專利名稱：一種基于雙閾值局部二進(jìn)制模式的人臉識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于人臉識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于雙閾值局部二進(jìn)制的人臉識(shí)別方法。
背景技術(shù)：
人臉識(shí)別具有巨大的理論意義和應(yīng)用價(jià)值.人臉識(shí)別的研究對于圖象處理、模式識(shí)別、計(jì)算機(jī)視覺、計(jì)算機(jī)圖形學(xué)等領(lǐng)域的發(fā)展具有巨大的推動(dòng)作用，同時(shí)在生物特征認(rèn)證、視頻監(jiān)控、安全等各個(gè)領(lǐng)域也有著廣泛的應(yīng)用。人臉識(shí)別的相關(guān)文獻(xiàn)和方法數(shù)量巨大， 而且，一個(gè)人臉識(shí)別系統(tǒng)往往包含幾種不同的方法和技術(shù)，這是沿用心理學(xué)的研究成果即人的視覺系統(tǒng)通過整體特征和局部特征進(jìn)行人臉識(shí)別。國內(nèi)外眾多的大學(xué)和研究機(jī)構(gòu)，如美國的MIT [1] ,CMU[2, 3]、UIUC[4，5] ,Maryland 大學(xué)[6-8]、英國的劍橋大學(xué)[9-12]、日本的Toshiba公司[13-14]和國內(nèi)的清華大學(xué)和中科院自動(dòng)化所都對人臉識(shí)別進(jìn)行了廣泛而深入的研究文獻(xiàn)中已有的人臉識(shí)別算法可以分為以下幾類(1)基于幾何特征的人臉識(shí)別方法。此方法所采用的幾何特征是以人臉器官的形狀和幾何關(guān)系為基礎(chǔ)的特征矢量，其分量通常包括人臉指定兩點(diǎn)間的距離、曲率、角度等。缺點(diǎn)是從圖像中抽取穩(wěn)定的特征比較困難，而且對表情變化和姿態(tài)變化的魯棒性較差。(2)基于模板匹配的人臉識(shí)別方法此方法模板的獲得用傳統(tǒng)的邊緣獲取方法很難獲得。(3)彈性圖匹配的方法。這是一種基于動(dòng)態(tài)鏈接結(jié)構(gòu)(DLA)的方法。(4)隱馬爾科夫模型(HMM)，是用于描述信號(hào)統(tǒng)計(jì)特性的一組統(tǒng)計(jì)模型。HMM使用馬爾科夫連接模擬信號(hào)統(tǒng)計(jì)特性的變化，而這種變化又是間接地通過觀察序列老描述的。(5)基于神經(jīng)網(wǎng)絡(luò)的方法。(6)特征臉方法基于特征臉的人臉識(shí)別算法就是通過對大量樣本進(jìn)行主成分分析(PCA)得到表征人臉子空間的一組正交基(即特征臉)，所提取的特征就是人臉圖像在這個(gè)子空間中的投影向量(即物理上人臉圖像在人臉子空間的位置)，然后采用分類器分類。例如，對于一幅圖像可以看作一個(gè)由像素值組成的矩陣，也可以擴(kuò)展開，看成一個(gè)矢量，如一幅N*N象素的圖像可以視為長度為N2的矢量，這樣就認(rèn)為這幅圖像是位于N2維空間中的一個(gè)點(diǎn)，這種圖像的矢量表示就是原始的圖像空間，但是這個(gè)空間僅是可以表示或者檢測圖像的許多個(gè)空間中的一個(gè)。不管子空間的具體形式如何，這種方法用于圖像識(shí)別的基本思想都是一樣的，首先選擇一個(gè)合適的子空間，圖像將被投影到這個(gè)子空間上，然后利用對圖像的這種投影間的某種度量來確定圖像間的相似度，最常見的就是各種距離度量。