一种基于多分辨率多阈值局部二值模式的人脸识别方法
【专利摘要】本发明公开了一种基于多级分辨率多阈值局部二值模式的人脸识别方法，属于模式识别【技术领域】。本方法针对局部二值模式难以获取人脸人脸面部器官的位置的空间结构信息，同时LBP算子采用局部区域邻居像素点与中心像素点的大小关系进行编码容易受到噪声影响，使用不同的阈值进行LBP编码图像，最后通过不同的划分方式来获取人脸的局部与整体信息，这样提取MRTLBP特征的信息更具有鉴别力。并将其作为人脸的鉴别特征用于分类识别。采用最近邻分类器进行分类识别。实验分析表明，本发明具有较强的人脸特征表示能力对光照，表情以及姿态具有较高的鲁棒性。
【专利说明】一种基于多分辨率多阈值局部二值模式的人脸识别方法
【技术领域】
[0001]本发明涉及模式识别【技术领域】，特别涉及基于多分辨率多阈值局部二值模式(LBP)的人脸识别方法。
【背景技术】
[0002]人脸识别是模式识别、图像分析与理解等领域的典型研究课题，不仅在理论上具有重要价值，而且在安全、金融等领域具有重要的应用前景，因此在学术界和产业界都受到了广泛的关注，目前已经出现了一些实用的商业系统。然而，由于图像采集条件和人脸自身属性的变化都可能使得同一人的不同照片表观差别很大，增加了识别难度。因此，提高人脸识别系统对这些变化的鲁棒性成为该领域研究人员的重要目标之一。
[0003]小波变换在空间域和频率域具有良好的局部化特征，因其具有良好的特性，使其在各个领域得到广泛的应用。小波分解能够分解出目标信息不同频率段的信息，获取到的这些特征往往是是有利于分类的信息。使用离散小波对图像进行不同级数的变换时可以得到不同分辨率的特征，多分辨率图像的特点:把一种分辨率条件下无法获取的人脸特征在另一种分辨率下捕捉到。如果降低图像数据从单一的下采样角度去降低原始图像的数据量，这样只考虑到空域的信息而忽视了频率域的信息，从而使原始图像失真。
[0004]局部二值模式(Local Binary Pattern, LBP)方法因其计算简便、特征描述能力强等优点在人脸识别领域得到广泛应用。对人脸图像进行LBP编码时候选用不同阈值会表现出不同尺度下的纹理细节特征，原始的LBP算子在计算LBP编码时只比较了中心像素点与邻居像素点的大小关系，该在描述人脸图像局部区域的细节信息变化情况有较好的效果，但是当图像在剧烈变化的环境条件下就不具备很强的鉴别力。不同人脸图像的差别主要体现在人脸边缘的梯度变化信息上，而这种梯度变化信息对人脸表情，光照等变化有较强的鲁棒性。多阈值LBP计 算方法如下:
【权利要求】
1.一种基于多分辨率多阈值局部二值模式的人脸识别方法，其特征在于，包括以下步骤: 101、获取原始人脸图像，并采用Haar小波变换对原始人脸图像进行两级分解，得到两幅分辨率分别为A与B的一级分辨率图像与二级分辨率图像，其中A幸B，一级分辨率图像作为测试集，二级分辨率图像作为训练集； 102、将步骤101中的一级分辨率图像均分为nXn个子模块，并对每个子模块采用LBP算法分别求取阈值为Cl和c2时的一级分辨率图像LBP特征谱；同时对步骤101中的二级分辨率图像采用LBP算法求取阈值分别为Cl和c2时的二级分辨率图像LBP特征谱； 103、将步骤102中得到的每个子模块的一级分辨率图像LBP特征谱分别转化为子模块直方图，及将二级分辨率图像LBP特征谱转化为二级直方图，然后将子模块直方图与二级直方图级联成一个全局直方图，并得出所述全局直方图的测试集人脸图像直方图向量P、Q ； 104、采用卡方X2距离函数计算步骤103中得到的测试集人脸图像直方图向量P、Q与所有训练集人脸图像直方图向量的距离x2(P，Q)，X2 (P, Q)的计算公式为
2.根据权利要求1所述的基于多分辨率多阈值局部二值模式的人脸识别方法，其特征在于:步骤102中LBP算法如下:
3.根据权利要求1所述的基于多分辨率多阈值局部二值模式的人脸识别方法，其特征在于:步骤102中将一级分辨率图像均分为3X3个子图像块。
【文档编号】G06K9/62GK103778434SQ201410019974
【公开日】2014年5月7日 申请日期:2014年1月16日 优先权日:2014年1月16日
【发明者】李伟生, 付鹏, 王立逗, 周丽芳 申请人:重庆邮电大学