[发明专利]人脸识别方法和装置

说明书

本发明公开了一种人脸识别方法和装置，属于计算机技术领域。方法包括：提取目标人脸图像的局部二值模式LBP特征向量；根据LBP特征向量计算目标人脸图像的高维特征向量；获取训练矩阵，训练矩阵为通过联合贝叶斯算法对人脸图像库中的人脸图像训练得到的矩阵；根据目标人脸图像的高维特征向量以及训练矩阵，对目标人脸图像进行人脸识别；解决了现有技术中人脸识别的准确度较低的问题；达到了可以将LBP算法和联合贝叶斯算法进行结合来进行人脸识别，提高人脸识别的准确度的效果。

技术领域

本发明涉及计算机技术领域，特别涉及一种人脸识别方法和装置。

背景技术

人脸识别技术通常包括两个步骤。第一，对人脸图像进行特征提取；第二，对提取到的特征与参考人脸图像中的特征进行相似度计算。

现有技术中，在计算特征的相似度时，通常采用基于马氏距离的计算方式来计算。然而受基于马氏距离的计算算法的限定，上述方案计算得到的相似度的准确度较低。

发明内容

为了解决现有技术中存在的问题，本发明实施例提供了一种人脸识别方法和装置。所述技术方案如下：

第一方面，提供了一种人脸识别方法，包括：

提取目标人脸图像的局部二值模式LBP特征向量；

根据所述LBP特征向量计算所述目标人脸图像的高维特征向量；

获取训练矩阵，所述训练矩阵为通过联合贝叶斯算法对人脸图像库中的人脸图像训练得到的矩阵；

根据所述目标人脸图像的高维特征向量以及所述训练矩阵，对所述目标人脸图像进行人脸识别。

第二方面，提供了一种人脸识别装置，包括：

特征提取模块，用于提取目标人脸图像的局部二值模式LBP特征向量；

第一计算模块，用于根据所述特征提取模块提取到的所述LBP特征向量计算所述目标人脸图像的高维特征向量；

矩阵获取模块，用于获取训练矩阵，所述训练矩阵为通过联合贝叶斯算法对人脸图像库中的人脸图像训练得到的矩阵；

人脸识别模块，用于根据所述第一计算模块计算得到的所述目标人脸图像的高维特征向量以及所述矩阵获取模块获取到的所述训练矩阵，对所述目标人脸图像进行人脸识别。

本发明实施例提供的技术方案的有益效果是：

通过LBP算法提取目标人脸图像的LBP特征向量，进而根据该LBP特征向量以及训练矩阵来对目标人脸图像进行人脸识别，该训练矩阵为通过联合贝叶斯算法对人脸图像库训练得到的矩阵；解决了现有技术中人脸识别的准确度较低的问题；达到了可以将LBP算法和联合贝叶斯算法进行结合来进行人脸识别，提高人脸识别的准确度的效果。同时，人脸图像库中的图像可以包括用户处于不同角度、不同表情或者不同光照时的图像，所以上述方法在人脸被遮挡或者面部光照变化强烈时，仍然可以有较高的人脸识别准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明各个实施例提供的人脸识别方法所涉及的服务器的框图；

图2是本发明一个实施例提供的人脸识别方法的方法流程图；

图3A是本发明另一个实施例提供的人脸识别方法的方法流程图；

图3B是本发明另一个实施例提供的提取目标人脸图像的LBP特征向量的提取方法的方法流程图；