一種人臉識別方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種人臉識別方法及裝置，用以提升人臉識別的實時性和準確性。本發(fā)明實施例提供的人臉識別方法，包括：基于CBP算子確定待識別的圖像的CBP直方圖，所述CBP算子根據(jù)像素3×3鄰域內(nèi)中心像素點的灰度值和對角元素的灰度值確定中心像素點的CBP碼值；以及基于LDP算子確定所述待識別的圖像的LDP直方圖；將所述CBP直方圖和LDP直方圖按順序連接起來形成聯(lián)合直方圖作為提取的特征；并基于提取的特征對所述待識別的圖像進行人臉識別。
【專利說明】一種人臉識別方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及生物特征識別【技術(shù)領(lǐng)域】，尤其涉及一種人臉識別方法及裝置。
【背景技術(shù)】
[0002]在當今社會，身份確認具有十分重要的應(yīng)用。近年來，人類的生物特征越來越廣泛的應(yīng)用于個人的身份確認，人類固有的生物特征主要包括:DNA(脫氧核糖核酸)、指紋、虹膜、語音、步態(tài)、掌紋、人臉等。人臉識別，是基于人的臉部特征信息進行身份確認的一種生物特征識別技術(shù)。用攝像機或攝像頭采集含有人臉的圖像或視頻，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關(guān)技術(shù)。相比其他的生物特征識別技術(shù)，人臉識別具有以下優(yōu)勢:
[0003](I)無需用戶過多參與，非接觸式采集，無侵犯性；
[0004](2)對用戶沒有任何明顯刺激，便于隱藏；
[0005](3)設(shè)備成本低廉，主要是采用攝像機或攝像頭來采集人臉。
[0006]因此，人臉識別技術(shù)得到了越來越多人的關(guān)注和研究。但是，人臉識別技術(shù)中的關(guān)鍵步驟——特征提取，卻因為受光照、姿態(tài)、表情、服飾、年齡等諸多因素的影響，其魯棒性還有待提聞。
[0007]LBP (Local Binary Patterns,局部二值模式)是一種用來描述圖像局部紋理特征的算子；其作用是進行特征提取，而且提取的特征是圖像的局部紋理特征。目前，LBP算子已經(jīng)成功應(yīng)用于人臉識別領(lǐng)域。
[0008]最初的LBP算子為圖像中每個像素點定義了以該像素點為中心的像素3X3鄰域，以像素3X3鄰域內(nèi)中心像素點的灰度值為閾值，將相鄰的8個周圍像素點的灰度值與其進行比較，若周圍像素點的灰度值大于中心像素點的灰度值，則將該周圍像素點標記為1，否則標記為O。這樣，像素3 X 3鄰域內(nèi)的8個周圍像素點經(jīng)比較可產(chǎn)生8位二進制數(shù)，通常將8位二進制數(shù)轉(zhuǎn)換為十進制數(shù)，即得到該鄰域內(nèi)中心像素點的LBP碼值，并用該LBP碼值來反映該區(qū)域的紋理信息。LBP算子的計算方法如公式[I]所示:
【權(quán)利要求】
1.一種人臉識別方法，其特征在于，包括: 基于中心化局部二值模式CBP算子確定待識別的圖像的CBP直方圖，所述CBP算子根據(jù)像素3X3鄰域內(nèi)中心像素點的灰度值和對角元素的灰度值確定中心像素點的CBP碼值；以及 基于局部定向模式LDP算子確定所述待識別的圖像的LDP直方圖； 將所述CBP直方圖和LDP直方圖按順序連接起來形成聯(lián)合直方圖作為提取的特征；并 基于提取的特征對所述待識別的圖像進行人臉識別。
2.如權(quán)利要求1所述的方法，其特征在于，基于中心化局部二值模式CBP算子確定待識別的圖像的CBP直方圖，具體包括: 將所述待識別的圖像進行分塊處理，得到無重疊的若干圖像子塊； 基于CBP算子分別確定每個圖像子塊的CBP直方圖；并 將各圖像子塊的CBP直方圖按順序連接起來形成所述待識別的圖像的CBP直方圖。
