專利名稱：人臉特征的提取方法及系統(tǒng)的制作方法
技術(shù)領域：
本發(fā)明涉及圖像處理領域，尤其涉及一種人臉特征的提取方法及系統(tǒng)。
背景技術(shù)：
二十一世紀是信息技術(shù)的時代，從電腦到網(wǎng)絡，信息技術(shù)給人們的生活帶來了無數(shù)的便利，對用戶進行身份認證，是保證信息安全的一個有效措施。傳統(tǒng)的身份驗證 方法，已經(jīng)不能適應社會高速發(fā)展的需要，在這種情況下生物特征識別技術(shù)應運而生，近幾年發(fā)展起來的用于身份識別的生物特征有手形、指紋、人臉、虹膜、視網(wǎng)膜、脈搏、耳廓等。人臉識別作為生物特征識別的一個重要組成部分擁有其他生物特征所不具有的優(yōu)勢，在生物特征識別中占有舉足輕重的地位。人臉特征與其它生物特征相比在身份驗證方面具有明顯的優(yōu)勢(I)采集設備簡單。只需要普通攝像頭就能完成人臉圖像的采集，成本比較低，易于大規(guī)模普及。(2)非接觸性。人臉圖像在采集圖像的時候人們不需要刻意去迎合采集設備的要求，不需要去接觸采集設備，不會影響人們的正常生活工作。(3)人工監(jiān)督的便利。對于指紋、虹膜等生物特征，如果不是專業(yè)的設備，是很難分辨出指紋歸屬于誰，但人臉識別中采集的人臉圖像人眼能夠分辨出來，更有力于人們的系統(tǒng)的檢驗與監(jiān)督。人臉識別主要包括以下幾個步驟(I)人臉檢測，既從輸入圖像中檢測出我們所需要的人臉；(2)人臉特征提取，既利用人臉特征提取方法對人臉進行特征提取；(3)人臉特征識別，既把檢測出來的人臉特征和樣本庫中的人臉特征進行比較完成人臉識別。不同的人臉識別方法不同之處就在于人臉特征提取方法，比較常見的人臉特征提取方法有
(I)基于幾何特征的人臉識別方法，這種方法出現(xiàn)在早期人臉識別階段；(2)基于模板匹配的人臉識別方法，所謂模板就是采集的人臉圖像進行一系列處理之后，保存為能夠進行識別的標準樣本，需要識別的人臉通過與保存下來的標準樣本進行匹配來判斷是否是樣本庫中的人；(3)基于統(tǒng)計的人臉識別方法，顧名思義這類方法的分類器是通過對訓練樣本進行統(tǒng)計學習得到的；(4)基于神經(jīng)網(wǎng)絡的人臉識別方法，通過模擬人的神經(jīng)運作原理，科學家提出了人工神經(jīng)網(wǎng)絡這一非線性方法；(5)基于彈性圖匹配的人臉識別方法，此類方法是建立在動態(tài)鏈接結(jié)構(gòu)的基礎上的，用一個彈性束圖對人臉進行描述。但上述方法的計算復雜度很高，CPU負荷大，要完成精細的、實時在線的人臉識別技術(shù)其硬件成本非常高。

發(fā)明內(nèi)容
本發(fā)明主要解決的技術(shù)問題是提供一種人臉特征的提取方法及系統(tǒng)，用以能夠更快更有效地提取人臉特征，滿足人臉識別性的實時性要求。為解決上述問題，本發(fā)明采用的一種技術(shù)方案是提供一種人臉特征的提取方法，包括SI、獲取并比較圖像庫中的人臉圖像的各像素點及其周圍像素點的灰度值，確定所述人臉圖像中的各像素點及其周圍像素點的灰度差值；S2、對所述灰度差值進行概率密度統(tǒng)計，獲取所述灰度差值的累計概率分布，并根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼，得到灰度差值編碼；S3、對所述灰度差值編碼進行線性局部二值模式的計算，得到水平方向的特征向量Pl和垂直方向的特征向量P2 ；S4、對所述灰度差值編碼進行統(tǒng)計局部二值模式的計算，得到水平方向的特征向量P3和垂直方向的特征向量P4 ；S5、將所述特征向量PI、P2、P3、P4組合，用于表征所述人臉圖像的人臉特征。 其中，所述步驟S2計算線性二值模式時，線性鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。