[发明专利]一种基于局部对比模式的人脸识别方法

说明书

技术领域

本发明涉及模式识别技术领域，特别涉及一种基于局部对比模式的人脸识别方法。

背景技术

近年来，人脸识别技术取得了很大的进步，各种各样的人脸识别算法相继被提出并不断改进，而且目前有很多的人脸识别系统投入了实际使用。但是，人脸识别研究中仍有很多问题没有得到很好地解决，其原因在于，人脸图像在获取过程中会受到诸如光照变化、表情变化、遮挡等因素的影响，这其中又以光照变化带来的干扰最为严重。在户外等不能控制光照的环境下，人脸特征受光照方向和光照强度的影响而明显地产生非线性变化，使人脸识别变得很困难。相当人脸在不同光照条件下得到的图像之间的差别，比不同人脸在相同光照条件下得到的图像之间的差别还要大。

在消除光照对人脸识别的影响方面，局部二值模式（Local Binary Pattern, LBP）方法因其计算简便、抗光照干扰、判别能力强等优点正引起人们的高度关注。

局部二值模式（LBP）由Ojala提出，该方法将图像局部的纹理特征由局部像素灰度值之间的关系来表现。局部二值模式（LBP）算子定义在一个3×3的窗口，以窗口中心像素点的灰度值为阈值，将相邻的8个邻居像素点的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素位置被标记为1，否则为0。这样，3×3邻域内的8个点可产生一个8位的二进制无符号数，再按其位置赋予不同权重，并对其求和即得到该窗口的局部二值模式（LBP）特征值，并用这个数描述该区域的纹理信息。

由于局部二值模式（LBP）方法只考虑了中心像素点与邻居像素点灰度值之间的大小关系，会出现图像局部区域像素灰度值完全不同，但它们得到的局部二值模式（LBP）特征值完全相同的情况，因而影响了基于局部二值模式（LBP）的人脸识别方法的识别率，这是因为局部二值模式（LBP）方法没有考虑中心像素点与邻居像素点之间灰度值的对比信息，而对比信息的不同恰恰是区别局部区域纹理的一个很重要的特征。因此，要提高基于局部二值模式（LBP）的人脸识别方法的识别率，对比信息的引入成为一种可取的方向。

发明内容

本发明基于现有采用局部二值模式（LBP）进行人脸识别的方法没有考虑中心像素点与邻居像素点之间灰度值的对比信息，从而影响到人脸识别的精度这一问题，我们提出了一种基于局部对比模式（Local Contrast Pattern—LCP）的人脸识别方法，本方法能有效地解决局部二值模式（LBP）方法中没考虑像素间对比信息而影响识别率的问题，获得较高的识别率。

本发明的技术方案是：一种基于局部对比模式（LCP）的人脸识别方法，该方法步骤具体包括：

1．人脸图像预处理

将试验的人脸库中的样本分为训练集和测试集，并对所有样本进行预处理，预处理包括伽马校正、高斯差分滤波和对比度均衡化，以削弱光照对特征提取的影响。伽马校正通过改变Gamma参数来控制人脸图像的整体亮度，利用高斯差分滤波器实现对人脸图像光照不均匀的平滑处理，对比度均衡化的目的是对整个人脸图像的灰度级重新进行调节，是对图像整体对比度和亮度变化的一种标准化处理。经过以上预处理过程后，会得到光照变化相对均匀的人脸图像，从而减少光照变化对特征提取的影响。

2．提取人脸图像的局部对比模式（LCP）特征脸

对预处理后的人脸图像均等划块，对每个分块分别采用局部对比模式（LCP）方法对每个像素计算特征值，用特征值代替对应像素的原始灰度值，得到一幅新的人脸图像，称为局部对比模式（LCP）特征脸。

3．对局部对比模式（LCP）特征脸进行直方图转换

将局部对比模式（LCP）特征脸按照所划分的分块分别转换为直方图，并将所有分块按列优先级联成一个增强直方图，作为特征对人脸图像进行描述。

4．求直方图之间的卡方（χ²）距离

对步骤3所得到的增强直方图，采用χ²距离函数计算测试集人脸图像的增强直方图与所有训练集人脸图像的增强直方图的χ²距离。

5．用最近邻分类器对测试集图像进行分类识别

将直方图之间的χ²距离进行比较，从中选出距离最小的一类，作为测试集图像所属的类别。

本发明针对局部二值模式（LBP）方法只比较邻居像素与中心像素灰度值的大小，而不考虑其对比信息之间的具体区别的缺点，将其改进为基于像素对比度信息求取特征值的方式，设计了一种基于局部对比模式（LCP）的人脸识别方法，采用最近邻分类器进行分类识别，本方法获得了更高的识别率。