鄰子塊間的相關(guān)性，體現(xiàn)人臉的部件之間的關(guān)聯(lián)，這是本領(lǐng)域的技術(shù)人員很容易理解并實(shí)施的。
本發(fā)明的基于模板匹配的人臉識(shí)別方法結(jié)合了局部區(qū)域變化分布模式和圖像變換到變換域的方法，因此本發(fā)明也可以稱之為基于變換域局部區(qū)域變化分布模式的人臉識(shí)別方法。
本發(fā)明方法與現(xiàn)有的人臉識(shí)別方法相比在人臉識(shí)別效果上有很大的提高，如表1所示，將本發(fā)明方法在FERET人臉數(shù)據(jù)庫(kù)上進(jìn)行了測(cè)試，并將本方法與基于Gabor變換的LDA方法，LBP人臉識(shí)別和FERET評(píng)測(cè)的最好結(jié)果進(jìn)行比對(duì)，表中有四項(xiàng)評(píng)價(jià)標(biāo)準(zhǔn)，其中Fb是表情變化測(cè)試集，fc是光照變化測(cè)試集，Duplicate I和DuplicateII是時(shí)間變化測(cè)試集，以光照變化測(cè)試集fc為例，本發(fā)明方法的識(shí)別率可達(dá)到0.974，而基于Gabor變換的LDA方法為0.84，LBP人臉識(shí)別方法只有0.294，F(xiàn)ERET評(píng)測(cè)的最好結(jié)果為0.833，本發(fā)明方法明顯優(yōu)于上述方法，而在測(cè)試集Duplicate I和Duplicate II中，本發(fā)明方法同樣優(yōu)于其他方法，只有在表情變化測(cè)試集Fb中，本發(fā)明方法與現(xiàn)有的其他方法相比沒(méi)有明顯的優(yōu)勢(shì)，但在識(shí)別效果上相差也不多。因此，本發(fā)明方法與現(xiàn)有的人臉識(shí)別方法相比在識(shí)別效果上有很大的提高。
表權(quán)利要求
1、一種基于模板匹配的人臉識(shí)別方法，該方法包括
對(duì)人臉圖像做LBP運(yùn)算；
從LBP運(yùn)算的結(jié)果得到直方利用直方圖匹配實(shí)現(xiàn)人臉識(shí)別；
其特征在于，還包括在對(duì)人臉圖像做LBP運(yùn)算之前將人臉圖像變換到變換域。
2、根據(jù)權(quán)利要求1所述的基于模板匹配的人臉識(shí)別方法，其特征在于，所述將人臉圖像變換到變換域采用Gabor變換、Gaussian變換、DCT變換、FFT變換及HARR變換。
3、根據(jù)權(quán)利要求1所述的基于模板匹配的人臉識(shí)別方法，其特征在于，還包括對(duì)人臉圖像進(jìn)行分塊，將所述人臉圖像分為多個(gè)子塊；其中，所述分塊操作是在將人臉圖像變換到變換域之后、對(duì)人臉圖像做LBP運(yùn)算之前進(jìn)行。
4、根據(jù)權(quán)利要求1所述的基于模板匹配的人臉識(shí)別方法，其特征在于，還包括對(duì)人臉圖像進(jìn)行分塊，用于將所述人臉圖像分為多個(gè)子塊；其中，所述分塊操作是在將人臉圖像變換到變換域之前進(jìn)行。
5、根據(jù)權(quán)利要求3或4所述的基于模板匹配的人臉識(shí)別方法，其特征在于，在對(duì)人臉圖像進(jìn)行分塊時(shí)，所述多個(gè)子塊間互不交疊。
6、根據(jù)權(quán)利要求3或4所述的基于模板匹配的人臉識(shí)別方法，其特征在于，在對(duì)人臉圖像進(jìn)行分塊時(shí)，所述多個(gè)子塊中有至少兩個(gè)子塊間有交疊。
全文摘要
本發(fā)明公開了一種基于模板匹配的人臉識(shí)別方法，該方法包括將人臉圖像變換到其變換域；對(duì)人臉圖像做LBP運(yùn)算；從LBP運(yùn)算的結(jié)果提取直方圖；用直方圖匹配實(shí)現(xiàn)人臉識(shí)別。本發(fā)明方法的優(yōu)點(diǎn)在于，基于直方圖之間的匹配，計(jì)算速度快；可降低對(duì)姿態(tài)、光照、表情和環(huán)境變化的敏感程度。
文檔編號(hào)G06K9/00GK1790374SQ200410098619
公開日2006年6月21日 申請(qǐng)日期2004年12月14日 優(yōu)先權(quán)日2004年12月14日
發(fā)明者高文, 張文超, 山世光, 張洪明, 陳熙霖 申請(qǐng)人:中國(guó)科學(xué)院計(jì)算技術(shù)研究所