其中，以所述人臉圖像的像素點為中心，左右和上下均選取四個像素點。其中，所述步驟S3計算統(tǒng)計二值模式時，統(tǒng)計鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。其中，以所述人臉圖像的像素點為中心，左右和上下均選取一個像素點。其中，所述步驟S5是通過以下公式將所述特征向量P1、P2、P3、P4組合的Ρ=Ρ1+Ρ2+0. 1*(P3+P4)。為解決上述問題，本發(fā)明采用的另一種技術(shù)方案是提供一種人臉特征的提取系統(tǒng)，包括比較模塊，用于獲取并比較圖像庫中的人臉圖像的各像素點及其周圍像素點的灰度值，確定所述人臉圖像中的各像素點及其周圍像素點的灰度差值；編碼模塊，用于對所述灰度差值進行概率密度統(tǒng)計，獲取所述灰度差值的累計概率分布，并根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼，得到灰度差值編碼；線性計算模塊，用于對所述灰度差值編碼進行線性局部二值模式的計算，得到水平方向的特征向量Pl和垂直方向的特征向量P2 ；統(tǒng)計計算模塊，用于對所述灰度差值編碼進行統(tǒng)計局部二值模式的計算，得到水平方向的特征向量P3和垂直方向的特征向量P4 ；組合模塊，用于將所述特征向量PU P2、P3、P4組合，用于表征所述人臉圖像的人臉特征。其中，所述線性計算模塊計算線性二值模式時，線性鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。其中，以所述人臉圖像的像素點為中心，左右和上下均選取四個像素點。其中，所述統(tǒng)計計算模塊計算統(tǒng)計二值模式時，統(tǒng)計鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。其中，以所述人臉圖像的像素點為中心，左右和上下均選取一個像素點。其中，所述組合模塊通過公式Ρ=Ρ1+Ρ2+0. 1*(P3+P4)將所述特征向量P1、P2、P3、P4組合。本發(fā)明的有益效果是區(qū)別于現(xiàn)有技術(shù)計算復雜度很高，CPU負荷大，要完成精細的人臉識別技術(shù)其硬件成本需相應增加，而在硬件成本增加的同時，其運行速度與識別率并未有較大的提高，且對于對圖像采集的環(huán)境要求較高。本發(fā)明提供一種人臉特征的提取方法及系統(tǒng)，通過對人臉圖像中的各像素點及其周圍像素點的灰度差值進行編碼，并對灰度差值編碼進行線性局部二值模式和統(tǒng)計局部二值模式的計算，結(jié)合并利用線性局部二值模式的快速性和統(tǒng)計局部二值模式的高效性，能夠更快速更有效的提取人臉特征信息，在沒有增加硬件成本，運行速度沒有降低的條件下，識別率有很大的提高，且其中運用預處理算法，使得對圖像采集環(huán)境的要求降低，本發(fā)明很好的滿足實時在線系統(tǒng)對人臉識別算法計算速度和識別精度的要求，為人臉識別技術(shù)發(fā)展和最終應用產(chǎn)生積極地推動作用。進一步的，通過本發(fā)明提供的技術(shù)方案，得到的灰度差值編碼更加精細，但計算復制度并未提聞，但識別率提聞很多。


圖I是本發(fā)明提供的一實施方式中局部二值模式示意圖；圖2是本發(fā)明提供的一實施方式中人臉特征的提取方法流程圖；圖3是本發(fā)明提供的上述實施方式中ORL人臉庫灰度差值累積概率分布和二進制編碼；圖4是本發(fā)明提供的上述實施方式中線性統(tǒng)計局部二值模式算法流程圖；圖5是本發(fā)明提供的另一實施方式中人臉特征的提取方法流程圖；圖6是本發(fā)明提供的一實施方式中人臉特征的提取系統(tǒng)的功能模塊圖。