測量人臉識(shí)別的主要性能指標(biāo)有兩個(gè)，誤識(shí)率(False Accept Rate, FAR)和拒識(shí)率(False Reject Rate，F(xiàn)RR)，前者是指將其他人誤作指定人員的概后者是指將指定人員誤作其它人員的概率。近年來，基于局部二進(jìn)值模式(Local Binary Pattern, LBP)的人臉識(shí)別方法受到人們的關(guān)注，該方法來源于紋理分析領(lǐng)域。LBP本質(zhì)上提取圖像邊緣、角點(diǎn)等局部變換特征， 這些對于區(qū)分不同人臉是重要的。它首先計(jì)算圖像中每個(gè)像素與其局部鄰域點(diǎn)在亮度上的序關(guān)系，然后對二值序關(guān)系進(jìn)行編碼形成局部二值模式，最后采用多區(qū)域直方圖作為圖像的特征描述。我們對LBP進(jìn)行深入地分析與研究，并且針對LBP變化單一的缺點(diǎn)，提出了一種基于雙閾值局部二值模式(Double-Threshold LBP, DTLBP)的人臉識(shí)別方法。首先計(jì)算圖像中每個(gè)像素點(diǎn)與其局部鄰域點(diǎn)的灰度差，通過選擇不同的閾值編碼形成DTLBP，然后采用多區(qū)域直方圖向量進(jìn)行人臉特征描述，最后模糊化多閾值匹配結(jié)果進(jìn)行人臉識(shí)別。在人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果顯示，DTLBP方法對表情、背景、距離等變化都具有較好的魯棒性。傳統(tǒng)的人臉識(shí)別技術(shù)一般都是設(shè)定一個(gè)閾值，即事先為識(shí)別儀器設(shè)定一個(gè)閾值， 當(dāng)識(shí)別儀器對人臉進(jìn)行識(shí)別時(shí)，識(shí)別度達(dá)到或超過此閾值時(shí)，識(shí)別儀器識(shí)別成功，相反當(dāng)識(shí)別度低于事先設(shè)定的閾值時(shí)，識(shí)別不成功，在一定程度上防止了偽造和竊取，但由于設(shè)定的閾值偏高或偏低都有可能給識(shí)別帶來偏差，如當(dāng)閾值偏高時(shí)，原來錄入的人臉與即時(shí)識(shí)別的人臉雖為同一張人臉，由于天氣、人體健康程度、發(fā)型、著妝等因素，很有可能識(shí)別不能通過或需要通過較長時(shí)間才能識(shí)別成功，當(dāng)閾值偏低時(shí)，一些近似的人臉或通過人為處理使之與識(shí)別儀器錄入人臉近似的人臉便會(huì)輕易的識(shí)別成功，因此，單一的閾值設(shè)定給人臉識(shí)別技術(shù)造成了一定的局限。

發(fā)明內(nèi)容
本發(fā)明所解決的技術(shù)問題在于提供一種基于雙閾值局部二進(jìn)制的人臉識(shí)別方法，以解決背景技術(shù)中的問題。一種基于雙閾值局部二進(jìn)制的人臉識(shí)別方法，該方法包括(1)對人臉圖像進(jìn)行局部二進(jìn)制特征運(yùn)算；(2)從局部二進(jìn)制模式得到直方圖；(3)利用特征匹配實(shí)現(xiàn)人臉識(shí)別；(4)在對人臉圖像做特征提取運(yùn)算之前進(jìn)行圖像空間變換。在本發(fā)明中，所采用的人臉變換有Gabor變換，Gassian變換和Harr變換，方案中還包括了對輸入圖像進(jìn)行噪聲抑制，空間分辨率標(biāo)準(zhǔn)化，空間分塊等多個(gè)預(yù)處理模塊。