[发明专利]远红外人脸识别方法

权利要求书

1.一种远红外人脸识别方法，其特征在于包括以下步骤：

步骤1：用红外热像仪采集的红外人脸图像，然后对所采集的红外人脸图像进行预处理以及归一化，得到大小和分辨率统一的红外人脸图像；

步骤2：利用LBP算子提取红外人脸图像中的局部微结构特征；

步骤3：引入LBP共生矩阵来表征红外人脸的局部特征；

步骤4：采用偏最小二乘回归分类器挖掘LBP模式矩阵中的鉴别特征。

2.根据权利要求1所述的远红外人脸识别方法，其特征在于所述步骤1中，得到的红外人脸图像的尺寸为60×80 像素。

3.根据权利要求1所述的远红外人脸识别方法，其特征在于所述步骤2中，LBP编码值的计算公式为：

 

其中，为编码的符号函数，为中心像素c的坐标，像素值大小为，为周围的像素，像素灰度为。

4.根据权利要求1所述的远红外人脸识别方法，其特征在于所述步骤3中， LBP共生矩阵特征的具体计算公式为：

 

其中， 和 分别为在空间像素点位置A和像素点位置B的LBP编码值，为共生统计描述符。

5.根据权利要求1所述的远红外人脸识别方法，其特征在于所述步骤4中偏最小二乘分类器的具体实现，首先基于LBP共生矩阵特征间信息量和类别可分性，统计回归得到不同特征的权重；然后根据权重大小排序，实现LBP共生矩阵的降维，从而挖掘LBP共生矩阵中鉴别特征；

其中， PLS的目标函数为：

                     

其中，t为自变量X的潜在向量，u为因变量Y的潜在向量, w,c分别为自变量X和应变量Y的投影轴，为自变量X和应变量Y的协方差；

采用拉格朗日算法，和分别为去均值后的自变量X和应变量Y，有

                

PLS分别实施对的回归以及对的回归；

假设X为去均值后的LBP共生矩阵特征变量、Y为人的类别变量；

首先，初始化 ；；

其次，循环迭代 

for h=0:N-1

         计算的主特征向量和特征值

         ，

，

对做降序排序，选择排序靠前且与已选LBP共生矩阵特征相关程度小于阈值的特征k;

记,组成长度为的列向量，其第k个元素为1其他元素为0

进行以下公式计算：

；；

；

；；

；；

    结束循环

其中，为LBP共生矩阵特征总维数，N为特征选择数，为样本中的不同人的类别数；I为单位矩阵；为矩阵W的第i个列向量；为的第j个元素；s为所选特征的序号数组；最后，对PLS所选特征进行最近邻分类。