具體實施例方式為詳細說明本發(fā)明的技術(shù)內(nèi)容、構(gòu)造特征、所實現(xiàn)目的及效果，以下結(jié)合實施方式并配合附圖詳予說明。為了能夠更準確地理解本發(fā)明提出的技術(shù)方案，本申請文件先具體解釋以下幾個專業(yè)術(shù)語。定義I局部二值模式局部二值模式最初是用來分析數(shù)字圖像的紋理特征的一種算法。算法的核心思想是利用窗函數(shù)遍歷整個圖像，提取紋理特征，而最基本的窗函數(shù)是如圖I所示的3X3的矩陣，我們用O和I來表示中心像素和相鄰像素的灰度值大小關系，如果相鄰像素點的灰度值比中心像素的灰度值高，則把此相鄰像素點對應的這一位置標記為1，如果相鄰像素點的灰度值比中心像素的灰度值低，則把此相鄰像素點對應的這一位置標記為O。這樣處理之后，相鄰的8個像素點就會得到八個二進制的標記O或者1，把這8個二進制數(shù)按順序排列起來就形成了一個8bit的無符號二進制數(shù)，這也就是提取出來的該點的紋理特征的LBP特征。定義2線性局部二值模式局部二值模式參考定義1，不同之處在于遍歷窗口函數(shù)選取的為線性。定義3統(tǒng)計局部二值模式參考定義I和定義2，與定義2的不同之處在于，不是簡單的考慮相鄰像素灰度值大小關系，而是把他們的差值具體多少進行二進制編碼。定義4統(tǒng)計線性局部二值模式將定義2和定義3結(jié)合起來的人臉特征提取方法。請參閱圖2至圖4，本實施方式提供一種人臉特征的提取方法，包括
SI、獲取并比較圖像庫中的人臉圖像的各像素點及其周圍像素點的灰度值，確定所述人臉圖像中的各像素點及其周圍像素點的灰度差值。在本發(fā)明中，周圍像素點即為鄰域像素點，是以人臉圖像中的像素點為中心，左、右、上、下均選取相同數(shù)目的像素點。S2、對所述灰度差值進行概率密度統(tǒng)計，獲取所述灰度差值的累計概率分布，并根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼，得到灰度差值編碼。在本實施方式中，編碼時首先要計算對比度獲得局部二值模式，以圖I中的數(shù)值為例，對比度計算C= (56+34+78+128) /4- (20+12+18+6) /4=60，對比度需要對灰度差值進行編碼，將其編碼成3位二進制編碼，則需要依據(jù)統(tǒng)計的概率分布將所述灰度差值的累計概率分布分成8個近似相等的區(qū)間。
在上述的其他實施方式中，二進制的編碼位數(shù)如果為4位，那么則需要將所述灰度差值的累計概率分布分成16個近似相等的區(qū)間。在本發(fā)明中，二進制的編碼位數(shù)N與所述灰度差值的累計概率近似相等的區(qū)間個數(shù)M的關系滿足下述公式M=2n。在上述一實施方式中，請參閱圖3，二進制的編碼位數(shù)的要求為4位，其對應關系映射到16個不同編碼，將灰度差值的累計概率分布分成16個近似相等的區(qū)間，每份1/16，把累計概率接近1/16的區(qū)間統(tǒng)計出來，同一區(qū)間的GD映射的二進制編碼一致。其中，灰度差值的累計概率分布滿足下述公式f" _/7(x) 4 O 0625 式(I)
jxI通過上述步驟，本技術(shù)方案得到的灰度差值編碼更加精細，但計算復制度并未提聞，但識別率提聞很多。S3、對所述灰度差值編碼進行線性局部二值模式的計算，得到水平方向的特征向量Pl和垂直方向的特征向量P2。在本實施方式中，在其他實施方式中，可以采用直線型的計算窗口，也可以采用斜線型的計算窗口，比如斜450方向計算窗口，不同方向計算窗口選擇的目的是為了尋找最優(yōu)的鄰域像素選取方向。在本實施方式中，線性局部二值模式指的是水平和垂直方向的二值模式，通過分別在水平和垂直方向的計算分別得到Pl和P2向量，與后續(xù)結(jié)果聯(lián)合表征人臉特征。在本實施方式中，P1、P2的通過下述公式處理得到LLBPh(N,c) = Y^lSihn —hy’M+Uihn-hc)-2^ 式(2)LLBPr(N,c) =-vc).2( —c—” 式(3)LLBPm = ^LLBl)- + LLHP； jl； (4 )
