[发明专利]一种人脸识别的特征提取方法及装置

说明书

技术领域

本发明属于计算机技术领域，尤其涉及一种人脸识别的特征提取方法及装置。

背景技术

人脸识别，是基于人的脸部特征信息，通过计算机进行身份识别的一种技术，当给定一张人脸时，通过人脸识别算法在预存储了不同身份的众多人脸的数据库中进行查找，匹配出与给定的人脸最为相似的人脸，那么，该给定人脸的身份即为匹配出的人脸所对应的身份。目前，人脸识别技术被广泛应用在安防、信息安全领域。

人脸识别技术的核心为对人脸特征的提取，目前，最常用的特征提取算法是局部二值模式（Local Binary Patterns，LBP）算法和尺度不变特征转换（Scale-invariant feature transform，SIFT）算法，然而，对于LBP算法来说，其不能有效表征人脸局部区域的边缘信息；而对于SIFT算法来说，其容易造成人脸部纹理信息的遗失，因此，综合说来，上述算法均会对人脸特征的提取精度造成影响。

发明内容

本发明实施例的目的在于提供一种人脸识别的特征提取方法，旨在解决现有的人脸特征提取算法对人脸特征提取的精度低的问题。

本发明实施例是这样实现的，一种人脸识别的特征提取方法，包括：

提取人脸图像的多尺度局部二值模式LBP特征；

提取所述人脸图像的尺度不变特征转换SIFT特征；

获取第一权重因子和第二权重因子，所述第一权重因子对应所述人脸图像的LBP特征，所述第二权重因子对应所述人脸图像的SIFT特征；

根据所述第一权重因子和所述第二权重因子，对所述人脸图像的所述LBP特征和所述SIFT特征进行组合，生成所述人脸图像的人脸特征。

本发明实施例的另一目的在于提供一种人脸识别的特征提取装置，包括：

第一提取单元，用于提取人脸图像的多尺度局部二值模式LBP特征；

第二提取单元，用于提取所述人脸图像的尺度不变特征转换SIFT特征；

获取单元，用于获取第一权重因子和第二权重因子，所述第一权重因子对应所述人脸图像的LBP特征，所述第二权重因子对应所述人脸图像的SIFT特征；

生成单元，用于根据所述第一权重因子和所述第二权重因子，对所述人脸图像的所述LBP特征和所述SIFT特征进行组合，生成所述人脸图像的人脸特征。

在本发明实施例中，将多尺度LBP特征提取与SIFT特征提取同时应用到人脸识别的特征提取过程中，并通过为根据上述两种算法提取出的人脸特征分别赋予相应的权重，从而最终确定出人脸图像的人脸特征，实现了对人脸纹理信息和人脸局部区域边缘信息的保留，有效地提高了人脸识别过程中人脸特征提取的精度。

附图说明

图1是本发明实施例提供的人脸识别的特征提取方法的实现流程图；

图2是本发明实施例提供的人脸识别的特征提取方法S101的具体实现流程图；

图3是本发明实施例提供的人脸识别的特征提取方法图像分块的示意图；

图4是本发明实施例提供的人脸识别的特征提取方法S102的具体实现流程图；

图5是本发明实施例提供的人脸识别的特征提取装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，将多尺度LBP特征提取与SIFT特征提取同时应用到人脸识别的特征提取过程中，并通过为根据上述两种算法提取出的人脸特征分别赋予相应的权重，从而最终确定出人脸图像的人脸特征，实现了对人脸纹理信息和人脸局部区域边缘信息的保留，有效地提高了人脸识别过程中人脸特征提取的精度。

图1示出了本发明实施例提供的人脸识别的特征提取方法的实现流程，详述如下：

在S101中，提取人脸图像的多尺度LBP特征。

为了克服单尺度LBP算法提取出的人脸特征在人脸纹理信息表达上的不充分，在本实施例中，使用不同半径大小来对人脸图像进行LBP特征提取，从而获取到人脸图像在多个尺度下的LBP特征，实现了对人脸纹理信息的完整表达，有效地提高了人脸特征提取的精度。

具体地，如图2所示，S101具体为：

在S201中，对所述人脸图像进行分块，得到N个图像分块，所述N为大于1的整数。