CN102890782A - 一种适用于人脸识别的新型鲁棒性特征获取方法 - Google Patents
一种适用于人脸识别的新型鲁棒性特征获取方法 Download PDFInfo
- Publication number
- CN102890782A CN102890782A CN2012103510401A CN201210351040A CN102890782A CN 102890782 A CN102890782 A CN 102890782A CN 2012103510401 A CN2012103510401 A CN 2012103510401A CN 201210351040 A CN201210351040 A CN 201210351040A CN 102890782 A CN102890782 A CN 102890782A
- Authority
- CN
- China
- Prior art keywords
- face
- circle
- recognition
- people
- acquisition method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提出了一种适用于人脸识别的新型鲁棒性特征获取方法,其包括如下步骤:利用Gabor滤波器提取人脸的纹理特征;在人脸纹理特征上选定至少一个局部区域,并在所述每一个局部区域上确定至少一个特定方向,对人脸的纹理特征进行一阶求导;对每一个局部区域的各个方向的一阶导数进行二阶求导。本发明的适用于人脸识别的新型鲁棒性特征获取方法能够很好地抓取人脸的面部轮廓曲线,能够克服光照,表情,姿态,以及饰物等的变化,准确性高。同时本发明的变换过程不会增加结果的维数,也不需要复杂的数学运算或者变换,计算很简单,费时少,容易操作。
Description
技术领域
本发明属于计算机视觉技术领域,涉及计算机视觉方面的模式识别,特别涉及一种在光照,表情,姿态变化时能够对人脸进行识别的新型鲁棒性特征获取方法。
背景技术
近年来,数字图像的应用范围越来越广泛,计算机视觉在人类生活上的贡献也越来越大,其中,计算机视觉在人脸识别方面得到了广泛地应用,作为身份验证的方法之一,人脸识别相较于其它身份验证方法,比如指纹识别,语音识别方法等,具有安全性好,容易操作等优点,因此被广泛应用。
目前,围绕人脸识别衍生出了许多方法,例如基于全局特征,基于局部特征等几种方法。在这些方法中,识别结果的好坏很大程度上取决于所选的特征的好坏。而一个好的特征则应具备以下几点要求:第一:准确,作为一个特征,它最基本的功能便是要能准确地去描述样本;第二独特,除准确外,它还要具有独特的性能,这样才能区分不同的样本。
经过时间的淘汰,有两种特征的实用性得到了证明。一是纹理特征,研究者们已经发现皮肤细胞能在高斯变换下呈现出一定的独特的规律,也就是说可以用小波变换来提取人的纹理特征,这便是著名的Gabor特征。另外一种是局部二值模式的特征,它的主要原理是基于比较中心点与其周围点的灰度值然后将其关系提取为一个数值。由于光照强度的不同,摄入人脸上的灰度值也将发生变化。但是对于一个特定的人来说,其局部范围内灰度值分布的关系几乎是不变的。因此,LBP,也就是表征局部灰度值分布的关系的特征,能够作为识别人脸的锋利武器,并且很大程度上的抵抗光照以及表情姿态变化的影响。
这两种特征都是从事人脸识别的研究者们频繁使用的,也都做了各种改进,并且在不同的人脸数据库里取得了良好的识别率。然而,它们各自的局限性也一定程度上阻碍了识别率进一步提升的可能。Gabor特征是全局性的特征,主要在提取边缘轮廓上比较清晰,而在面部的大部分区域,比如说脸颊,下巴等地方,则不能起到作用,而这些无效数据,甚至还会在匹配的时候形成干扰。而LBP特征,则因为它只描述了一阶的变化,独特性不够明显。
另外,由于人脸本身就有一定相似度,又由于人脸并非稳定,有时不同人的两张脸的差异比同一个人的脸在不同环境下的差异都还小。再者,由于光照,表情,姿态等的变化,人脸也将呈现出不同的甚至很大的变化,给识别的结果也带来很大的困扰,而头发,眼镜等遮挡物与饰物,也一定程度上影响了识别的准确性。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种适用于人脸识别的新型鲁棒性特征获取方法。
为了实现本发明的上述目的,本发明提供了一种适用于人脸识别的新型鲁棒性特征获取方法,其包括如下步骤:
S1:利用Gabor滤波器提取人脸的纹理特征;
S2:在人脸纹理特征上选定至少一个局部区域,并在所述每一个局部区域上确定至少一个特定方向,对人脸的纹理特征进行一阶求导;
S3:对每一个局部区域的各个方向的一阶导数进行二阶求导。
本发明的适用于人脸识别的新型鲁棒性特征获取方法能够很好地抓取人脸的面部轮廓曲线,能够克服光照,表情,姿态,以及饰物等的变化,准确性高。同时本发明类似于二阶导数的变换,不会增加结果的维数,也不需要复杂的数学运算或者变换,计算很简单,费时少,容易操作。
在本发明的一个优选实施例中,圆心P沿第i个特定方向上的一阶导数为:
所述一阶导数沿第i个特定方向的变化趋势为:
其中,C1(i),C2(i)为圆C1和圆C2上编号为i的点的像素值,P’为圆心的像素值。
在本发明的另一个优选实施例中,圆心P点的二阶求导数的取值为:
本发明的适用于人脸识别的新型鲁棒性特征获取方法是在局部范围内的两次比较与求导,因此能克服光照引起的增量变化以及姿态引起的平移变化,识别的鲁棒性好。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明适用于人脸识别的新型鲁棒性特征在数学意义上的表示;
图2是本发明一种优选实施方式中的一个局部区域的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
