[发明专利]一种基于局部二值模式多距离学习的人脸图像识别方法

说明书

本发明公开了一种基于局部二值模式多距离学习的人脸图像识别方法，具体按照以下步骤实施：1、对原始图像进行预处理；2、使用局部二值模式提取图像中重要的局部特征，并结合直方图方法将它们转换为全局描述；3、获取基于所有图像的新表示之间的相关关系而收集的T‑数据训练集；4、将步骤3得到的T‑数据训练集放入反向传播神经网络中，设置反向传播神经网络参数，然后开始训练；5、对每个测试图像应用步骤1至步骤3，将测试图像数据馈送到经过步骤4训练的反向传播神经网络中进行识别，并获得输出。本发明能够融合已有的五种距离公式的优点并进一步提高精度和效率，实现在大规模的数据中精确的检索人脸识别。

技术领域

本发明属于人脸图像识别技术领域，涉及一种基于局部二值模式多距离 学习的人脸图像识别方法。

背景技术

当今社会，由于管理系统的完善、计算机的发展以及人们对办公智能化、 自动化的期望，传统的考勤方式已经远远不能满足人们的需求，基于生物特 征识别的新的考勤系统受到越来越多的关注与使用。小到学生上课、员工上 班的打卡，这种新型的考勤系统已经在现代社会的方方面面发挥着不可替代 的重要作用。

传统的考勤方式，例如人力表格记录、光电插卡、条码插卡类记录模式、 RFID卡通过终端读卡机进行考勤采集、手机APP定位打卡等等，存在着诸 多问题，譬如考勤舞弊和违规用卡等，极易造成记录的错误，不仅消耗大量 人力、物力和财力，而且不能保证得到准确率高的结果。为了确保考勤的准 确性与使用方便性两方面问题，越来越多的研究人员将目光投向人的自身特 征上来。这种自身特征具有唯一性、差异性以及普遍性，例如人的虹膜、指 纹、声音、人脸等等。其中虹膜识别技术有着唯一性、稳定性等优点，但在 实际应用中，只能一次识别一个人，使用效率低而且需要人脸与识别仪器离 的较近，易造成不适感；生物语音识别技术虽然对于那些用其他自身特征识 别有困难的人很方便，但存在着要求背景噪音小、一次只能识别一个人的缺 点，一旦背景声过大或者被识别的人因为生病等原因嗓音沙哑甚至无法说 话，这种检测方法就存在着极大的误差，更何况人存在着变声期，甚至会随 着年龄的增长声音也随着改变，使得这项技术无法广泛的应用在实际中。

虽然人脸识别技术目前的准确率比虹膜识别技术和指纹识别略低一下， 但由于它非近距离接触性、非侵犯性等特点，使得它极易被人们所接受，称 为一种最友好的生物特征识别技术。(Chellappa R,Wilson C L,Sirohey S.Human and machine recognitionof faces:A survey[J].Proceeding of the IEE,1995,83(5):705-741)它通过摄像头捕获人的脸部特征，将数据传送给计 算机，计算机将数据用预定好的程序与算法进行尺寸修改、提取特征、特征 约简等步骤后，再将其与预先准备好的数据库中的数据进行比对，最后反馈 出一个识别结果。这个识别检测过程符合人的逻辑过程，而且经过近年来研 究人员的努力，人脸识别所需的时间和最后的准确度都已经得到了较大的提 升，但在实际中，人脸识别领域还存在着例如人的表情、装饰、姿势的改变 会导致识别效率和准确率降低的困难。

其中Samarth Bharadwaj等人提出了一种方向光流直方图特征HOOF作 为运动描述符，以及在LBP的基础上提出了LBP-TOP作为纹理描述符，然 后提取上述两个描述符并进行融合，送入分类器之后获得了更为客观的结果 (Li X,Chen J,Zhao G,et al.RemoteHeart Rate Measurement from Face Videos under Realistic Situations[C]//Computer VisionPattern Recognition.2014)。 Yousef Atoum等人针对softmax损失函数过拟合的问题，提出了一种新的损 失函数代替softmax损失函数来监督CNN，并且首次将人脸深度图作为活体 与非活体的差异特征(Atoum Y,Liu Y,Jourabloo A,Liu X,:Faceanti-spoofing using patch and depth-based cnns.IN:ICJB,IEEE(2017))。