[发明专利]基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统

权利要求书

1.一种基于扩展八邻域局部纹理特征的非接触式人脸识别算法，其特征在于，包括以下步骤：

步骤一，提取人脸图像的扩展八邻域局部纹理特征；该步骤包括三个阶段：图像点标记阶段、图像点编码阶段、图像特征向量提取阶段；

(一)图像点标记阶段

以某一个像素点为中心，定义八个方向，按顺时针从西北方向开始，分别是西北方向、正北方向、东北方向、正东方向、东南方向、正南方向、西南方向、正西方向，称所述的八个方向为纹路，根据不同的半径，定义不同的基于不同像素半径的扩展八邻域局部纹理描述子；

首先要对该像素点周围八条纹路上的像素点进行标记；标记的原则是：如果纹路上某个像素点的灰度值和中间像素点的灰度值满足下式：

|P_ij-P_o|≤Thd     (1)

则该像素点标记为黑色，否则标记为白色；式中P_o是中间的像素点的灰度值，P_ij是纹路上的像素点的灰度值；Thd为阈值；

(二)图像点编码阶段

得到某个像素点周围的八个方向的纹路标记图后，对该像素点局部纹理信息进行编码；对每条纹路方向编码；对某一条纹路方向编码时，统计纹路方向上的每个像素点是否标记为黑点，如果全部是黑点，则该条纹路编码为“1”；否则，编码为“0”；

(三)图像特征向量提取阶段

使用(一)、(二)的方法遍历每一个像素点，得到它们的编码值；然后再对所有的编码值转化为十进制数，统计每一种编码值出现的次数，得到统计直方图向量；由于编码值从“0”到“255”变化，所以得到的统计直方图向量是256维，这就是描述子作用于图像后提取的特征向量；

步骤二，使用SVM分类器对提取到的局部纹理特征分类，实现人脸的识别。

2.根据权利要求1所述的非接触式人脸识别算法，其特征在于，针对每一个像素点在提取局部纹理特征时，都计算出一个特定的阈值，称之为自适应阈值，自适应阈值StdThd可由下式得出：

StdThd=1(2r+1)2-1Σi=m-rm+rΣj=n-rn+r|Pij-Pmn|---(2)]]>

式(2)中P_mn是待提取特征的像素点，r是米字形描述子用到的像素半径，自适应阈值StdThd实质是提取特征时所覆盖的像素半径范围内所有的像素点与中间点差值绝对值的平均值。

3.根据权利要求1所述的非接触式人脸识别算法，其特征在于，步骤一中得到的每一种编码值都称为一种模式，于是局部纹理特征就有256种模式，统计人脸数据中所有人脸图像中各种模式出现的平均概率，然后从大到小排列，提取平均概率之和达到90％的所有模式，其余模式合在一起归为一种模式，然后组成特征向量。

4.采用权利要求1至3任一所述的非接触式人脸识别算法的签到系统。