[发明专利]用于手持设备的人脸识别方法有效
申请号: | 201510602843.3 | 申请日: | 2015-09-21 |
公开(公告)号: | CN105303200B | 公开(公告)日: | 2018-10-16 |
发明(设计)人: | 解梅;张硕硕;蔡家柱;涂晓光 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06K9/66 | 分类号: | G06K9/66 |
代理公司: | 电子科技大学专利中心 51203 | 代理人: | 周刘英 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 手持 设备 识别 方法 | ||
1.用于手持设备的人脸识别方法,其特征在于,包括下列步骤:
步骤1:设置包含N个分类器的级联分类器,其中N大于或等于2:
采用局部二值模式LBP对训练样本进行特征提取,并基于所提取的训练样本的LBP特征进行分类器训练,得到级联分类器的前N-1级分类器;其中,训练各分类器的特征数量逐级增大;
采用组合邻接LBP特征对训练样本进行特征提取,并基于所提取的训练样本的组合邻接LBP特征进行分类器训练,得到级联分类器第N级分类器;其中训练第N级分类器的特征数量为N个分类器中最大;
其中LBP的编码为P表示在像素点(x,y)的邻域半径Δr内的采样像素点个数,Ic(x,y)表示像素点(x,y)的灰度值,Ip(x,y)表示各邻域像素点的灰度值,函数σ(φ)为符号函数,当φ大于或等于0时,σ(φ)的取值为1;否则σ(φ)的取值为0;
组合邻接LBP特征的编码为:获取各像素点的LBPP,Δr(x,y),并将LBPP,Δr(x,y)分为两组:和其中表示水平和垂直方向的邻域像素点得到的LBPP,Δr(x,y)值,其中表示斜相邻的邻域像素点得到的LBPP,Δr(x,y)值;再分别计算所对应的组合邻接LBP特征值:根据公式计算关联矩阵其中,I表示各训练样本所对应的图像,下标i、j的取值为[0~2P-1],函数fi(x,y)的取值为:若像素点(x,y)的或为i,则fi(x,y)=1;否则fi(x,y)=0,位置关系向量a∈{(Δs,0)T,(Δs,Δs)T,(0,Δs)T,(-Δs,Δs)T},参数Δs表示相邻间隔;对关联矩阵Hi,j按列求和即得到所对应的组合邻接LBP特征值;
步骤2:将待识别图像转换为灰度图后,进行滑动窗口扫描,采用LBP对窗口中的图片进行特征提取,并将所提取的待识别图像的LBP特征作为级联分类器的输入,对前N-1级分类器,若大于或等于当前分类器的分类阈值,则将所述待识别图像的LBP特征输入下一级分类器,当大于或等于第N-1级分类器的分类阈值时,基于所提取的待识别图像的LBP特征转换为组合邻接LBP特征后再输入第N级分类器,若满足第N级分类器的分类阈值,则判定当前窗口中的图像为人脸图像。
2.如权利要求1所述的方法,其特征在于,级联分类器的分类器个数N的取值为大于或等于6的整数,前4级的分类器中,每级的误检率比上一级下降Δd,其中下降量Δd的取值范围为[5%,20%],第5~N-1级的误检率设置为[15%,25%]。
3.如权利要求2所述的方法,其特征在于,级联分类器的分类器个数N的取值为7,依次设置各级分类器的特征数量、误检率分别为:第1级:特征数量10,误检率56.7%,第2级:特征数量20,误检率40.1%,第3级:特征数量35,误检率33.6%,第4级:特征数量60,误检率18.6%,第5级:特征数量120,误检率19.1%,第6级:特征数量180,误检率23.6%,第7级:特征数量400,误检率0.9%。
4.如权利要求1或2所述的方法,其特征在于,基于Gentle AdaBoost算法进行分类器训练。
5.如权利要求1或2所述的方法,其特征在于,所述步骤2中,对待识别图像进行多尺度滑动窗口扫描,滑动窗口的尺度逐次增大。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510602843.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种交通卡的回收系统
- 下一篇:一种指纹检测模组及其制作方法及电子设备