[发明专利]一种基于对尺度块局部多值模式的人脸识别方法

说明书

技术领域

本发明属于图像处理、模式识别和计算机视觉等技术领域人脸识别领域，具体涉及一种多尺度块局部多值模式(Multi-scale Block Local Multiple Patterns，MB-LMP)的人脸识别方法。

背景技术

随着科技的发展和社会的进步，人们获得信息的途径越来越丰富，人们的身份信息也能通过更多的途径获得了，如我们常用的银行卡、门禁卡、一卡通、身份证等，它们都是我们身份鉴别的一种工具。然而这些身份鉴别工具存在需要随身携带、易丢失、易损坏、易伪造等缺点。随着自动化技术的迅速发展，人们亟需一种更加高效、可靠的身份鉴别技术。由于人类本身的特征存在稳定性，并且不同的个体之间存在内在的差异性，即使是同卵双胞胎也有差异，所以使用人类本身的特征来进行身份鉴别具有很强的可行性。人体生物特征识别技术，由于其稳定性和唯一性，成为识别技术最理性的方法。生物识别技术主要是指纹识别、人脸识别、掌型识别和语音识别等。

人脸识别是基于人的脸部特征信息进行身份鉴别的一种生物特征识别技术。相对于其他生物识别技术，人脸识别有着自身的优势，如不易被察觉，不需接触设备等。现如今，人脸识别技术已广泛应用于刑侦破案、门禁系统、摄像监视、网络应用、身份辨识、信息安全及娱乐应用等领域。人脸识别还应用于刷脸支付系统：如今，第一个刷脸支付系统诞生，进入相应测试阶段，PayPal(贝宝)在英国推出了“人脸识别”支付功能，这标志着人脸识别技术应用又进入了崭新的领域。

局部二值模式(Local Binary Pattern，LBP)是一种灰度范围内的纹理度量，最初是由Ojala等为了辅助性的度量图像的局部对比度而提出的(见参考文献1)。它是描述图像局部空间结构的非参数算子，能够高效的描述纹理。由于LBP方法原理相对简单，计算复杂度低，同时又具有旋转不变性和灰度不变性等显著的优点，因而该方法又被广泛地应用于图像匹配、行人和汽车目标的检测与跟踪、生物和医学图像分析等领域(见参考文献2)。原始LBP算子共有256种变换模式，使用Uniform模式后减为59种，能够起到很好的降维作用(见参考文献3)。虽然LBP有很多显著的优点，但是在光照变化和姿态变化的测试集上，它的人脸识别结果仍不是很理想(见参考文献4)，并且由于它是以确切的中心像素为阈值，所以对噪声很敏感，尤其是均匀的或近似均匀的区域。Liao等人(参考文献5)提出的基于多尺度块的局部二值模式(MB-LBP)弥补了LBP对噪声敏感的缺陷，并进一步利用了图像的宏观结构，获得了更加有效的图像表示。J.Chen等人提出的Weber Local Descriptor(WLD)特征描述算子(见参考文献6)利用了LBP中被忽略的邻域像素与中心像素的差值的幅值，求取差励，并对其进行量化。Yue Ming(见参考文献7)等人提出的3DLBP，也利用了3DLBP邻域像素与中心像素的差值，通过对差值进行编码得到图像的表示，但是3DLBP将差值大于7的值全部统一为7，这样会损失大量图像信息，对识别结果有很大的影响。

参考文献1：《带有基于特征分布的分类的纹理措施对比研究》，载《国际模式识别期刊》(Ojala T.，Matti P and David H.‘A comparative study of texture measures with classification based on featured Distributions’.Pattern recognition，1996.29(1)，pp51-59.)

参考文献2：《局部二值模式在计算机视觉中的应用》(M，Hadid A，Zhao G Y.Ahonen T.Computer Vision Using Local Binary Patterns.Berlin：SpringerVerlag，2011.193-202.)

参考文献3：《基于多分辨率灰度和旋转不变性的局部二元模式的纹理分类》，载《国际模式分析与机器智能期刊》，(Ojala，T.，M.‘Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns’.IEEE Transactions on Pattern Analysis and Machine Intelligence.2002，24(7)，pp.971-987.)