一種基于雙閾值局部二進(jìn)制的人臉識(shí)別方法，實(shí)現(xiàn)本方案需要以下步驟1、將所有待識(shí)別人臉錄入識(shí)別儀器，并同時(shí)錄入相關(guān)信息，然后為人臉識(shí)別儀器科學(xué)性的設(shè)定兩個(gè)閾值，一個(gè)稍高，一個(gè)稍低，當(dāng)待識(shí)別人臉在人臉識(shí)別儀器前進(jìn)行人臉識(shí)別時(shí)，其識(shí)別度高于稍高的閾值時(shí)，此時(shí)識(shí)別成功，被識(shí)別人可以直接通過；識(shí)別度低于稍底閾值時(shí)，識(shí)別不能成功，被識(shí)別人不能通過，并由人臉識(shí)別儀器向管理中心發(fā)出警報(bào)；而識(shí)別度處于稍高和稍低閾值之間時(shí)，此時(shí)被識(shí)別人被識(shí)別儀器要求手動(dòng)輸入事先錄入的相關(guān)信息，當(dāng)所有要求的信息輸入正確時(shí)，識(shí)別成功，相反識(shí)別不成功；在人臉識(shí)別中，由于頭部的傾斜、偏轉(zhuǎn)及光照變化等因素的影響，會(huì)給后續(xù)的分析與識(shí)別等問題帶來很大影響，因此必須對人臉進(jìn)行位置、大小和光照的歸一化，由于人眼瞳孔間距比較穩(wěn)定，通常以此作為幾何歸一化的標(biāo)準(zhǔn)；2、旋轉(zhuǎn)人臉圖像的傾斜校正以兩眼連線為基準(zhǔn)，對圖像進(jìn)行旋轉(zhuǎn)，使左右眼在旋轉(zhuǎn)后的圖像中保持在同一水平位置，這保證了人臉方向的一致性，體現(xiàn)了人臉在圖像平面的旋轉(zhuǎn)的不變性，尺度對經(jīng)過裁剪后的人臉圖像，進(jìn)行圖像縮放變換，得到統(tǒng)一大小的校準(zhǔn)圖像，對于校準(zhǔn)后圖像，假設(shè)w和h為人臉圖像的寬度和高度，設(shè)定W = h，雙眼間距為 w/2,雙眼與圖像左右邊界的距離為w/4，眼睛與圖像上邊界和下邊界的距離分別為h/4和3h/4。若規(guī)定校準(zhǔn)圖像的大小 為80X80，根據(jù)人眼位置參數(shù)，求出兩眼在校準(zhǔn)圖像中坐標(biāo)， 則縮放倍數(shù)為f =(原始圖像兩眼間距離)/(校準(zhǔn)圖像兩眼間距離)，保證了人臉大小的一致性，體現(xiàn)了人臉在圖像平面內(nèi)的尺度不變性；在人臉識(shí)別的實(shí)際應(yīng)用中，光照往往是不均勻的，人臉?biāo)诃h(huán)境的光照情況往往是千變?nèi)f化的，偏光、側(cè)光導(dǎo)致的高光和過亮、過暗以及陰影等都會(huì)使人臉檢測和人臉識(shí)別率大幅度下降，在程序中使用了 AMFG workshop at ICCV 2007的方法，對光照的處理主要采取了 gamma校正，濾波和對比度均衡化方法，LBP算子在人臉識(shí)別中獲得了廣泛了應(yīng)用，用其分類，不需要學(xué)習(xí)訓(xùn)練，是一種特征匹配的方法， 更符合實(shí)時(shí)性的要求，在程序中使用了以下幾種LBP算子，LBP算子最初用于度量局部圖像的對比度，該算子最初定義的基本形式作用于像素的8-鄰域中，具體來說，以鄰域中心像素的灰度值為閾值，將鄰域中的8個(gè)像素進(jìn)行門限化處理，然后乘以相應(yīng)的權(quán)值，把結(jié)果相加后就得到了對應(yīng)像素的LBP碼值；本發(fā)明實(shí)現(xiàn)中，應(yīng)用到了 LBPp, E和ZBPp;2兩種擴(kuò)展形式，首先，定義全色紋理圖像中局部鄰域內(nèi)的紋理T為P(P > 1)個(gè)像素對應(yīng)灰度值的聯(lián)合分布T = t(gc, g0, gl, ......，gH)(1)其中g(shù)。對應(yīng)著局部鄰域內(nèi)中心像素的灰度值，gp(p = 0,1,……，P-1)對應(yīng)著鄰域周圍位于半徑為R(R>0)的圓環(huán)上的P個(gè)像素的灰度值，而這P個(gè)像素組成了一個(gè)圓對稱鄰域集；如果g。