本发明是针对人脸识别过程中遇到的瓶颈问题—如何克服光照,表情,姿态以及饰物的变化而给出的一种解决方案。
本发明提出了一种适用于人脸识别的新型鲁棒性特征获取方法,图1是新型鲁棒性特征在数学意义上的表示,该适用于人脸识别的新型鲁棒性特征获取方法包括如下步骤:
S1:利用Gabor滤波器提取人脸的纹理特征;
S2:在人脸纹理特征上选定至少一个局部区域,并在所述每一个局部区域上确定至少一个特定方向,对人脸的纹理特征进行一阶求导;
S3:对每一个局部区域的各个方向的一阶导数进行二阶求导。
在本发明的一种优选实施方式中,具体步骤为:
第一步:利用Gabor滤波器提取人脸的纹理特征。
首先,将人脸图片预处理,进行同态滤波并且直方图规定化,然后再灰度化;
然后,设置Gabor滤波器,定义如下:
其中,而u为幅值,v为频率,δ=2π,x、y为像素点在人脸图片里的横坐标、纵坐标。
在本实施方式中,幅值u和频率v未知,取
第二步:在第一步获得的人脸纹理特征上选定至少一个局部区域,并在每一个局部区域上确定至少一个特定方向,对人脸的纹理特征进行一阶求导。
在本实施方式中,在人脸纹理特征上选择一个点为圆心P,以半径为r1的圆C1和半径为r2的圆C2所围成的区域为局部区域。在圆C1和圆C2的圆周上分别选择将圆周等分为m+1份的m个点,并将这m个点按照相同的顺序编号为0、2、…、i、…、m-1,由圆心P到圆C1的i点再到圆C2的i点的方向即为第i个特定方向,其中,m为正整数。如图2所示,红色虚线表示得是半径为r1的内圆C1,黑色粗线的圆是半径为r2的外圆C2。
在本发明另外的优选实施方式中,局部区域也可以选用方形区域,即以一个点为中心,两个边长不同的方形所围成的区域为局部区域。
然后分别在每个圆上选取八个点或者更多,遵循局部二值模式的表示方法LBP(r,p)的方式,将其按逆时针排序编号为0,1,2,3,4,5,6,7;由中心点到圆1的第i编号点到圆2同样编号的点便为一个特定方向,表示为P-C1(i)-C2(i),在数学上可以证明这三点一线。由图2所示,在本实施方式中,总共有八个特定的方向,分别以放射状带箭头的虚线表示了出来,比如P-C1(0)-C2(0)为180度方向,P-C1(1)-C2(1)为135度方向。
再后,求圆心P沿第i个特定方向上的一阶导数,表示为:
为计算P点的二阶导数,便要计算出P点的一阶导数变化趋势,一阶导数沿第i个特定方向的变化趋势为:
其中,C1(i),C2(i)为圆C1和圆C2上编号为i的点的像素值,P’为圆心的像素值。
第三步:对圆心P点进行二阶求导,得到新特征:
其中,i=(0,1,2,...,7)。
在本实施方式中,可以根据从左到右,从上至下的顺序,用扫框法依次对一副人脸图片中的每一个点都进行如此操作。新特征提取出来后,可以直接比对,亦可以先经过一些主成分或者线性成分提取后再比对。可以采用但不限于余弦相似度进行对比。
由于本发明的局部区域是选定的特定方向,因为导数本身便表征的是变化值,两次求导之后,识别过程中光照表情姿态饰物等的变化便被消除了,能够准确并且高效地识别出人脸。
本发明的适用于人脸识别的新型鲁棒性特征获取方法能够很好地抓取人脸的面部轮廓曲线,能够克服光照,表情,姿态,以及饰物等的变化,准确性高。同时本发明类似于二阶导数的变换,不会增加结果的维数,也不需要复杂的数学运算或者变换,计算很简单,费时少,容易操作。
本发明的适用于人脸识别的新型鲁棒性特征获取方法是在局部范围内的两次比较与求导,因此能克服光照引起的增量变化以及姿态引起的平移变化,识别的鲁棒性好。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (5)
1.一种适用于人脸识别的新型鲁棒性特征获取方法,其特征在于,包括如下步骤:
S1:利用Gabor滤波器提取人脸的纹理特征;
S2:在人脸纹理特征上选定至少一个局部区域,并在所述每一个局部区域上确定至少一个特定方向,对人脸的纹理特征进行一阶求导;
S3:对每一个局部区域的各个方向的一阶导数进行二阶求导。
2.如权利要求1所述的适用于人脸识别的新型鲁棒性特征获取方法,其特征在于,在所述步骤S2中,在人脸纹理特征上选择一个点P为圆心,以半径为r1的圆C1和半径为r2的圆C2所围成的区域为局部区域。
3.如权利要求2所述的适用于人脸识别的新型鲁棒性特征获取方法,其特征在于,在所述步骤S2中,在所述圆C1和所述圆C2的圆周上分别选择将圆周等分为m+1份的m个点,并将所述m个点按照相同的顺序编号为0、2、…、i、…、m-1,由圆心P到圆C1的i点再到圆C2的i点的方向即为第i个特定方向,所述m为正整数。
5.如权利要求1或5所述的适用于人脸识别的新型鲁棒性特征获取方法,其特征在于,所述圆心P点的二阶求导数的取值为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210351040.1A CN102890782B (zh) | 2012-09-19 | 2012-09-19 | 一种适用于人脸识别的新型鲁棒性特征获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210351040.1A CN102890782B (zh) | 2012-09-19 | 2012-09-19 | 一种适用于人脸识别的新型鲁棒性特征获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102890782A true CN102890782A (zh) | 2013-01-23 |
CN102890782B CN102890782B (zh) | 2016-08-03 |
Family
