[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

说明书

技术领域

本发明涉及计算机视觉、数字图像处理和模式识别等技术领域，特别是基于多阶局部显著模式特征统计的人脸识别方法。

背景技术

随着国民经济水平的不断提高，人均购买能力逐渐越强，在支付时需要进行身份认证的场合越来越多。基于人体生理特征的生物特征识别技术将在和国民经济发展、公共安全相关的多个重要领域都发挥越来越重要的作用。

其中，人脸识别可以说是目前潜力最大、最可能开展广泛应用的生物特征识别模态之一。因为，其采集设备的普及程度发展空前，几乎每个移动终端和PC终端都原装携带，同时设备的采集精度也从早期的几十万像素到几百万像素发展到现在的千万像素级别，而其他主流的生物特征模态(如：指纹、掌纹、虹膜、静脉)在图像获取时却需要特殊的采集设备，不论在易用性还是在设备价格，人脸识别都有有一定的优势。

然而，人脸图像会随着年龄增长、表情变化、化妆、环境光照变化、面部遮挡(如墨镜、围巾)以及姿态的变化而发生一定的改变。因此如何设计一种高区分性和强鲁棒性的人脸特征表示方法变得尤为重要。特别是当人脸识别要在一些计算能力弱、功耗要求高的移动设备上应用时，一些计算复杂度高的人脸特征提取方法并不适用。因此，开发一种计算复杂度低且鲁棒性高的人脸识别系统在计算量要求高的低功耗移动设备具有重要的应用价值。

发明内容

本发明的目的是提出一种基于多阶局部显著模式特征统计的人脸识别方法，即利用多阶分析和显著性编码的局部差分模式进行统计分析来表示人脸图像，用于人脸识别。

为实现上述目的，基于多阶局部显著模式统计描述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；对人脸图像每一尺度、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。

本发明的人脸识别方法通过多阶分析计算不同阶的人脸局部差分模式特征向量，以获得多阶的人脸特征表达，同时通过显著性编码获得鲁棒的特征表示，并且通过分块直方图统计和每阶特征的子空间分析使该特征得到进一步增强，最后在匹配时通过计算所有阶增强的局部显著模式特征加权的余弦距离来度量两幅人脸图像之间的相似性。

该方法在人脸图像特征编码时一方面通过多阶分析丰富了人脸局部模式的表达能力，能更好的抵抗外界不同噪声的影响；另一方面又汲取了基于显著性编码方式的鲁棒性，即仅选用了最稳定的局部差分模式进行编码；最后通过直方图统计描述和子空间分析的方法使总的特征维度得到进一步压缩，不但增强了不同个体人脸图像之间的判别能力，同时还能容忍一定的噪声干扰。本发明具有计算速度快、鲁棒性高和匹配速度快的特点。本发明可用于移动互联环境下的低功耗设备一对一的身份认证系统或者一对多的身份识别系统。

附图说明

图1为基于多阶局部显著模式特征统计的人脸识别流程框图；

图2为人脸图像归一化示意图，其中图2a是摄像头采集到的人脸图像，图2b是图2a归一化结果；

图3为多阶局部显著模式人脸特征的提取过程示意图；

图4的图4a、4b、4c、4d、4e分别为归一化的人脸图像和其0阶、1阶、2阶、3阶局部显著模式特征图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

现有的人脸识别系统总体分为软件和硬件两大模块：即人脸图像的获取装置和人脸识别算法。人脸识别算法包括人脸归一化、特征提取和特征相似度度量三个步骤。

本发明提出的方法将应用于人脸识别的软件模块，即通过计算机软件实现。

本发明的人脸识别算法通过多阶局部差分的方式获得人脸图像在不同阶下的局部模式特征向量；其后根据显著性仅选用最鲁棒的两个局部差分模式特征进行编码以获得更稳定、更紧凑的人脸表示；同时利用空间直方图统计和子空间分析的方法使人脸图像的空间结构特征得到保持同时使整体的特征判别能力得到增强。