的坐標(biāo)為(0，0)，那么gp的坐標(biāo)值則為(-Rsin (2 π ρ/Ρ), Rcos (2 π ρ/Ρ))(2)鄰域集中的像素如果沒有位于圖像像素的中心位置，則通過線性插值估計(jì)其灰度值；作為推導(dǎo)過程中的第一步，并未損失任何信息，只是用圓對稱鄰域集內(nèi)的像素 gp(P = o，i，……，P-1)的灰度值減去中心像素g。的灰度值，得到T = t(gc, g0-gc, grgc......，gp-i-gc)(3)接著，假定差分值gp_g。與g。之間是相互獨(dú)立的，那么可將式(3)分解為T^t (gc) t (g0-gc, gl-gc……，gp-i-gc)(4)實(shí)際上，上述獨(dú)立并非嚴(yán)格意義上的獨(dú)立，因此，分解后的分布是原先聯(lián)合分布的一種近似。然而，我們可以接受這種導(dǎo)致部分信息損失的近似，因?yàn)樗试S我們獲得算子的灰度變化不變性。也就是說，式(4)中的t(g。)分布描述了圖像的全局亮度，它與局部紋理無關(guān)，也就對紋理分析無法提供有用信息。所以，在式(1)所定義的聯(lián)合灰度分布中，大部分紋理屬性就轉(zhuǎn)換為如下分布T^t (g0-gc, gl-gc……，gp-i-gc)(5)Ojala等人發(fā)現(xiàn)，某些特定的局部二進(jìn)制模式在觀測圖像中的出現(xiàn)頻率遠(yuǎn)遠(yuǎn)高于其他模式，同時(shí)，這些局部二進(jìn)制模式往往具有一致的循環(huán)結(jié)構(gòu)模式中只包含了少量的空間轉(zhuǎn)換(相鄰位置0/1的相互變換)。因此，它們又被命名為“一致(Uniform)”模式。為了正式定義一致模式，有文獻(xiàn)引入反映模式中空間轉(zhuǎn)換次數(shù)的一致性度量U。同時(shí)，指定具有U值不大于2的局部二進(jìn)制模式為一致模式。并且，提出了如下具有灰度和旋轉(zhuǎn)不變性的紋理算子，以代替ZSP；^用于紋理分析
權(quán)利要求
1.一種基于雙閾值局部二進(jìn)制的人臉識(shí)別方法，其特征在于，該方法包括(1)對人臉圖像進(jìn)行局部二進(jìn)制特征運(yùn)算；(2)從局部二進(jìn)制模式得到直方圖；(3)利用特征匹配實(shí)現(xiàn)人臉識(shí)別；(4)在對人臉圖像做特征提取運(yùn)算之前進(jìn)行圖像空間變換。
2.根據(jù)權(quán)利要求1所述的一種基于雙閾值局部二進(jìn)制的人臉識(shí)別方法，其特征在于， 所述的人臉變換有Gabor變換，Gassian變換和Harr變換。
全文摘要
一種基于雙閾值局部二進(jìn)制的人臉識(shí)別方法，該方法包括(1)對人臉圖像進(jìn)行局部二進(jìn)制特征運(yùn)算；(2)從局部二進(jìn)制模式得到直方圖；(3)利用特征匹配實(shí)現(xiàn)人臉識(shí)別；(4)在對人臉圖像做特征提取運(yùn)算之前進(jìn)行圖像空間變換。本發(fā)明本發(fā)明方法的優(yōu)點(diǎn)在于基于特征匹配的方法，計(jì)算速度快；識(shí)別精度高；可降低對姿態(tài)、光照、表情和環(huán)境變化的敏感程度；克服了單一閾值設(shè)定給人臉識(shí)別技術(shù)造成了一定的局限。
文檔編號(hào)G06K9/00GK102332086SQ20111016097
公開日2012年1月25日 申請日期2011年6月15日 優(yōu)先權(quán)日2011年6月15日
發(fā)明者夏東 申請人:夏東