3.如權(quán)利要求2所述的方法，其特征在于，所述基于CBP算子分別確定每個圖像子塊的CBP直方圖，具體包括: 針對每個圖像子塊，基于CBP算子確定當前圖像子塊中每個像素點的CBP碼值，具體通過公式)
4.如權(quán)利要求1所述的方法，其特征在于，所述基于局部定向模式LDP算子確定所述待識別的圖像的LDP直方圖，具體包括: 針對所述待識別的圖像中每個像素點，在以當前像素點為中心的像素3X3鄰域內(nèi)，使用Kirsch算子進行卷積計算得到邊緣響應(yīng)值，具體通過公式m(i, j) = max {I,max{ I 5sk-3tk:k = 0,1,…，7}}實現(xiàn),其中:
sk = ak+ak+1+ak+2, tk = ak+3+ak+4+...+ak+7, ak 表示周圍像素點的灰度值； 根據(jù)使用Kirsch算子計算得到的邊緣響應(yīng)值，基于LDP算子確定當前像素點的LDP碼值,具體通過公式= Σ.ν,(m1- mk)2,實現(xiàn)，其中:s(x)表示符號函數(shù)，具體通過公式
5.如權(quán)利要求1至4任一所述的方法，其特征在于，所述基于提取的特征對所述待識別的圖像進行人臉識別，具體包括: 基于提取的特征，采用最近鄰分類算法KNN對所述待識別的圖像進行人臉識別。
6.一種人臉識別裝置，其特征在于，包括: CBP處理模塊，用于基于中心化局部二值模式CBP算子確定待識別的圖像的CBP直方圖，所述CBP算子根據(jù)像素3 X 3鄰域內(nèi)中心像素點的灰度值和對角元素的灰度值確定中心像素點的CBP碼值； LDP處理模塊，用于基于局部定向模式LDP算子確定所述待識別的圖像的LDP直方圖；聯(lián)合特征模塊，用于將所述CBP直方圖和LDP直方圖按順序連接起來形成聯(lián)合直方圖作為提取的特征； 人臉識別模塊，用于基于提取的特征對所述待識別的圖像進行人臉識別。
7.如權(quán)利要求6所述的裝置，其特征在于，所述CBP處理模塊，具體包括: 分塊處理單元，用于將所述待識別的圖像進行分塊處理，得到無重疊的若干圖像子塊； CBP處理單元，用于基于CBP算子分別確定每個圖像子塊的CBP直方圖； 合并單元，用于將各圖像子塊的CBP直方圖按順序連接起來形成所述待識別的圖像的CBP直方圖。
8.如權(quán)利要求7所述的裝置，其特征在于，所述CBP處理單元，具體包括: CBP算子處理子單元，用于針對每個圖像子塊，基于CBP算子確定當前圖像子塊中每個像素點的CBP碼值，具體通過公式
9.如權(quán)利要求6所述的裝置，其特征在于，LDP處理模塊，具體包括: Kirsch算子處理單元，用于針對所述待識別的圖像中每個像素點，在以當前像素點為中心的像素3X3鄰域內(nèi)，使用Kirsch算子進行卷積計算得到邊緣響應(yīng)值，具體通過公式 m(i, j) = max {I, max{ | 5sk-3tk:k = Ο, I,...，7}}實現(xiàn)，其中:sk = ak+ak+1+ak+2, tk =ak+3+ak+4+…+ak+7, ak表不周圍像素點的灰度值； LDP算子處理單元，用于根據(jù)使用Kirsch算子得到的邊緣響應(yīng)值，基于LDP算子確定當前像素點的LDP碼值，具體通過公式
10.如權(quán)利要求6至9任一所述的裝置，其特征在于，所述人臉識別模塊，具體用于基于提取的特征，采用最近鄰分類算法KNN對所述待識別的圖像進行人臉識別。
【文檔編號】G06K9/46GK104021372SQ201410213460
【公開日】2014年9月3日 申請日期:2014年5月20日 優(yōu)先權(quán)日:2014年5月20日
【發(fā)明者】葉劍英 申請人:北京君正集成電路股份有限公司