I if(x > 0)5(x)= 。、式(5)
S4、對所述灰度差值編碼進行統(tǒng)計局部二值模式的計算，得到水平方向的特征向量P3和垂直方向的特征向量P4。請參閱圖4，以垂直方向為例，通過對所述灰度差值編碼進行線性局部二值模式的計算，即將所有相鄰像素與中心像素90對比，比中心像素小的取1，比中心像素大的取0，得到八個二進制數(shù)I 0 0 1 10 1 0，其與二進制數(shù)8 4 2 1 1 2 4 8相乘并相加，得到垂直方向的特征向量P2=8+l+(l+4)=14，而P4是對所述灰度差值編碼進行統(tǒng)計局部二值模式的計算，由中心像素與其相鄰的兩個像素53、75做差得到37、15，通過圖3得到對應編碼14、10，則垂直方向的特征向量P4=14+10=24。同理可得水平方向特征向量P1、P3。S5、將所述特征向量PU P2、P3、P4組合，用于表征所述人臉圖像的人臉特征。在本發(fā)明中，步驟S5是按照一定權(quán)重和順序?qū)⑺鎏卣飨蛄縋1、P2、P3、P4進行組合的。在上述最佳的實施方式中，所述步驟S5是通過以下公式將所述特征向量P1、P2、P3、 P4組合的Ρ=Ρ1+Ρ2+0. 1*(P3+P4)。在另外的實施方式中，如果線性鄰域像素點或統(tǒng)計鄰域像素點的選取進行調(diào)整后，特征向量權(quán)重分配也需要進行調(diào)整，其組合公式可以為P=a(Pl+P2)+b (P2+P3)或者 P=a(P1+P3)+b (P2+P4)或者 P=Pl+aP2+b (P3+P4)，其中，a 取值O. fl，b取值O. Γ , a、b以O. I為步長進行調(diào)整。本發(fā)明通過對人臉圖像中的各像素點及其周圍像素點的灰度差值進行編碼，并對灰度差值編碼進行線性局部二值模式和統(tǒng)計局部二值模式的計算，結(jié)合并利用線性局部二值模式的快速性和統(tǒng)計局部二值模式的高效性，能夠更快速更有效的提取人臉特征信息，很好的滿足實時在線系統(tǒng)對人臉識別算法計算速度和識別精度的要求，為人臉識別技術(shù)發(fā)展和最終應用產(chǎn)生積極地推動作用。進一步的，通過根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼、得到的灰度差值編碼更加精細，但計算復制度并未提高，但識別率提高很多。在如圖5所示的實施方式中，上述步驟S2、步驟S3是同時時行的。在另外的實施方式中，步驟S2可以與步驟S3對調(diào)，即按照步驟SI-步驟S3-步驟S2-步驟S4-步驟S5的時序執(zhí)行本發(fā)明提供的技術(shù)方案。在上述某些實施方式中，所述步驟S2計算線性二值模式時，線性鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。進一步理解就是，本發(fā)明選取線性鄰域像素點的時候，以人臉圖像的像素點為中心，人臉圖像的像素點的左、右、上、下均選取相同數(shù)目的像素點。在上述優(yōu)選的實施方式中，以所述人臉圖像的像素點為中心，左右和上下均選取四個像素點，即水平方向和垂直方向均選取八個像素點，就能夠達到算法最佳識別率。在另外的實施方式中，選取的像素點數(shù)目可根據(jù)實際需要具體設定。在上述某些實施方式中，所述步驟S3計算統(tǒng)計二值模式時，統(tǒng)計鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。在上述具體的實施方式中，以所述人臉圖像的像素點為中心，左右和上下均選取一個像素點，即以人臉圖像的像素點為中心，左、右、上、下各選取一個像素點，就可以達到算法最佳識別率。在另外的實施方式中，選取的像素點數(shù)目可根據(jù)實際需要具體設定。請參閱圖I至圖6，本發(fā)明提供一種人臉特征的提取系統(tǒng)，包括
