[发明专利]基于统计信息LBP的人脸识别方法和装置

摘要

本发明公开了一种基于统计信息LBP的人脸识别方法，其包括以下步骤：S1、创建DSLBPI特征模型；S2、根据已知人脸数据库中的人脸图像以及所述DSLBPI特征模型获取每个人脸图像的样本矩阵，根据所述样本矩阵获取最优方向的Fisher映射矩阵；S3、将每个样本矩阵经过所述映射矩阵进行投影，得到每个样本矩阵的投影矩阵；S4、得到所述待测人脸图像T的投影矩阵；S5、根据所述投影矩阵F_T与所有样本矩阵的投影矩阵对所述待测人脸图像进行识别。本发明还提供了一种基于统计信息LBP的人脸识别装置。本发明在LBP值的计算过程中引入了统计信息，有效地避免了相似背景区域对图像识别的干扰。

主权项

1.一种基于统计信息LBP的人脸识别方法，其特征在于，包括以下步骤：S1、创建DSLBPI特征模型，所述创建DSLBPI特征模型创建的方法是：S11、针对原始图像，计算其内每个像素点的差值数组，所述差值数组为每个像素点的像素值与周围八个相邻像素点的像素值的差值；S12、设置特征消除阈值；将所述差值的绝对值小于特征消除阈值的位置调整为0，否则，调整为1，从而得到每个像素点差值数组对应的转换数组；S13、将每个像素点的转换数组通过循环移位方式寻找最小值，得到每个像素点的DSLBPI值；S14、得到原始图像的所有像素点的DSLBPI值的集合，称为特征矩阵；S2、根据已知人脸数据库中的人脸图像以及所述DSLBPI特征模型获取每个人脸图像的特征矩阵，称为样本矩阵，设定已知人脸数据库中的人脸图像有m*n个像素点，则得到的样本矩阵为m*n的矩阵，每个样本矩阵对应一个人脸图像；根据所述样本矩阵获取最优方向的Fisher映射矩阵W；获取映射矩阵W的方法是：S21、求解所述人脸数据库中的人脸图像的类内间距Gw和类间间距Gb：其中，C为所述已知人脸数据库的类别总数，N_j为第j类别的样本矩阵的个数，因此，已知人脸数据库中的样本矩阵的总数为个；为已知人脸数据库中第j类中的第i个样本矩阵；为所有的样本矩阵的均值，为第j类样本矩阵的均值，类内间距G_w为非奇异矩阵；S22、求解Gw‑1Gb中最大的p个特征值，并将此p个特征值正交化，得到该p个特征值对应的p个特征向量，分别记为w1‑wp；所述p个特征向量构成映射矩阵W，即W＝[w1,w2,…wp]，该映射矩阵W为n*p维；S3、将每个样本矩阵经过所述映射矩阵W进行投影，得到每个样本矩阵的投影矩阵，分别记为F1‑FN，样本矩阵的投影矩阵为m*p的矩阵，每个样本矩阵的投影矩阵对应一个人脸图像；S4、将待测人脸图像T经过所述DSLBPI特征模型处理获得所述待测人脸图像的特征矩阵，记为AT，将所述特征矩阵AT经过映射矩阵W进行投影，得到所述待测人脸图像T的投影矩阵FT；S5、求取所述投影矩阵FT与所有样本矩阵的投影矩阵F1‑FN的欧氏距离中的最小值，如果所述最小值不大于预设的识别阈值，则所述待测人脸图像与目标人脸图像相对应，识别成功，否则，识别失败；所述目标人脸图像为所述目标投影矩阵对应的已知人脸数据库中的人脸图像，所述目标投影矩阵为所述最小值对应的样本矩阵的投影矩阵。