[发明专利]人脸识别方法和装置

摘要

本发明公开了一种人脸识别方法和装置，属于计算机技术领域。方法包括：提取目标人脸图像的局部二值模式LBP特征向量；根据LBP特征向量计算目标人脸图像的高维特征向量；获取训练矩阵，训练矩阵为通过联合贝叶斯算法对人脸图像库中的人脸图像训练得到的矩阵；根据目标人脸图像的高维特征向量以及训练矩阵，对目标人脸图像进行人脸识别；解决了现有技术中人脸识别的准确度较低的问题；达到了可以将LBP算法和联合贝叶斯算法进行结合来进行人脸识别，提高人脸识别的准确度的效果。

主权项

1.一种人脸识别方法，其特征在于，所述方法包括：提取目标人脸图像的局部二值模式LBP特征向量；根据所述LBP特征向量，计算所述目标人脸图像的高维特征向量；获取人脸图像库中的每个人的高维特征向量，其中，所述人脸图像库包括m*n张人脸图像，m为所述人脸图像库中的人的个数，n为每个人的人脸图像的张数；初始化S_μ和S_ε；S_μ为m维方阵，是所述人脸图像库中每个人的n张人脸图像的协方差矩阵；S_ε为m*n矩阵，是所述人脸图像库中不同人之间的协方差矩阵；计算F和G：根据所述F和所述G，计算所述人脸图像库中第i个人的高斯分布均值μ_i，以及所述第i个人和第j个人的联合分布协方差矩阵ε_ij，其中，x_i为所述第i个人的高维特征向量，x_j为所述第j个人的高维特征向量；更新所述S_μ和所述S_ε：若所述S_μ和所述S_ε不收敛，则再次执行所述计算F和所述G的步骤；若所述S_μ和所述S_ε收敛，则根据所述S_μ和所述S_ε收敛时的所述F和所述G，以及收敛时的所述S_μ和所述S_ε，计算并存储训练矩阵，所述训练矩阵A＝(S_μ+S_ε)^‑1‑(F+G)，获取训练矩阵，所述训练矩阵为通过联合贝叶斯算法对人脸图像库中的人脸图像训练得到的矩阵；根据所述目标人脸图像的高维特征向量以及所述训练矩阵，对所述目标人脸图像进行人脸识别。