[发明专利]基于改进局部二值模式的人脸识别方法

权利要求书

1.一种基于改进局部二值模式的人脸识别方法，其特征在于，包括如下步骤：

步骤S1：拍摄人脸图片，采用人脸检测算法进行人脸检测；检测到人脸后对该人脸区域进行裁剪，将裁剪后的图片保存下来，作为人脸图像传入下一步进行处理；

步骤S2：对第一步得到的人脸图像，进行特征点的检测，获取特征点的坐标，根据坐标对人脸图像进行平移、缩放以及旋转处理，得到一组人脸的正脸图片，并分成训练集和测试集；

步骤S3：对于训练集和测试集中的任意一张人脸图片，采用基于4进制的近邻LBP算法进行计算，包括：计算邻域点的像素值、邻域像素点与中心像素点的比较、相邻邻域像素点之间的比较以及计算中心点LBP特征值；

在所述步骤S3中，所述计算邻域点的像素值还包括如下步骤：

步骤S301：在圆形邻域的背景下进行基于4进制的近邻LBP算法的计算；建立一个6×6的像素点阵区域，采用格点来表示像素点的位置，记P和R为基于4进制的近邻LBP算法的圆形邻域采样点的个数和采样半径；对于像素点阵区域内任意一点K，计算K点处半径R的水平分量rx和竖直分量ry，水平分量rx为：同理，竖直分量ry为：

步骤S02：依据K处周围最近的四个像素点A，B，C，D距离K处的相对位置来计算四个权值w_a，w_b，w_c，w_d；

步骤S3021：记上限函数Ceil(x)与下限函数Floor(x)为：

Floor(x)＝[x]

步骤S3022：根据上限函数Ceil(x)与下限函数Floor(x)获取K处水平分量rx和垂直分量ry的上限rx_u，ry_u和下限rx_d，ry_d，通过如下方式获取：

步骤S3023：通过如下偏移量计算获取K处水平偏移量tx和垂直偏移量ty；其中，竖直偏移量为tx＝rx-rx_d；竖直偏移量为ty＝ry-ry_d；

步骤S3024：根据偏移量通过如下获取四个像素点A，B，C，D处的权值：

步骤S303：将A，B，C，D处的像素值与对应的权值相乘，然后进行归一化处理，获取K处中间邻域点的像素值，通过如下方式获取：

cg_k＝w_a·A+w_b·B+w_c·C+w_d·D,(k＝0,1,…,P-1)；

步骤S4：分别采用基于4进制的近邻LBP算法计算测试集与训练集中图片的特征值，同时计算训练集图片和测试集图片的特征向量；在测试集中任意选取一张图片，并计算其特征向量与训练集中所有图片特征向量的欧氏距离，选取欧氏距离最小的训练样本作为此待测样本的识别结果，并与其标签进行比较，计算识别率，输出识别结果；

在所述步骤S3中，所述邻域像素点与中心像素点的比较按照如下步骤实现：

步骤S304：分别取各邻域点像素值g_x，x＝0,1…,P-1与中心点像素值g_o做比较，把比较结果作为该邻域点对比结果的第一位b1_x；若邻域像素值大于中心点像素值时为记为1，若邻域像素值小于中心点像素值时记为0，其计算公式为；b1_x＝S(g_x-g_o)；

在所述步骤S3中，所述相邻邻域像素点之间的比较按照如下步骤实现：

步骤S305：依次取各邻域点g_x与其前驱点g_x-1和后继点g_x+1进行对比，把结对比果作为该邻域点对比结果的第二位b2_x；若当前邻域点像素值g_x大于它的前驱点像素值g_x-1与后继点像素值g_x+1的加权平均数g_mid，g_mid＝(g_x-1+g_x+1)/2，则取1；若当前邻域点像素值g_x小于它的前驱点像素值g_x-1与后继点像素值g_x+1的加权平均数g_mid，则取0；

在所述步骤S3中，所述计算中心点LBP特征值按照如下步骤实现：

步骤S306：获取所有的邻域点对比结果，包括P个两位的二进制数，将其转化为四进制数并按照顺序排列起来得到：然后再将这个四进制数转化为十进制数，其转换方式如下：

且该十进制数即为中心点的LBP像素特征值；

步骤S307：将圆形邻域以圆心为中心点，以步长为一个像素单位进行滑动，计算每个区域内的LBP特征值获取原始图像的LBP特征图；将原始图像中的边缘部分的LBP像素特征值记为0，得到整张图像的LBP像素特征值。