[发明专利]一种高性能的人脸识别方法及系统

权利要求书

1.一种高性能的人脸识别方法，其特征在于，该方法包括：

基于多视角进行人脸检测，并根据人脸特征点定位算法确定人脸区域后进行图像归一化，获得归一化后的多个视角的二维人脸图像；

提取每一视角的归一化后二维人脸图像的方向梯度直方图HOG特征及局部二值模式LBP特征，并相连接，获得最终特征；

提取样本库中的人脸图像的HOG特征及LBP特征，采用树型结构SVM训练获得包含多个光照环境及多个视角的人脸光照姿态分类器，再计算LBP特征的平均特征向量，获得一平均LBP特征向量库；其中，所述样本库中的人脸图像为添加了光照的三维人脸模型的多视角投影图像；

利用获得人脸光照姿态分类器及平均LBP特征向量库与所述最终特征相匹配，实现高性能的人脸识别；

其中，所述基于多视角进行人脸检测，并根据人脸特征点定位算法确定人脸区域后进行图像归一化包括：

基于多视角进行人脸检测：对输入的彩色图像进行灰度化并进行直方图均衡化，分别使用正面、左侧面与右侧面人脸检测器进行人脸检测，并去除面积小于预定值的人脸检测结果，获得多视角的人脸图像；

人脸定位与归一化：基于HOG特征的混合树形结构特征点模型，在获得的多视角的人脸图像中进行特征点定位，当定位特征点后，根据人脸外轮廓特征点精确确定人脸区域，并通过剪裁和缩放人脸区域图像完成人脸图像归一化。

2.根据权利要求1所述的方法，其特征在于，所述提取每一视角的归一化后二维人脸图像的方向梯度直方图HOG特征及局部二值模式LBP特征，并相连接，获得最终特征包括：

对归一化后的图像进行直方图均衡化并提取HOG特征后，按照不同的分块策略对图像分块；

再采用混合LBP算子提取分块图像的LBP特征，并将提取到的HOG特征与LBP特征相连接，获得最终特征。

3.根据权利要求1所述的方法，其特征在于，所述样本库中的人脸图像为添加了光照的三维人脸模型的多视角投影图像包括：

从三维人脸模型中获取顶点、面片和纹理信息，通过OpenGL绘制出来，将绘制的三维人脸模型平移到世界坐标系下的原点；

再根据OpenGL中的光照模型分别在所述三维人脸模型的上面、下面、左侧、右侧和正面添加光照；

对于每一种光照，均围绕Z轴旋转所述三维人脸模型，绘制结果将缓冲到帧缓冲区FrameBuffer中，从FrameBuffer中提取数据并保存成图像，通过一系列的旋转变换后获得多视角的投影图像。

4.根据权利要求1所述的方法，其特征在于，所述利用获得人脸光照姿态分类器及平均LBP特征向量库与所述最终特征相匹配，实现高性能的人脸识别包括：

将所述最终特征中的HOG特征输入所述人脸光照姿态分类器中，所述人脸光照姿态分类器估计出该最终特征中的HOG特征对应人脸图像的光照和人脸姿态；

再采用度量方法度量所述最终特征中的LBP特征与平均LBP特征向量库中具有相同光照条件和姿态下的LBP特征的平均特征向量的匹配程度，并根据与预先设定的阈值进行比较获得识别结果，从而实现高性能的人脸识别。