[发明专利]基于启发式信息的BGP人脸识别方法

说明书

本发明公开一种基于启发式信息的BGP人脸识别方法，步骤包括：S1.对待检图像基于BGP算法进行BGP特征提取，得到BGP特征图像后分为多个子块，统计各个子块的BGP直方图，并将得到的各个子块的各个子块的统计直方图进行拼接，得到对应的BGP特征向量；S2.根据含有人脸结构特征信息的启发式先验信息将BGP特征向量中部分子块的统计直方图进行加权处理，得到处理后的BGP特征向量；S3.使用处理后的BGP特征向量进行识别，输出人脸识别结。本发明能够充分利用人脸结构特征信息进行识别，使得识别精度及识别效率高、鲁棒性好等优点。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于启发式信息的BGP人脸识别方法。

背景技术

人脸识别即是在给定场景的静态图像或动态视频前提下，并给定存储若干已知身份的人脸数据库，验证和识别场景中的某个人或多个人的身份。近年来，人脸识别始终是图像处理、计算机视觉、模式识别、认知科学等领域研究的热点问题，并且具有判别明显、获取容易等特点，广泛应用在安全验证、快捷支付、视频调查、个人鉴定等场合。

目前的人脸识别算法可以分为以下几类：1)基于人脸局部特征的识别方法，如局部二值模式(Local Binary Pattern,简称LBP)、弹性图匹配、二进制梯度模式(BinaryGradient Pattern,简称BGP)等方法；2)基于人脸全局特征的识别方法，如线性判别分析(Linear Discriminant Analysis，简称LDA)、主成分分析(Principle ComponentAnalysis，简称PCA)、独立成分分析(Independent Component Analysis，简称ICA)等方法；3)基于全局特征和局部特征结合的方法，如基于特征脸和五官特征结合的方法；4)基于深度学习的方法，如facenet的提出和应用。

二进制梯度模式(BGP)的提出是基于图像梯度方向(IGO)和二进制描述方式，其思想来源于Gradientfaces新型描述符，该描述符用图像梯度方向(IGO)取代像素强度来对人脸进行描述，以实现对照明变化的鲁棒性，即梯度域提取的特征比来自强度域的特征更具有判别性和鲁棒性。BGP算法中通过衡量图像梯度域中的局部像素之间的关系，并将底层局部结构有效编码为一组二进制字符串，不仅增加了判别力，更是大大简化了计算复杂度。

为了发现梯度域潜在结构，BGP是从多方向计算图像梯度，并将其编码为一系列二进制串，能够表示微小边界变化和纹理信息，因此具有很强的判别性，即使面对遮挡、光照、表情变化等，也能取得较好的识别精度，且由于采用BGP对图像进行编码时，每个编码值都蕴含了邻域像素关系的信息，而不仅仅是像素自身的强度信息，因此BGP编码后的图像对各种环境变化更鲁棒，尤其具有较强的光照不变性。BGP的基本描述子如图1所示，其中(a)对应为一个中心像素的八个邻像素(值为115)，(b)为四个方向，(c)为主要的二进制串，编码为0111，标签为7。基于人脸局部特征的识别方法中，二进制梯度模式(BGP)是一种简洁高效的人脸描述子，基于BGP在人脸识别中取得较高的识别精度。

如上述，二进制梯度模式具有计算简单、判别性强、鲁棒性好等特点，十分适合应用于难以区分的人脸识别中，BGP特征具体具有以下优点：BGP在图像梯度方向图中定义，具有良好的梯度特征，可以有效应对光照强度等变化；且在BGP中使用结构模式和多空间分辨率，结构化BGP作用相当于边缘检测器，这是准确识别和简洁表示的关键，同时，多空间分辨率策略增加了描述符覆盖不同半径邻域像素的能力。

虽然目前基于BGP能够在人脸识别中取得较高的识别精度，但是BGP算子作为一种通用算子，直接基于提取的BGP特征向量进行识别，在识别人脸的过程中并未考虑人脸的特殊性，不能有效利用人脸的特殊性信息，而如一张人脸图片中眼睛、鼻子、嘴等五官信息的大体位置是固定的，即人脸具有特定的一些结构性信息和启发式信息，该类先验知识可以作为启发式信息应用至人脸识别中以优化识别性能。

发明内容