比較模塊，用于獲取并比較圖像庫中的人臉圖像的各像素點及其周圍像素點的灰度值，確定所述人臉圖像中的各像素點及其周圍像素點的灰度差值。編碼模塊，用于對所述灰度差值進行概率密度統(tǒng)計，獲取所述灰度差值的累計概率分布，并根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼，得到灰度差值編碼。在本實施方式中，編碼時首先要計算對比度獲得局部二值模式，以圖I中的數(shù)值為例，對比度計算C= (56+34+78+128) /4- (20+12+18+6) /4=60，對比度需要對灰度差值進行編碼，將其編碼成3位二進制編碼，則需要依據(jù)統(tǒng)計的概率分布將所述灰度差值的累計概率分布分成8個近似相等的區(qū)間。在上述的其他實施方式中，二進制的編碼位數(shù)如果為4位，那么則需要將所述灰 度差值的累計概率分布分成16個近似相等的區(qū)間。在本發(fā)明中，二進制的編碼位數(shù)N與所述灰度差值的累計概率近似相等的區(qū)間個數(shù)M的關系滿足下述公式M=2n。在上述一實施方式中，請參閱圖3，二進制的編碼位數(shù)的要求為4位，其對應關系映射到16個不同編碼，將灰度差值的累計概率分布分成16個近似相等的區(qū)間，每份1/16，把累計概率接近1/16的區(qū)間統(tǒng)計出來，同一區(qū)間的GD映射的二進制編碼一致。其中，灰度差值的累計概率分布滿足下述公式p[X) 4 O U625 ； ( I)通過上述技術(shù)方案，本技術(shù)方案得到的灰度差值編碼更加精細，但計算復制度并未提高，使得運算速度并未降低，且硬件成本并未增加，而識別率提高很多，滿足了實時人臉識別的各項要求。線性計算模塊，用于對所述灰度差值編碼進行線性局部二值模式的計算，得到水平方向的特征向量Pl和垂直方向的特征向量Ρ2。在本實施方式中，在其他實施方式中，可以采用直線型的計算窗口，也可以采用斜線型的計算窗口，比如斜450方向計算窗口，不同方向計算窗口選擇的目的是為了尋找最優(yōu)的鄰域像素選取方向。在本實施方式中，線性局部二值模式指的是水平和垂直方向的二值模式，通過分別在水平和垂直方向的計算分別得到Pl和Ρ2向量，與后續(xù)結(jié)果聯(lián)合表征人臉特征。在本實施方式中，Ρ1、Ρ2的通過下述公式處理得到LLBPh{N,c) = Y^S{hn —hc).2(一-hc)-2^ 式(2)LLBPv(N，c) = Y=Siv,,-vc) 式(3)LLBPm = sIlLBP' + LLBPl 式(4)
//'(-ν>0)
剛叫 ο,/.(λ-<0)式(5)其中，LLBPh表示的是水平方向的二值模式，LLBPv表示的是垂直方向的二值模式，LLBPm是水平方向和垂直方向模的二值模式。N是線性鄰域的長度，c是水平方向的中點h。和垂直方向的中點V。所在的位置，hn是水平方向上的像素點，Vn是垂直方向上的像素點。將最后計算得到的水平和垂直方向的LBP特征以及它的模來共同描述人臉的紋理特征。統(tǒng)計計算模塊，用于對所述灰度差值編碼進行統(tǒng)計局部二值模式的計算，得到水平方向的特征向量P3和垂直方向的特征向量P4。組合模塊，用于將所述特征向量P1、P2、P3、P4組合，用于表征所述人臉圖像的人臉特征。在本發(fā)明中，所述組合模塊是按照一定權(quán)重和順序?qū)⑺鎏卣飨蛄縋1、P2、P3、P4進行組合的。在上述最佳的實施方式中，所述組合模塊通過公式Ρ=Ρ1+Ρ2+0. 1*(P3+P4)將所述特征向量PU P2、P3、P4組合。在另外的實施方式中，如果線性鄰域像素點或統(tǒng)計鄰域像素點的選取進行調(diào)整后，特征向量權(quán)重分配也需要進行調(diào)整，其組合公式可以為P=a(Pl+P2)+b (P2+P3)或者 P=a(P1+P3)+b (P2+P4)或者 P=Pl+aP2+b (P3+P4)，其中，a 取值
