[发明专利]一种基于局部三值模式的人脸特征提取方法

说明书

技术领域

本发明属于图像处理技术领域，主要涉及生物特征鉴别中的人脸识别技术。

背景技术

在当今信息化时代，如何准确鉴定一个人的身份，保护信息安全是一个必须解决的关键社会问题。为此，生物特征鉴别技术悄然新起，并成为目前世界信息安全管理领域的前沿研究课题。生物特征鉴别技术是指利用人体所固有的生理特征或行为特征来进行个人身份鉴定。人脸识别技术是生物特征鉴别技术的一个分支，是计算机图像处理技术和模式识别技术在个人身份识别领域的应用。在不同的生物特征识别方法中，人脸识别(Automatic Face Recognition)有其自身特殊的优势，因而在生物识别中有着重要的地位。与其它生物识别技术相比较，人脸识别具有：(1)非侵扰性。人脸识别无需干扰人们的正常行为就能较好地达到识别效果，无需担心被识别者是否愿意将手放在指纹采集设备上，他们的眼睛是否能够对准虹膜扫描装置等，而进行人脸识别却只要在摄像机前自然地停留片刻，用户的身份就会被正确识别。(2)采集设备简单，使用快捷。一般来说，常见的摄像头就可以用来进行人脸图像的采集，不需特别复杂的专用设备。采集一般可在数秒内完成。(3)通过人脸识别身份，与人类的习惯一致。也就是说，人和机器都可以使用人脸图片进行识别，这使得人和机器可以配合工作。人脸自动识别技术，在居民小区、公司单位的门禁系统、银行、公安、机场、网络等方面应用广泛，具有巨大的经济价值和现实意义。现在它已经使用在边境检查、通观认证、银行提款、信息管理和建筑物安全管理等，还可以使人们摆脱记忆信用卡号、银行帐号、身份证号、网络登录号的繁琐。在2008年北京奥运会和2010年上海世博会的现场都使用了人脸识别技术来对入场人员进行安全检测。

在人脸识别技术中，主要有以下两个步骤：(1)从待检测人脸图像中进行特征提取；(2)将提取出的特征送到人脸判别式中进行评估判断。对整个人脸图像特征的提取是人脸识别的第一步，它通过合适的算法，从待检测的人脸图像中提取最具有区分性的特征作为整幅图像的描述。特征提取的好坏直接影响人脸检测和定位系统的识别率。在实际中，人脸区域常常受到头发、眼镜、胡子和一些饰物的遮挡，并且复杂的光照、人脸表情、姿势的变化也将加大人脸特征提取的难度。排除外界的干扰，快速精确的提取适当的人脸特征，并对其进行数学模型的描述是我们研究的主要问题。

现在通常使用的人脸识别的方法大致有以下两种：

1.基于全局特征的人脸识别。全局的特征包括人的肤色，脸型，五官在整个脸部的分布情况等。基于全局的人脸识别方法是将整个人脸整体看作是一个特征，不需要对人脸的局部特征点进行检测。基于特征脸的PCA(主成分分析)方法就是其中的一种。

2.基于混合特征的人脸识别。混合特征既包括全局特征，也包括局部特征。在人脸识别中，一种被普遍接受的说法是：全局特征一般被用来进行粗略的匹配，局部特征则提供更加精确的确认。

发明内容

本发明提供一种基于局部三值模式(Local Ternary Patterns，LTP)的人脸特征提取方法，该方法利用LTP特征的局部特性和各局部LTP特征所组成的直方图的统计特性，一定程度上实现了局部特征和全局特征的统一，相较于较常采用的LBP特征，LTP特征对噪声具有更好的抑制效果。最后提取出的特征具有旋转不变和灰度不变的特点，在光照条件变化、人脸表情、姿态变化的影响下也能够精确地提取到人脸特征，从而使得后续基于LTP特征的人脸识别具有更高的准确率。

为了下面发明内容的描述，现将一些将要用到的术语进行解释。

定义1：LBP。LBP是局部二值模式(Local Binary Patterns)的首字母缩写，特征模型如图1所示。对于某一像素点而言，其LBP特征向量为该像素点的八邻域像素点的灰度值与中心点灰度值相比较的结果(其八邻域像素点中，灰度值大于等于中心像素点灰度值的，相应LBP编码为1；灰度值小于中心像素点灰度值的，相应LBP编码为0)，将任一中心像素点的所有LBP编码按顺序排列起来，就是该中心像素点的LBP特征向量。LBP特征向量的LBP编码起始位置和顺序可自行选择，但是当起始位置和顺序选定过后，所有的LBP特征向量必须按照统一的起始位置和顺序进行计算。