[发明专利]一种基于多方向局部二值模式的人脸识别方法

权利要求书

1.一种基于多方向局部二值模式的人脸识别方法，其特征在于，包括有如下步骤：

步骤1、结合层叠分类器对原始二维图像进行分类，在保留人脸窗口的条件下，过滤掉所有非人脸窗口，在保证漏检率低的基础上将大部分非人脸区域过滤，得到原始二维人脸图像；

步骤2、设在二维人脸图像当中，尺度参数为x，则x应满足大于0；根据剪切波变换函数的仿射变换规律得出如下公式：

δ_x,m,n＝x^-3/4δ(K_x,m^-1n) (1)

公式(1)中，δ_x,m,n表示为人脸图像的基函数；m表示为剪切参数，m∈R；n表示为图像平移参数，n∈R²；K表示为二维人脸图像中某一位置坐标和，K＝[(x，-x^1/2)，(0，x^1/2)]；根据计算公式(1)得出，连续剪切波的变化定义为：H(x，m，n)＝K,δ_x,m,n，其中x0,m∈R,n∈R²,根据连续剪切波变化定义，完成对原始二维人脸图像的变换；

步骤3、通过变换后得到不同大小、方向的人脸子图像；对变换后的人脸子图像进行平均融合处理，得到少量的剪切波变换人脸子图像；

步骤4、利用多方向局部二值模式，在变径为r的圆形区域内，得出含有Q个采样点的特征提取模式；根据多方向局部二值模式给出的算子得出：

公式(2)中，L_q表示为最终计算得出的多方向局部二值模式算子；i_q表示为图像中中心点的像素值大小；i_c表示为图像中相邻点的像素值大小；m表示为剪切参数，m的取值范围为(0,1)；

步骤5、利用多方向局部二值模式在对人脸特征进行提取时，对阈值化结果采用均匀模式进行编码处理后，计算得出人脸图像的特征表示；

步骤6、基于多方向局部二值模式的人脸图像的特征提取方式与协同表示算法相结合，完成对人脸图像的特征识别。

2.根据权利要求1所述的一种基于多方向局部二值模式的人脸识别方法，其特征在于，步骤3中，所述对变换后的人脸子图像进行平均融合处理具体为：将处于统一尺度上的人脸子图像，经过剪切波变换后，对其所有方向上的赋值域图谱进行统一的增加或删减，再对平均融合后的赋值域图谱根据公式(1)计算，得到少量的剪切波变换人脸子图像。

3.根据权利要求1所述的一种基于多方向局部二值模式的人脸识别方法，其特征在于，所述步骤5的具体步骤如下：

步骤5.1、根据多方向局部二值模式计算二维人脸图像在各个方向上的局部二值模式纹理图像，再分别将不同方向上的局部二值模式纹理图像划分为多个4×4的矩形区域，并计算各二个区域的直方图；

步骤5.2、将所有得到的直方图进行连接，得到一个在某一方向上所有直方图的联合直方图；

步骤5.3、通过连接各个方向上的联合直方图绘制成一个完成的人脸特征量，利用可编程计数器阵列对人脸特征量进行降维处理，得出人脸图像的特征表示。

4.根据权利要求1所述的一种基于多方向局部二值模式的人脸识别方法，其特征在于，所述步骤6的具体步骤如下：

步骤6.1、根据多方向局部二值模式的人脸图像的特征提取方式，提取所有样本集中的扩展多方向局部二值模式特征；

步骤6.2、对其中某一类训练样本提取的扩展变化特征进行标记，通过所有训练样本特征集对测试样本特征进行协同表示，将其简化为如下：

公式(3)中，e表示为测试样本特征；Z表示为提取的扩展多方向局部二值模式变化特征；β表示为协同表示系数；λ表示为正则化参数，λ≥0；

步骤6.3、分别提取训练样本集和测试样本集中的多方向局部二值模式变化特征，并将其分别标记为Z和e；利用训练样本特征集Z对测试样本特征e进行协同表示，从而得到编码对应的投影矩阵；

步骤6.4、利用规则化残差计算公式，判定测试样本所属的具体特征类别，完成对人脸图像的特征识别。