[发明专利]一种基于改进的局部二维模式的人像识别方法

说明书

本发明公开了一种基于改进的局部二维模式的人像识别方法，该方法使用一种改良型的局部二维模式(LBP)特征，通过对含有人像的图像中的纹理进行大量特征分析，得到图像中代表人像纹理的LBP特征值，再将这些特征值与新获得的同一群人的人像图像进行比对，就可以达到目标人群人像识别的目的。本发明中的改进型的局部二维模式，是在等价模式的基础上，通过对部分参数进行阈值处理，以达到平滑非边缘区域的效果。本发明中的改进型LBP模式对比等价模式在人像识别中，对纹理特征的区别能力更加精准。

技术领域

本发明涉及图像处理、图像分割、特征处理、特征匹配等技术领域，具体为一种基于改进的局部二维模式的人像识别方法。

背景技术

从广义上讲，人脸识别过程主要包括人脸检测、图像预处理、人脸特征提取和人脸判别四个部分。

人脸检测是指对输入的任意图像或视频，判断其中是否存在人脸，如果存在，则将人脸区域和背景区分开来，给出人脸的位置、大小等相关信息。也可在一组图像序列或动态视频中实时的检测人脸，进行人脸跟踪。人脸检测主要受到光照、噪声、姿态和遮挡等因素的影响。人脸检测作为人脸识别系统的先行步骤，直接关系到后面过程的准确性和可实现性，影响到整个系统的性能。人脸检测和跟踪是人脸识别研究中的一项关键技术，具有很高的学术价值。其包含的模式特征复杂且细致很难找到一个通用的算法来进行检测，因此在应用中通常将多种模式特征综合起来进行检测。在实际应用中，人脸图像的采集或获取通常在非受控的环境下进行，为了能够稳定地进行特征提取，需要对图像进行预处理，例如消除噪声、校正失真，将图像变换成标准形式等。对人脸图像而言，预处理过程主要包括人脸图像的灰度化、二值化、几何校正、滤波、边缘检测等。

人脸特征提取就是将人脸数据从原始输入空间映射到新的特征空间的过程，采取合适的方式对人脸进行描述，提取人脸特征的大小、位置和轮廓等信息。人脸图像信息数据量巨大，为了提高运算、传输、匹配和检索的速度，在特征提取的同时也要实现对原始图像数据的降维，对人脸图像的数据进行压缩，用较少的数据来表示尽量多的信息。早期的人脸识别主要利用的是基于几何特征的方法和模板匹配法，90年代以后提出了很多新的方法，比如主成分分析法、独立分量分析法、Fisher线性判别法、弹性图匹配法、Gabor小波表示法以及小波降维法等。

人脸判别是根据前面特征提取的结果，将测试人脸的特征与特征库进行比较，计算其相似度，从而确定测试者身份。这部分关键问题是特征的选取和分类器的设计，主要包括训练和测试两个过程，训练部分从训练样本中提取并存储特征形成特征库，测试部分提取测试样本的特征，然后用训练好的分类器对测试样本特征与特征库进行匹配。人脸判别的方法主要有几何特征法、模板匹配法、特征脸法、神经网络法、隐马尔科夫法及支持向量机法等。

发明内容

本发明的目的是为了解决现在人像识别中复杂度高，计算需求较高，速度较慢的缺陷，提供了一种基于改进的局部二维模式的人像识别方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于改进的局部二维模式的人像识别方法，所述的人像识别方法包括以下步骤：

获取人像样本图组，通过建立人像数据库A，利用改进型的局部二维模式(LBP)算子对大量样本图进行人像特征值提取，并将特征值存入人像数据库A中；

对新的测试图进行人像检测，对新的测试图进行LBP算子提取，与数据库A中的特征值进行比对，判断是否能够匹配：数据库A中含有匹配项则验证通过；不含有匹配项，则说明测试图的人像不在样本图组中，验证不通过。

进一步地，获取人像样本图组，具体包括：

建立训练人像的样本图组S；

利用改进的LBP算子提取样本图组的人像特征值；

收集人像特征值构成人像数据库A。