O.Γ , b取值O. Γ , a、b以O. I為步長進行調(diào)整。
本發(fā)明通過對人臉圖像中的各像素點及其周圍像素點的灰度差值進行編碼，并對灰度差值編碼進行線性局部二值模式和統(tǒng)計局部二值模式的計算，結(jié)合并利用線性局部二值模式的快速性和統(tǒng)計局部二值模式的高效性，能夠更快速更有效的提取人臉特征信息，很好的滿足實時在線系統(tǒng)對人臉識別算法計算速度和識別精度的要求，為人臉識別技術(shù)發(fā)展和最終應用產(chǎn)生積極地推動作用。進一步的，通過根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼、得到的灰度差值編碼更加精細，但計算復制度并未提高，但識別率提高很多。在上述的某些實施方式中，所述線性計算模塊計算線性二值模式時，線性鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。進一步理解就是，本發(fā)明選取線性鄰域像素點的時候，以人臉圖像的像素點為中心，人臉圖像的像素點的左、右、上、下均選取相同數(shù)目的像素點。在上述優(yōu)選的實施方式中，以所述人臉圖像的像素點為中心，左右和上下均選取四個像素點，即水平方向和垂直方向均選取八個像素點，就能夠達到算法最佳識別率。在另外的實施方式中，選取的像素點數(shù)目可根據(jù)實際需要具體設定。在上述的某些實施方式中，所述統(tǒng)計計算模塊計算統(tǒng)計二值模式時，統(tǒng)計鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。在上述的優(yōu)選實施方式中，以所述人臉圖像的像素點為中心，左右和上下均選取一個像素點，即以人臉圖像的像素點為中心，左、右、上、下各選取一個像素點，就可以達到算法最佳識別率。在另外的實施方式中，選取的像素點數(shù)目可根據(jù)實際需要具體設定。綜上所述，本發(fā)明通過對人臉圖像中的各像素點及其周圍像素點的灰度差值進行編碼，并對灰度差值編碼進行線性局部二值模式和統(tǒng)計局部二值模式的計算，結(jié)合并利用線性局部二值模式的快速性和統(tǒng)計局部二值模式的高效性，能夠更快速更有效的提取人臉特征信息，很好的滿足實時在線系統(tǒng)對人臉識別算法計算速度和識別精度的要求，為人臉識別技術(shù)發(fā)展和最終應用產(chǎn)生積極地推動作用。進一步的，通過根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼、得到的灰度差值編碼更加精細，但計算復制度并未提高，但識別率提高很多。以上所述僅為本發(fā)明的實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關的技術(shù)領域，均同理包括在本發(fā)明的專利保 護范圍內(nèi)。
權(quán)利要求
1.一種人臉特征的提取方法，其特征在于，包括 51、獲取并比較圖像庫中的人臉圖像的各像素點及其周圍像素點的灰度值，確定所述人臉圖像中的各像素點及其周圍像素點的灰度差值； 52、對所述灰度差值進行概率密度統(tǒng)計，獲取所述灰度差值的累計概率分布，并根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼，得到灰度差值編碼； 53、對所述灰度差值編碼進行線性局部二值模式的計算，得到水平方向的特征向量Pl和垂直方向的特征向量P2 ； 54、對所述灰度差值編碼進行統(tǒng)計局部二值模式的計算，得到水平方向的特征向量P3和垂直方向的特征向量P4 ； 55、將所述特征向量PI、P2、P3、P4組合，用于表征所述人臉圖像的人臉特征。
