[发明专利]一种基于韦伯法则的局部多值模式的人脸识别方法

摘要

本发明公开了一种基于韦伯法则的局部多值模式的人脸识别方法，分为训练阶段和识别阶段；训练阶段，首先要提取训练样本的特征，对样本进行三级编码；然后将三级编码都转换为Uniform模式，然后对经过三级编码后的图像分别进行均匀的、无交叠的分块处理，再对每个分块提取特征直方图，将每个块每级的特征直方图连接得到一幅人脸图像的整体特征直方图；识别阶段，按照上述特征提取的方法提取待测样本的特征直方图作为待测特征，然后运用χ2概率统计和最近邻分类方法，对待测样本进行识别。本发明在人脸识别中对人脸的光照和姿态具有更佳的鲁棒性，并提高了人脸的识别率。

主权项

一种基于韦伯法则的局部多值模式的人脸识别方法，其特征在于：分为训练阶段和识别阶段：所述训练阶段的方法为：首先将所有训练样本的每张人脸图像进行三级编码，每一个训练样本最终得到三幅编码图；然后将每一个训练样本的三幅编码图分别转换为三幅Uniform模式的编码图；再对每幅Uniform模式的编码图进行均匀、无交叠的分块处理，得到若干子块；最后对每个子块提取特征直方图，对于同一个训练样本，将三幅Uniform模式的编码图的所有子块的特征直方图进行整合得到一幅人脸图像的整体WLMP特征直方图，构成训练样本集的特征集合；所述识别阶段的方法为：首先将所有待测样本的每张人脸图像进行三级编码，每一个待测样本最终得到三幅编码图；然后将每一个待测样本的三幅编码图分别转换为三幅Uniform模式的编码图；再对每幅Uniform模式的编码图进行均匀、无交叠的分块处理，得到若干子块；最后对每个子块提取特征直方图，对于同一个待测样本，将三幅Uniform模式的编码图的所有子块的特征直方图进行整合得到一幅人脸图像的整体WLMP特征直方图，作为待测特征直方图；检索训练样本集的特征集合，通过χ2概率统计和最近邻分类识别方法预测待测特征直方图所属的对象；所述三级编码的方法如下：(1)对人脸图像计算3×3邻域像素亮度同中心像素亮度I的差ΔI；(2)对ΔI进行传统的LBP编码，即方向编码，实现0级编码；(3)对ΔI借鉴WLD的编码策略进行类似LTP的编码：首先，将[0,π/2]范围划分为0、1、2和3四个区间段，分别为[0,π/8)、[π/8,π/4)、[π/4,3π/8)和[3π/8,π/2)；其次，对某像素点邻域内的八个像素点计算arctan(||ΔI||/I)，即幅度编码，根据arctan(||ΔI||/I)的计算结果，将邻域内的每个像素点每划分到四个区间段中的一个，得到该像素点邻域内的八个像素点的arctan(||ΔI||/I)值所属区间的编号，对该编号按照3DLBP的编码方式得到两组编码，这两组编码分别为1级编码和2级编码；所述Uniform模式为，当二进制编码被视为首尾连接的环形时，当该二进制编码至多存在两处由0到1或由1到0的转换时，该二进制编码为Uniform模式，否则该二进制编码为非Uniform模式；即对于二进制编码s1s2s3s4s5s6s7s8，若则二进制编码为Uniform模式，否则为非Uniform模式；八位二进制编码共有58种Uniform模式编码值，依次记为0～57，非Uniform模式编码值统一为58；所述WLMP特征直方图表示基于韦伯法则的局部多值模式的特征直方图。