[发明专利]基于多阶局部显著模式特征统计的人脸识别方法

权利要求书

1.一种基于多阶局部显著模式特征统计的人脸识别方法，包括步骤：

人脸图像预处理；

对归一化的人脸图像的每个像素所在局部邻域计算不同阶数的局部差分模式特征向量；

将人脸图像每个像素的每一阶局部差分模式特征向量编码成相应局部显著模式特征；

对人脸图像每一阶的局部显著模式特征图分块并进行空间直方图统计；

将人脸图像每一阶的所有局部显著模式特征直方图进行拼接，并用白化的主成分分析进行增强；

根据每一阶增强后的局部显著模式直方图特征的判别能力，计算相应的权重；

两幅人脸图像的特征相似度用加权的余弦距离度量。

2.根据权利要求1所述的方法，其特征在于，所述的对归一化的人脸图像的每个像素所在局部邻域计算不同阶数的局部差分模式特征向量包括步骤：

对归一化的人脸图像的每个像素计算0阶局部差分模式特征向量；

在0阶局部差分模式特征向量的基础上，对归一化的人脸图像的每个像素计算更高阶局部差分模式特征向量。

3.根据权利要求2所述的方法，其特征在于所述的归一化人脸图像的0阶局部差分模式特征向量其计算公式如下所示：

V₀(x，y)＝{V_0，1，V_0，2，...，V_0，k}

V_0，i＝P_w，i-P_n，i，i＝1，2，3，...，k

其中，V₀(x，y)表示以归一化后人脸图像坐标为(x，y)的像素0阶局部差分模式特征向量，V_0，i表示V₀(x，y)中的第i个元素，其值由以像素坐标(x，y)为中心半径分别为r_w和r_n的同心圆的第i个采样的值P_w，i和P_n，i的差分结果计算而得，默认r_w＞r_n，k为总的采样点数，即特征向量V₀(x，y)的长度，采样点的位置在圆周上呈均匀分布。

4.根据权利要求2所述的方法，其特征在于所述的归一化人脸图像的高阶局部差分模式特征向量其计算公式如下表示：

V_t(x，y)＝{V_t，1，V_t，2，...，V_t，k}，t＝1，2，3...

V_t，i＝V_t-1，i-V_{t-1，(i+1)％k}，i＝1，2，3，...，k

其中，V_t(x，y)表示以归一化后人脸图像坐标为(x，y)的像素t阶局部差分模式特征向量，V_t，i表示V_t(x，y)中的第i个元素，其值由以t-1阶局部差分模式特征值V_t-1，i的第i个元素和第(i+1)％k个元素的差分结果计算而得，％为取模符号，k为总的采样点数，即特征向量V_t(x，y)的长度，采样点的位置在圆周上呈均匀分布，其中高阶是指阶数t＞0且t为整数。

5.根据权利要求1中所述的方法，其特征在于，所述的将人脸图像每个像素的每一阶局部差分模式特征向量编码成相应局部显著模式特征包括步骤：

计算人脸图像每个像素的每一阶局部差分模式特征向量相应的局部显著模式特征；

将计算所得的人脸图像每个像素的每一阶局部显著模式特征进行编码。