[发明专利]一种基于LBPH与特征点的人脸识别方法

说明书

本发明涉及人脸识别技术领域，涉及一种基于LBPH与特征点的人脸识别方法，包括：S1、采集人脸图像，对其进行预处理；S2、使用LBPH方法对S1预处理完的图像提取局部特征；S3、人脸图像模型训练；S4：置信度条件下图像过滤；S5、人脸图像特征点采集和中心点标定；S6、设定整体距离比例，通过加权进行第一次阀值判断；S7、比较局部欧式距离比例，进行第二次阀值判断。本发明利用低置信度削弱姿态对面部特征识别的影响，同时增加特征点验证环节来弥补低置信度下人脸识别准确率的降低，二者结合以获得较为准确的人脸识别结果；在多人识别场合，对指定人群也有较高识别率。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于LBPH与特征点的人脸识别方法。

背景技术

人脸识别技术的基本算法包括基于几何特征的方法、基于模板的方法和基于模型的方法。其中，基于模板的人脸识别方法包含基于LBPH(Local Binary PatternsHistograms)的纹理特征提取识别算法。

LBPH是提取局部特征作为判别依据的识别方法，相比于特征脸方法，LBPH的识别率有很大的提升，基于LBPH的脸部特征提取的常规方法是以面部关键点(如眉毛、眼球、鼻子、嘴巴等)为核心，提取周边一定区域的LBPH特征，归一化后将所有关键点的特征组合得到整个面部的LBPH特征。

邓垲镛的《基于LBPH算法的人脸识别算法研究与设计》，通过LBPH算法提取灰度值图像的特征，然后与数据库中已训练好的人脸LBPH特征进行比对，且分类识别，从而识别出被测对象，但该算法缺点主要有两点，第一、通过设置较高的置信度识别被检测对象，准确性虽有提升，但会降低召回率；第二、无法避免人脸不同姿态对面部图像的影响，无法避免采集的面部特征与真实人脸出现过大差异影响人脸识别准确度。

发明内容

本发明所要解决的技术问题是：利用低置信度削弱姿态对面部特征识别的影响，同时增加特征点验证环节来弥补低置信度下人脸识别准确率的降低，二者结合以获得较为准确的人脸识别结果。

本发明所采用的技术方案：一种基于LBPH特征点的人脸识别方法，包括以下步骤：

S1、采集人脸图像，对其进行预处理，S1包括如下步骤：

S11、对人脸图像进行采集，不同人脸不同角度采集多张图像，记为Am[n]，其中，n表示不同角度人脸，n≥1，例如n＝3，则不同人脸图像为Am[1],Am[2],Am[3]；m表示不同人脸，m≥1；同时预先存储的不同人脸标准图像记为Am[0]，即n＝0时表示人脸标准图像；

S12、对采集的人脸图像Am[n]进行裁剪，其中，n≥0，统一resize(200，200)；

S13、对采集的人脸图像Am[n]进行灰度化处理、将图像沿上下中心线平均分割为左右两个区域、对左右两个区域直方图均衡化和归一化处理，然后将一分为二的区域重新合并，并进行双边滤波，去除噪声从而提高图像的质量，处理后的人脸图像记为Bm[n]；

S14、将预处理完的人脸图像Bm[n]存入数据库，其中，n≥0；

S2、使用LBPH方法对S14预处理完的人脸图像Bm[n]提取局部特征，S2步骤如下：

S21、将S14预处理完的人脸图像Bm[n]通过检测窗口划分为16×16的小区域，检测窗口用于LBP(局部二值模式)算子处理；

S22、对于每个小区域中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0；则3×3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值，

其中，(x_c,y_c)是中心像素，亮度是i_c，i_n是相邻像素的亮度，g是一个符号函数：