專利名稱：一種基于局部對比模式的人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識別技術(shù)領(lǐng)域，特別涉及一種基于局部對比模式的人臉識別方法。
背景技術(shù)：
近年來，人臉識別技術(shù)取得了很大的進步，各種各樣的人臉識別算法相繼被提出并不斷改進，而且目前有很多的人臉識別系統(tǒng)投入了實際使用。但是，人臉識別研究中仍有很多問題沒有得到很好地解決，其原因在于，人臉圖像在獲取過程中會受到諸如光照變化、表情變化、遮擋等因素的影響，這其中又以光照變化帶來的干擾最為嚴重。在戶外等不能控制光照的環(huán)境下，人臉特征受光照方向和光照強度的影響而明顯地產(chǎn)生非線性變化，使人臉識別變得很困難。相當(dāng)人臉在不同光照條件下得到的圖像之間的差別，比不同人臉在相同光照條件下得到的圖像之間的差別還要大。在消除光照對人臉識別的影響方面，局部二值模式(Local Binary Pattern,LBP)方法因其計算簡便、抗光照干擾、判別能力強等優(yōu)點正引起人們的高度關(guān)注。局部二值模式(LBP)由Ojala提出，該方法將圖像局部的紋理特征由局部像素灰度值之間的關(guān)系來表現(xiàn)。局部二值模式(LBP)算子定義在一個3X3的窗口，以窗口中心像素點的灰度值為閾值，將相鄰的8個鄰居像素點的灰度值與其進行比較，若周圍像素值大于中心像素值，則該像素位置被標記為1，否則為O。這樣，3X3鄰域內(nèi)的8個點可產(chǎn)生一個8位的二進制無符號數(shù)，再按其位置賦予不同權(quán)重，并對其求和即得到該窗口的局部二值模式(LBP)特征值，并用這個數(shù)描述該區(qū)域的紋理信息。由于局部二值模式(LBP)方法只考慮了中心像素點與鄰居像素點灰度值之間的大小關(guān)系，會出現(xiàn)圖像局部區(qū)域像素灰度值完全不同，但它們得到的局部二值模式(LBP)特征值完全相同的情況，因而影響了基于局部二值模式(LBP)的人臉識別方法的識別率，這是因為局部二值模式(LBP)方法沒有考慮中心像素點與鄰居像素點之間灰度值的對比信息，而對比信息的不同恰恰是區(qū)別局部區(qū)域紋理的一個很重要的特征。因此，要提高基于局部二值模式(LBP)的人臉識別方法的識別率，對比信息的引入成為一種可取的方向。

發(fā)明內(nèi)容
本發(fā)明基于現(xiàn)有采用局部二值模式(LBP )進行人臉識別的方法沒有考慮中心像素點與鄰居像素點之間灰度值的對比信息，從而影響到人臉識別的精度這一問題，我們提出了一種基于局部對比模式(Local Contrast Pattern一LCP)的人臉識別方法,本方法能有效地解決局部二值模式(LBP)方法中沒考慮像素間對比信息而影響識別率的問題，獲得較高的識別率。本發(fā)明的技術(shù)方案是一種基于局部對比模式(LCP)的人臉識別方法，該方法步驟具體包括I.人臉圖像預(yù)處理
將試驗的人臉庫中的樣本分為訓(xùn)練集和測試集，并對所有樣本進行預(yù)處理,預(yù)處理包括伽馬校正、高斯差分濾波和對比度均衡化，以削弱光照對特征提取的影響。伽馬校正通過改變Ga_a參數(shù)來控制人臉圖像的整體亮度，利用高斯差分濾波器實現(xiàn)對人臉圖像光照不均勻的平滑處理，對比度均衡化的目的是對整個人臉圖像的灰度級重新進行調(diào)節(jié)，是對圖像整體對比度和亮度變化的一種標準化處理。經(jīng)過以上預(yù)處理過程后，會得到光照變化相對均勻的人臉圖像，從而減少光照變化對特征提取的影響。2.提取人臉圖像的局部對比模式(LCP)特征臉對預(yù)處理后的人臉圖像均等劃塊，對每個分塊分別采用局部對比模式(LCP)方法對每個像素計算特征值，用特征值代替對應(yīng)像素的原始灰度值，得到一幅新的人臉圖像，稱為局部對比模式(LCP)特征臉。3.對局部對比模式(LCP)特征臉進行直方圖轉(zhuǎn)換將局部對比模式(LCP)特征臉按照所劃分的分塊分別轉(zhuǎn)換為直方圖，并將所有分 塊按列優(yōu)先級聯(lián)成一個增強直方圖，作為特征對人臉圖像進行描述。4.求直方圖之間的卡方(X2)距離對步驟3所得到的增強直方圖，采用X2距離函數(shù)計算測試集人臉圖像的增強直方圖與所有訓(xùn)練集人臉圖像的增強直方圖的X2距離。5.用最近鄰分類器對測試集圖像進行分類識別將直方圖之間的X 2距離進行比較，從中選出距離最小的一類，作為測試集圖像所屬的類別。本發(fā)明針對局部二值模式(LBP)方法只比較鄰居像素與中心像素灰度值的大小，而不考慮其對比信息之間的具體區(qū)別的缺點，將其改進為基于像素對比度信息求取特征值的方式，設(shè)計了一種基于局部對比模式(LCP)的人臉識別方法，采用最近鄰分類器進行分類識別，本方法獲得了更高的識別率。