2.根據(jù)權(quán)利要求I所述的人臉特征的提取方法，其特征在于，所述步驟S2計算線性二值模式時，線性鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。
3.根據(jù)權(quán)利要求2所述的人臉特征的提取方法，其特征在于以所述人臉圖像的像素點為中心，左右和上下均選取四個像素點。
4.根據(jù)權(quán)利要求I所述的人臉特征的提取方法，其特征在于，所述步驟S3計算統(tǒng)計二值模式時，統(tǒng)計鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。
5.根據(jù)權(quán)利要求4所述的人臉特征的提取方法，其特征在于以所述人臉圖像的像素點為中心，左右和上下均選取一個像素點。
6.根據(jù)權(quán)利要求I至5任一項所述的人臉特征的提取方法，其特征在于，所述步驟S5是通過以下公式將所述特征向量P1、P2、P3、P4組合的Ρ=Ρ1+Ρ2+0. 1*(P3+P4)。
7.—種人臉特征的提取系統(tǒng)，其特征在于，包括 比較模塊，用于獲取并比較圖像庫中的人臉圖像的各像素點及其周圍像素點的灰度值，確定所述人臉圖像中的各像素點及其周圍像素點的灰度差值； 編碼模塊，用于對所述灰度差值進行概率密度統(tǒng)計，獲取所述灰度差值的累計概率分布，并根據(jù)所述灰度差值的累計概率分布及特征向量編碼位數(shù)要求對所述灰度差值進行編碼，得到灰度差值編碼； 線性計算模塊，用于對所述灰度差值編碼進行線性局部二值模式的計算，得到水平方向的特征向量Pl和垂直方向的特征向量P2 ； 統(tǒng)計計算模塊，用于對所述灰度差值編碼進行統(tǒng)計局部二值模式的計算，得到水平方向的特征向量P3和垂直方向的特征向量P4 ； 組合模塊，用于將所述特征向量PU P2、P3、P4組合，用于表征所述人臉圖像的人臉特征。
8.根據(jù)權(quán)利要求7所述的人臉特征的提取系統(tǒng)，其特征在于，所述線性計算模塊計算線性二值模式時，線性鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。
9.根據(jù)權(quán)利要求7所述的人臉特征的提取系統(tǒng)，其特征在于，所述統(tǒng)計計算模塊計算統(tǒng)計二值模式時，統(tǒng)計鄰域像素點是通過以下方法選取的以所述人臉圖像的像素點為中心，左右和上下均選取相同的像素點數(shù)目。
10.根據(jù)權(quán)利要求7至9任一項所述的人臉特征的提取系統(tǒng)，其特征在于所述組合模塊通過公式Ρ=Ρ1+Ρ2+0. 1*(P3+P4)將所述特征向量PU P2、P3、P4組合。
全文摘要
本發(fā)明提供一種人臉特征的提取方法及系統(tǒng)，所述方法包括S1、獲取并比較圖像庫中的人臉圖像的各像素點及其周圍像素點的灰度值，確定人臉圖像中的各像素點及其周圍像素點的灰度差值；S2、對灰度差值進行概率密度統(tǒng)計，獲取灰度差值的累計概率分布，并根據(jù)灰度差值的累計概率分布及特征向量編碼位數(shù)要求對灰度差值進行編碼，得到灰度差值編碼；S3、對灰度差值編碼進行線性局部二值模式的計算，得到水平方向的特征向量P1和垂直方向的特征向量P2；S4、對灰度差值編碼進行統(tǒng)計局部二值模式的計算，得到水平方向的特征向量P3和垂直方向的特征向量P4；S5、將特征向量P1、P2、P3、P4組合，用于表征人臉圖像的人臉特征。
文檔編號G06K9/00GK102880870SQ20121031988
公開日2013年1月16日 申請日期2012年8月31日 優(yōu)先權(quán)日2012年8月31日
發(fā)明者程建, 黃芮婕, 張敬獻, 孫正春 申請人:電子科技大學