[发明专利]一种基于双阈值局部二进制模式的人脸识别方法

说明书

技术领域

本发明属于人脸识别技术领域，具体涉及一种基于双阈值局部二进制的人脸识别方法。

背景技术

人脸识别具有巨大的理论意义和应用价值.人脸识别的研究对于图象处理、模式识别、计算机视觉、计算机图形学等领域的发展具有巨大的推动作用，同时在生物特征认证、视频监控、安全等各个领域也有着广泛的应用。人脸识别的相关文献和方法数量巨大，而且，一个人脸识别系统往往包含几种不同的方法和技术，这是沿用心理学的研究成果：即人的视觉系统通过整体特征和局部特征进行人脸识别。

国内外众多的大学和研究机构，如美国的MIT[1]、CMU[2，3]、UIUC[4，5]、Maryland大学[6-8]、英国的剑桥大学[9-12]、日本的Toshiba公司[13-14]和国内的清华大学和中科院自动化所都对人脸识别进行了广泛而深入的研究

文献中已有的人脸识别算法可以分为以下几类：(1)基于几何特征的人脸识别方法。此方法所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，其分量通常包括人脸指定两点间的距离、曲率、角度等。缺点是从图像中抽取稳定的特征比较困难，而且对表情变化和姿态变化的鲁棒性较差。(2)基于模板匹配的人脸识别方法：此方法模板的获得用传统的边缘获取方法很难获得。(3)弹性图匹配的方法。这是一种基于动态链接结构(DLA)的方法。(4)隐马尔科夫模型(HMM)，是用于描述信号统计特性的一组统计模型。HMM使用马尔科夫连接模拟信号统计特性的变化，而这种变化又是间接地通过观察序列老描述的。(5)基于神经网络的方法。(6)特征脸方法：基于特征脸的人脸识别算法就是通过对大量样本进行主成分分析(PCA)得到表征人脸子空间的一组正交基(即特征脸)，所提取的特征就是人脸图像在这个子空间中的投影向量(即物理上人脸图像在人脸子空间的位置)，然后采用分类器分类。例如，对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量，如一幅N*N象素的图像可以视为长度为N2的矢量，这样就认为这幅图像是位于N2维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。测量人脸识别的主要性能指标有两个，误识率(False Accept Rate，FAR)和拒识率(False Reject Rate，FRR)，前者是指将其他人误作指定人员的概后者是指将指定人员误作其它人员的概率。

近年来，基于局部二进值模式(Local Binary Pattern，LBP)的人脸识别方法受到人们的关注，该方法来源于纹理分析领域。LBP本质上提取图像边缘、角点等局部变换特征，这些对于区分不同人脸是重要的。它首先计算图像中每个像素与其局部邻域点在亮度上的序关系，然后对二值序关系进行编码形成局部二值模式，最后采用多区域直方图作为图像的特征描述。我们对LBP进行深入地分析与研究，并且针对LBP变化单一的缺点，提出了一种基于双阈值局部二值模式(Double-Threshold LBP，DTLBP)的人脸识别方法。首先计算图像中每个像素点与其局部邻域点的灰度差，通过选择不同的阈值编码形成DTLBP，然后采用多区域直方图向量进行人脸特征描述，最后模糊化多阈值匹配结果进行人脸识别。在人脸数据库上的实验结果显示，DTLBP方法对表情、背景、距离等变化都具有较好的鲁棒性。

传统的人脸识别技术一般都是设定一个阈值，即事先为识别仪器设定一个阈值，当识别仪器对人脸进行识别时，识别度达到或超过此阈值时，识别仪器识别成功，相反当识别度低于事先设定的阈值时，识别不成功，在一定程度上防止了伪造和窃取，但由于设定的阈值偏高或偏低都有可能给识别带来偏差，如当阈值偏高时，原来录入的人脸与即时识别的人脸虽为同一张人脸，由于天气、人体健康程度、发型、着妆等因素，很有可能识别不能通过或需要通过较长时间才能识别成功，当阈值偏低时，一些近似的人脸或通过人为处理使之与识别仪器录入人脸近似的人脸便会轻易的识别成功，因此，单一的阈值设定给人脸识别技术造成了一定的局限。

发明内容

本发明所解决的技术问题在于：提供一种基于双阈值局部二进制的人脸识别方法，以解决背景技术中的问题。

一种基于双阈值局部二进制的人脸识别方法，该方法包括：

(1)对人脸图像进行局部二进制特征运算；