[发明专利]一种高维局部二值模式人脸识别方法及系统

摘要

本发明公开了一种高维局部二值模式人脸识别算法及系统，该算法包括以下步骤:S1、获取人脸图像，并对其进行预处理得到相同尺寸的灰度图像；S2、对预处理后的灰度图像进行HDLBP特征提取，得到对应的特征图像；S3、提取特征图像的直方图，得到对应的特征向量；S4、根据特征向量与特征数据库中的信息进行比较，得到识别结果。本发明能够提取图像的局部特征和全局特征，大幅提高了算法的识别率；且在保证算法复杂度不高的基础上，增加了图像识别的准确率。

主权项

1.一种高维局部二值模式人脸识别方法，其特征在于，包括以下步骤:S1、获取人脸图像，并对其进行预处理得到相同尺寸的灰度图像；S2、对预处理后的灰度图像进行HDLBP特征提取，得到对应的特征图像；S3、提取特征图像的直方图，得到对应的特征向量；S4、根据特征向量与特征数据库中的信息进行比较，得到识别结果；步骤S2中进行HDLBP特征提取的方法具体为：HDLBP描述子在计算时，首先延用了LBP描述子在窗口内的计算方法，保证了局部特征；然后对窗口中心像素点灰度值和人脸灰度图像的灰度均值运用LBP描述子在窗口内的计算方法，保证全局特征；最后将局部特征作为低维，全局特征作为高维整合在一起，计算的结果就是该窗口内中心像素点的特征值；步骤S2中进行高维和低维融合的方法具体为：将中心特征作为最高维的分量加入到边缘特征的二进制序列中，使得特征序列向高一维伸展，扩大特征序列包含的信息量；根据如下公式将低维特征和高维特征融合在一起，使两列特征序列变成一列特征序列，并按照二进制转十进制的方法进行计算即可得到对应的特征值；计算公式为：其中，g_c代表窗口的中心阈值，g_k中k＝0,2...p‑1，g_k表示各邻域像素点的灰度值，p表示邻域点个数，g表示人脸灰度图像的灰度均值，计算公式为：其中，m×n是灰度图像的大小，g(i j)是图像中每一个像素点的灰度值；步骤S2中进行HDLBP特征提取的公式为：其中，s函数如下：