專利名稱：一種基于lbp-hf的人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理、計算機視覺、模式識別技術(shù)領(lǐng)域，特別是一種基于LBP-HF的人臉識別方法。
背景技術(shù)：
生物識別技術(shù)是通過人類生物特征識別身份的一種技術(shù)。由于這類人體特征的唯一性，這些人體生物密匙是無法被復(fù)制、失竊或者遺失的，因此生物識別技術(shù)比傳統(tǒng)的身份鑒定方法更加安全、便捷。人臉識別技術(shù)是近來發(fā)展最快的生物特征識別技術(shù)。人臉識別的難度在于:人臉的結(jié)構(gòu)相似性，表情、年齡和姿勢引起的人臉變化，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。目前常用的人臉識別方法有:
1、基于神經(jīng)網(wǎng)絡(luò)的識別方法
人工神經(jīng)網(wǎng)絡(luò)由多個神經(jīng)元按照一定順序排列構(gòu)成。雖然單個神經(jīng)元結(jié)構(gòu)簡單，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)具有集體運算和自適應(yīng)學(xué)習(xí)的能力，具有很強的容錯性和魯棒性。神經(jīng)網(wǎng)絡(luò)方法需要較多的樣本進行訓(xùn)練，而在許多應(yīng)用中，樣本數(shù)量是很有限的。2、基于特征臉的識別方法
特征臉識別方法是一種基于KL變換的人臉識別方法。高維的圖像空間經(jīng)過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別的特征矢量。特征臉識別方法具有良好的穩(wěn)定性、位移不變形等優(yōu)點。但是特征臉識別方法受表情、光照和角度的影像比較大，魯棒性比較差。3、基于模板的識別方法
將LBP利用于基于模板匹配的人臉識別方法中，在人臉識別領(lǐng)域得到廣泛的運用。該方法的步驟包括:對人臉圖像進行切割分塊，提取每個子區(qū)域的LBP直方圖特征，然后將每個子區(qū)域的LBP直方圖特征串聯(lián)，最后通過不同人臉圖像的串聯(lián)直方圖特征進行匹配識另O。LBP方法的優(yōu)點在于計算速度快。LBP-HF方法是基于LBP方法的一種變型。LBP-HF特征對圖像具有旋轉(zhuǎn)不變性，在保證計算速度的同時，具有更高的識別率。(參考文獻: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，在保證識別速度的如提下，提聞了人臉的識別率。
實現(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)對已知人臉庫中的所有人臉圖像執(zhí)行所述步驟I)-5)，得出已知人臉庫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)對待識別人臉圖像執(zhí)行步驟I)- 5)，得出待識別人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值；
8)分別計算待識別人臉的整臉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中每個人臉的整臉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的值作為待識別人臉和已知人臉圖像的相似度S，各個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，則判斷待識別人臉和已知人臉庫中的人臉是同一個人；如果SO〈T，則判斷待識別人臉和已知人臉庫中的人臉不是同一個人。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點:(I)本發(fā)明方法基于直方圖比對，計算速度快；(2)本發(fā)明方法基于多人臉部件比對，識別率高；(3)本發(fā)明方法降低了人臉角度對識別率的影響。


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。
具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明作進一步詳細描述。本發(fā)明提出的基于LBP-HF的人臉識別方法，包括以下步驟:
1、對人臉圖像分辨率進行調(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、對人臉圖像進行劃分，切割成相同大小的子區(qū)域；
圖像有兩種劃分的規(guī)格:
人臉圖像會被切割成2X2的子區(qū)域和3X3的子區(qū)域。3、對人臉圖像所切割出來的所有子區(qū)域，提取它們的LBP-HF特征值；
本方法所使用的LBP特征為LBP-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)，以窗口中心像素點作為閾值，將相鄰的8個像素點的灰度值分別與中心像素點的灰度值進行比較，若周圍像素點的值大于中心像素點的值，則該像素點的位置被標(biāo)記為1，否則為O。這樣，3X3領(lǐng)域內(nèi)的8個點可產(chǎn)生8bit的無符號數(shù)，即得到該窗口的LBP值，并用這個值來反映該區(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計算中心點的值。為此，定義一個環(huán)繞中心點的圓圈(P，R)，P代表采樣點的個數(shù)而R代表采樣點的半徑。如果定義中心點的坐標(biāo)為(X，y)，則這些相鄰的采樣點的坐標(biāo)為:
權(quán)利要求
1.一種基于LBP-HF的人臉識別方法，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)對已知人臉庫中的所有人臉圖像執(zhí)行所述步驟I)-5)，得出已知人臉庫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)對待識別人臉圖像執(zhí)行步驟I)- 5)，得出待識別人臉的整臉LBP-HF特征值與眉毛、眼睛、鼻子、嘴巴部件的LBP-HF特征值； 8)分別計算待識別人臉的整臉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中每個人臉的整臉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的值作為待識別人臉和已知人臉圖像的相似度S，各個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，則判斷待識別人臉和已知人臉庫中的人臉是同一個人；如果SO〈T，則判斷待識別人臉和已知人臉庫中的人臉不是同一個人。
2.根據(jù)權(quán)利要求1所述的基于LBP-HF的人臉識別方法，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的人臉識別方法，其特征在于:所述步驟2)中對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的人臉識別方法，其特征在于:所述閾值T的值為測試中人臉識別錯誤率低于1%的時候的值。
全文摘要
本發(fā)明公開了一種基于LBP-HF的人臉識別方法，提取已知人臉庫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，得到每個已知人臉的綜合LBP-HF特征值，分別提取待識別人臉整張臉和人臉部件的LBP-HF特征，得到待識別人臉的綜合LBP-HF特征值，分別計算待識別人臉和各個已知人臉的綜合LBP-HF特征值之間的卡方檢驗的值，對于整張臉和各個人臉部件的LBP-HF特征值都可以分別得到一個卡方檢驗的值作為待識別人臉和臉已知人臉之間的相似度S，最后得到待識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，判斷待識別人臉和已知庫中的人臉不是同一個人。本發(fā)明的方法具有更高的人臉識別率。
文檔編號G06K9/00GK103207986SQ20131004851
公開日2013年7月17日 申請日期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 申請人:江蘇清大維森科技有限責(zé)任公司