ID=47534281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210351040.1A Active CN102890782B (zh) | 2012-09-19 | 2012-09-19 | 一种适用于人脸识别的新型鲁棒性特征获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102890782B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318219A (zh) * | 2014-10-31 | 2015-01-28 | 上海交通大学 | 基于局部特征及全局特征结合的人脸识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030086593A1 (en) * | 2001-05-31 | 2003-05-08 | Chengjun Liu | Feature based classification |
-
2012
- 2012-09-19 CN CN201210351040.1A patent/CN102890782B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030086593A1 (en) * | 2001-05-31 | 2003-05-08 | Chengjun Liu | Feature based classification |
Non-Patent Citations (1)
Title |
---|
江艳霞等: "《融合Gabor特征二阶局部导数模式的人脸识别》", 《光电工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318219A (zh) * | 2014-10-31 | 2015-01-28 | 上海交通大学 | 基于局部特征及全局特征结合的人脸识别方法 |
CN104318219B (zh) * | 2014-10-31 | 2017-10-31 | 上海交通大学 | 基于局部特征及全局特征结合的人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102890782B (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105975931B (zh) | 一种基于多尺度池化的卷积神经网络人脸识别方法 | |
CN102332086B (zh) | 一种基于双阈值局部二进制模式的人脸识别方法 | |
Nguyen et al. | Statistical binary patterns for rotational invariant texture classification | |
CN101763503B (zh) | 一种姿态鲁棒的人脸识别方法 | |
CN100395770C (zh) | 一种基于特征关系度量的手部特征融合认证方法 | |
CN101840511B (zh) | 手指静脉特征提取与匹配识别方法 | |
CN102879401A (zh) | 基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法 | |
Ibrahim et al. | Leaf recognition using texture features for herbal plant identification | |
CN103218609A (zh) | 一种基于隐最小二乘回归的多姿态人脸识别方法及其装置 | |
CN101093538A (zh) | 一种基于小波变换过零表示的虹膜识别方法 | |
CN101425137A (zh) | 基于拉普拉斯金字塔的人脸图像融合方法 | |
CN104036247A (zh) | 基于脸部特征的人脸种族分类方法 | |
CN101739546A (zh) | 基于图像交叉重建的单样本注册图像人脸识别方法 | |
CN101551853A (zh) | 复杂静态彩色背景下的人耳检测方法 | |
CN102902967A (zh) | 基于人眼结构分类的虹膜和瞳孔的定位方法 | |
Leonarduzzi et al. | Scattering transform and sparse linear classifiers for art authentication | |
CN104408449A (zh) | 智能移动终端场景文字处理方法 | |
CN104680154B (zh) | 一种基于人脸特征和掌纹特征融合的身份识别方法 | |
CN105225216A (zh) | 基于空间距圆标记边缘检测的虹膜预处理算法 | |
Lee et al. | A Gabor filter-based approach to fingerprint recognition | |
CN102629318A (zh) | 一种基于支持向量机的指纹图像分割方法 | |
CN109658391A (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN103077378A (zh) | 基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统 | |
Fei et al. | Enhanced minutiae extraction for high-resolution palmprint recognition | |
Zhao et al. | Latent fingerprint matching: Utility of level 3 features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |