[发明专利]一种人脸识别方法

说明书

本发明涉及一种人脸识别方法，所述方法基于光照归一化和GPU加速的LBP‑HF特征实现对人脸的识别，解决各种光照变化对人脸识别的影响和改善人脸识别速率的问题；灰度化原人脸图像，对灰度人脸图像进行光照归一化处理，得到新的灰度人脸图像，对新的灰度人脸图像分块并提取各个子区域的LBP‑HF特征值，并将得到的LBP‑HF特征值按照顺序排列，从而得到整个人脸图像的LBP‑HF特征值，与此同时对新的灰度人脸图像进行GPU加速操作得到空间域结果，最后结合起来进行人脸识别；本发明能够很大程度上消除各种光照变化对人脸识别的影响，并提高人脸识别速率。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种人脸识别方法。

背景技术

生物识别技术是通过人类生物特征识别身份的一种技术；人脸识别技术涉及图像处理、计算机技术、心理学和生物学等领域，是当前模式识别和人工智能领域的重要研究课题；人脸与人体的其它生物特征(指纹、虹膜、掌纹、视网膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提；目前，人脸识别广泛应用于国家安全、合法监控、金融、公安等领域；但是人脸识别依然存在较大困难，具体体现在：

(1)人脸特征稳定性较差；

人脸表面为柔性皮肤，可塑性强，因此当人们的表情、化妆、年龄等条件改变时，人脸也会随之改变，这给人脸识别很大的难度。

(2)可靠性低、安全性较低；

虽说人脸是人体独一无二的特征，每个人的面部特征各不相同，但从表面上来看人类的脸都有相似的结构，全球人口基数大，使得许多人脸差异较小，这给人脸识别的可靠性、安全性带来了极大的挑战。

(3)受外界条件影响大；

人脸识别技术应用时的环境因素如光线条件、遮挡物、环境等都会严重影响人脸识别的效果。

LBP(Local Binary Pattern)即局部二值模式是一种基于纹理特征的人脸识别方法；最初是由Ojala等人提出局部二值式(LBP)并将其用于纹理分类，LBP的显著特点是对光照具有不变性；后来被ahonend等人应用于光照人脸识别中，并取得了一定效果；LBP已经成功应用于人脸识别，唇语识别，表情检测，动态纹理等等领域；而LBP-HF(局部二值模式傅里叶直方图)算法是基于LBP方法的一种衍生品，其在保证计算速度的同时，比LBP具有更高的识别率。

光照归一化是利用基本的图像处理技术对图像处理进行预处理，获取鲁棒的光照图像；是由Meylan等人提出的一种基于的视网膜模型的局部对比度增强方法；该方法首先利用小波变换获取人脸图像的低频子带和高频子带，然后对低频子带进行对比度增强处理，对高频子带进行阈值截断处理，最后将处理后的低频子带和高频子带进行二维离散小波反变换，从而重建出人脸图像。假设人脸图像经过二维小波变换得到近似子带A、水平子带DH、垂直子带DV和对角子带DD四个子带；其中A为低频子带，其他三个为高频子带。

其中，人脸识别的光照问题严重影响了人脸识别系统的性能。

发明内容

本发明为克服上述现有技术所述的人脸识别的光照问题严重影响了人脸识别系统的性能的缺陷，提供一种人脸识别方法。

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(局部二值模式傅里叶直方图)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。

优选地，S2包括以下步骤：