圖I是基于局部對比模式(LCP)的人臉識別方法流程圖；圖2是人臉圖像的劃塊方法；圖3是采用局部對比模式(LCP)算子求取特征值的過程。
具體實施例方式下面結(jié)合附圖和實例對本發(fā)明作進一步說明。如圖I所示，一種基于局部對比模式的人臉識別方法包括以下步驟I.人臉圖像預(yù)處理將試驗的人臉庫中的樣本分為訓(xùn)練集和測試集，并對所有樣本進行預(yù)處理，該預(yù)處理方法包括如下三個步驟I)伽馬校正伽馬校正是對原始灰度圖像I采用指數(shù)或者對數(shù)變換的非線性變換。如用Γ，或者Iog(I)來代替原始灰度圖像I，其中，Y>0，y e
，通過指數(shù)或者對數(shù)變換會在一定程度上削弱光照變化帶來的影響，最優(yōu)可取Y=O. 2作為默認值。
2)高斯差分濾波 DoG (Difference of Gaussian Filtering)伽馬校正并不能完全消除全局光照亮度變化的影響，例如由表面結(jié)構(gòu)引起的陰影效果。DoG濾波器能夠在大多情況下過濾掉一些冗余信息，提高整個系統(tǒng)的性能。根據(jù)對經(jīng)過伽馬校正的灰度圖像信號作高斯差分濾波，高斯差分濾波器的傳遞函數(shù)為兩個不同寬度高斯函數(shù)之差，具體公式
權(quán)利要求
1.一種基于局部對比模式的人臉識別方法，其特征在于，包括步驟將人臉庫中的樣本分為訓(xùn)練集和測試集，采用伽馬校正、高斯差分濾波及對比度均衡化對人臉圖像樣本進行預(yù)處理；對預(yù)處理后的人臉圖像均等劃塊，對每個分塊分別采用局部對比模式對每個像素計算特征值，用特征值代替對應(yīng)像素的原始灰度值，得到局部對比模式LCP特征臉；將局部對比模式特征臉按照所劃分的分塊分別轉(zhuǎn)換為直方圖，并將所有分塊按列優(yōu)先級聯(lián)成增強直方圖，采用卡方X 2距離函數(shù)計算測試集人臉圖像的增強直方圖與所有訓(xùn)練集人臉圖像的增強直方圖的X2距離；將直方圖之間的X2距離進行比較，選出距離最小的一類，作為測試集圖像。
2.根據(jù)權(quán)利要求I所述的人臉識別方法，其特征在于，伽馬校正是對原始灰度圖像I采用指數(shù)或者對數(shù)變換的非線性變換。
3.根據(jù)權(quán)利要求I所述的人臉識別方法，其特征在于，調(diào)用高斯差分濾波器的傳遞函數(shù)
4.根據(jù)權(quán)利要求I所述的人臉識別方法，其特征在于，對每個分塊分別采用局部對比模式方法對每個像素計算特征值具體為，采用T算子T=(S(g(l/g。)，s (gl/g。)，…，MgpVgc))描述人臉圖像局部的紋理特征；通過對每一個鄰居像素與中心像素灰度值的比值s(gp/g。) 指定一個二項式因子2P，計算
5.根據(jù)權(quán)利要求I所述的人臉識別方法，其特征在于，級聯(lián)成增強直方圖具體為，將局部二值模式LCP特征臉按照所劃分的分塊分別轉(zhuǎn)換為直方圖，將所有分塊直方圖，根據(jù)局部對比模式LCP特征臉函數(shù)f^BP (X，y)調(diào)用公式
全文摘要
本發(fā)明涉及一種基于局部對比模式(LCP)的人臉識別方法，屬于模式識別技術(shù)領(lǐng)域。首先對人臉數(shù)據(jù)庫圖像進行預(yù)處理以削弱光照對特征提取的影響；分別對訓(xùn)練集和測試集圖像計算LCP特征矩陣；將求到的LCP特征矩陣轉(zhuǎn)換為直方圖；對直方圖采用卡方(χ2)距離函數(shù)來計算測試樣本與訓(xùn)練樣本的特征相似度；用最近鄰分類器對測試樣本進行分類識別，本發(fā)明具有較高的人臉識別正確率。
文檔編號G06K9/00GK102779273SQ201210223569
公開日2012年11月14日 申請日期2012年6月29日 優(yōu)先權(quán)日2012年6月29日
發(fā)明者李偉生, 郝紅巖 申請人:重慶郵電大學(xué)