[发明专利]基于图像处理技术实现人脸识别处理的方法

说明书

本发明涉及一种基于图像处理技术实现人脸识别处理的方法，包括(1)读入图像，以图像左上角的像素点为原点建立直角坐标系，进行灰阶变换；(2)计算LBP特征和非局部均值特征；(3)通过计算得到的LBP特征和非局部均值特征计算融合特征；(4)将特征融合图像馈入到卷积神经网络，输出人脸识别结果。采用了本发明的基于图像处理技术实现人脸识别处理的方法，提出了一种基于局部均值特征融合的人脸识别方法，该方法采用非线性灰阶变换，局部二进制特征提取，特征融合来完成整个人脸识别过程。利用图像灰阶变换、特征计算，特征融合、卷积神经网络匹配获取克服了复杂背景和不同角度距离下人脸识别错误率高的问题。

技术领域

本发明涉及图像处理领域，尤其涉及人脸识别图像处理领域，具体是指一种基于图像处理技术实现人脸识别处理的方法。

背景技术

人脸识别是在图像中识别人脸的处理过程。早期的车牌定位技术通常采用纹理特征、颜色特征、梯度特征等。随着计算机技术的出现，基于计算机视觉和智能图像处理的方法极大地提高了处理的工作效率和适用条件。

经过对现有技术的文献检索发现，基于多特征融合的方法所采用的算法主要是利用不同特征信息，如Yoo C H,Kim S W,Jung J Y.在《Journal of Visual Communicationand Image Representation》(视觉通信和图像表示期刊)2017年第45期，第11页到19页发表的“High dimensional feature extraction using bit-plane decomposition oflocal binary patterns for robust face recognition”(基于局部二进制模板位平面分解的高维特征提取的鲁棒人脸识别)一文中提出基于局部二进制模板位平面分解实现人脸识别。Chen D,Cao X D,Wen F,et al.在《IEEE Conference on Computer Vision andPattern Recognition》(国际计算机视觉和模式识别会议)2013年第1卷，第1页到8页发表的“Higher is better：high-dimensional feature and its efficient compressionfor face verification”(基于高维特征压缩的人脸识别)一文中提出利用一些对人脸高维特征降维的方法。然而，这些方法未能考虑全局和局部特征融合的方法解决的人脸识别的问题。从而在复杂场景下，无法获得正确的人脸信息。这就带来了人脸识别准确率下降的问题。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种满足处理效率高、操作简便、适用范围较为广泛的基于图像处理技术实现人脸识别处理的方法。

为了实现上述目的，本发明的基于图像处理技术实现人脸识别处理的方法如下：

该基于图像处理技术实现人脸识别处理的方法，其主要特点是，所述的方法包括以下步骤：

(1)读入图像，以图像左上角的像素点为原点建立直角坐标系，进行灰阶变换；

(2)计算LBP特征和非局部均值特征；

(3)通过计算得到的LBP特征和非局部均值特征计算融合特征；

(4)将特征融合图像馈入到卷积神经网络，输出人脸识别结果。

较佳地，所述的步骤(1)中进行灰阶变换，具体为：

根据以下公式计算进行灰阶变换：

Y＝0.299×R+0.587×G+0.114×B；

其中，R、G、B分别为所述的原图像信息中各个像素点的红色、绿色、蓝色的数值，Y为灰阶转换后图像的各个像素点的数值。

较佳地，所述的步骤(2)中计算LBP特征，具体为：