[发明专利]一种人脸识别方法及装置

说明书

本发明公开了一种人脸识别方法和装置，用以解决现有技术中存在的在特征提取阶段通过将多种不同的特征提取方式按照并行的方式来提取特征，容易带来冗余信息的问题。所述人脸识别方法包括：获取人脸图像；对人脸图像进行Gabor变换得到Gabor特征图，并通过LBP算法对得到的Gabor特征图进行处理得到第一LBP直方图特征；通过LPQ算法对人脸图像进行处理，得到第一LPQ直方图特征；将第一LBP直方图特征以及第一LPQ直方图特征按照第一预定顺序融合作为识别得到的人脸特征，相比于现有技术，Gabor‑LBP、LPQ串行‑并行融合的人脸识别方式，在充分利用互补信息的同时降低了冗余信息。

技术领域

本发明涉及模式识别、数字图像处理技术领域，特别涉及一种人脸识别的方法及装置。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。

目前典型的人脸识别系统的处理过程为：获取待处理图像中的人脸位置，并对获取到的人脸进行光照处理、几何归一化等操作处理；从处理后的图像中通过多种不同的特征提取方式来提取多种不同类型的人脸特征向量，然后分别对提取到的多种不同类型的人脸特征向量进行降维；分别计算降维后多种不同类型的人脸特征向量与待比较的人脸特征向量之间的相似度，然后对得到的多种不同类型对应的相似度进行融合。

现有技术在特征提取阶段通过将多种不同的特征提取方式按照并行的方式来提取特征，这种并行的提取方式容易带来冗余信息。

发明内容

本发明实施例提供一种人脸识别的方法及装置，用以解决现有技术中存在的在特征提取阶段通过将多种不同的特征提取方式按照并行的方式来提取特征，这种并行的提取方式容易带来冗余信息的问题。

第一方面，本发明实施例提供了一种人脸识别的方法，包括：

获取待检测图像中的人脸图像；

对所述人脸图像进行加窗傅立叶Gabor函数变换得到Gabor特征图，并通过局部二进制(英文：Local Binary Pattern，简称：LBP)算法对得到的所述Gabor特征图进行处理得到第一LBP直方图特征；以及通过局部相位量化(英文：Local Phase Quantization，简称：LPQ)对所述人脸图像进行处理，得到第一LPQ直方图特征；

将得到的所述第一LBP直方图特征以及所述第一LPQ直方图特征按照第一预定顺序融合作为识别得到的人脸特征。

本发明将Gabor特征提取方式与LBP特征提取方式按照串行的组合方式获取Gabor-LBP特征；再将Gabor-LBP特征提取方式与LPQ特征提取方式按照并行的组合方式获取最终的人脸特征，不仅有效降低了特征间的冗余信息同时充分利用时域、频率的互补保证信息的完整性。

结合第一方面，在第一方面的第一种可能的实施方式中，在获取待检测图像中的人脸图像之后，在对所述人脸图像进行Gabor函数变换得到Gabor特征图之前，包括：

构造所述人脸图像的图像金字塔；

对所述人脸图像进行Gabor函数变换得到Gabor特征图，包括：

按照预设规则从所述图像金字塔包括的P个尺度的金字塔图像中选择一个图像进行Gabor变换得到Gabor特征图。

基于金字塔图像上的人脸关键点进行特征提取，可以获得人脸关键位置的全局与细节信息，具备更强的鉴别能力，从而提升人脸识别的准确率，有效降低人脸姿态等因素导致的位置、尺度变化带来的不利影响。

结合第一方面，在第一方面的第二种可能的实施方式中，在通过LPQ对所述人脸图像进行处理，得到第一LPQ直方图特征时，包括：