[发明专利]一种人脸识别方法

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括以下步骤：

S1：将原始人脸图像灰度化；

S2：对经S1灰度化后的图像，进行光照归一化，得到新的灰度人脸图像；

S3：求取新的灰度人脸图像的LBP-HF特征值；并对新的灰度人脸图像实现基于GPU加速的Gabor滤波，得到空间域结果；

S4：结合整个人脸图像的LBP-HF特征值和空间域结果进行人脸识别。

2.根据权利要求1所述的人脸识别方法，其特征在于，S2包括以下步骤：

S2.1：对低频子带进行处理，包括：感光层处理、外网状层处理、边缘增强；对高频子带进行阈值截断处理；

S2.2：对处理过后的低频子带和高频子带使用二维离散小波反变换重建人脸图像；

S2.3：对重建后的人脸图像进行几何归一化，得到新的灰度人脸图像。

3.根据权利要求2所述的人脸识别方法，其特征在于，S2.1中低频子带的处理包括以下步骤：

S2.1.1：对低频子带进行感光处理，处理公式为：

其中，A_max(x,y)是A(x,y)中的最大值，表示A(x,y)中某点的调节因子，ρ₁是高斯分布的标准差系数，A^p(x,y)是对应的输出值，A(x,y)是低频子带位置(x,y)的灰度值，低频子带对应图像的轮廓；

S2.1.2：以S2.1.1中的A^p(x,y)作为输入，对低频子带进行外网状层处理，处理公式为：

其中，是A^p(x,y)上的最大值，表示A^p(x,y)上某个调节因子，ρ₂是高斯分布标准系数，A^o(x,y)是对应输出值；

S2.1.3：边缘增强：对S2.1.2中的输出值A^o(x,y)进行高斯差分滤波：

其中ρ_L、ρ_H分别是对应于两个高斯分布标准差系数，A'(x,y)为处理过后的低频子带。

4.根据权利要求2所述的人脸识别方法，其特征在于，S2.1中高频子带的阈值截断处理具体为：分别对水平子带DH、垂直子带DV和对角子带DD三个高频子带进行阈值截断，公式为：

t＝median(|H(x,y)|)

其中median(.)是返回矩阵的中间值，DH'、DV'、DD'是水平子带、垂直子带和对角子带处理后的高频子带；H'(x,y)为截断后的高频子带的频率，H(x,y)为截断前的高频子带的频率，t为阈值。

5.根据权利要求1所述的人脸识别方法，其特征在于，S3中新的灰度人脸图像的LBP-HF特征值的求取过程为：

S3.1.1：对新的灰度人脸图像分块；

S3.1.2：通过局部保持投影算法来提取各个子区域的LBP-HF特征值；

S3.1.3：将得到的各LBP-HF的特征值按照顺序排列连接成一个一维向量，从而得到整个人脸图像的LBP-HF特征值。

6.根据权利要求1所述的人脸识别方法，其特征在于，S3中对新的灰度人脸图像实现基于GPU加速的Gabor滤波，得到空间域结果；的具体过程为：

S3.2.1：对新的人脸图像和Gabor核基于GPU的FFT转换，得到目标图像；

S3.2.2：将空间域的卷积操作转化为频率域的相乘操作，得到频域结果；

S3.2.3：将得到的频域结果基于GPU的FFT逆转换，得到空间域结果。

7.根据权利要求6所述的人脸识别方法，其特征在于，在执行S3.2.1-S3.2.3的操作的同时使用GPU加速并行处理技术，对FFT变换进行加速，同时将Gabor核的FFT变换结果保存在显存中，减少运行时间。