CN103646234A - 基于lgbph特征的人脸识别方法 - Google Patents

基于lgbph特征的人脸识别方法 Download PDF

Info

Publication number
CN103646234A
CN103646234A CN201310567355.4A CN201310567355A CN103646234A CN 103646234 A CN103646234 A CN 103646234A CN 201310567355 A CN201310567355 A CN 201310567355A CN 103646234 A CN103646234 A CN 103646234A
Authority
CN
China
Prior art keywords
feature
lgbph
features
face identification
fisher
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
Application number
CN201310567355.4A
Other languages
English (en)
Other versions
CN103646234B (zh
Inventor
戴林
王健
李志国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tiandi Weiye Technology Co., Ltd.
Original Assignee
Tianjin Tiandy Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Tiandy Digital Technology Co Ltd filed Critical Tianjin Tiandy Digital Technology Co Ltd
Priority to CN201310567355.4A priority Critical patent/CN103646234B/zh
Publication of CN103646234A publication Critical patent/CN103646234A/zh
Application granted granted Critical
Publication of CN103646234B publication Critical patent/CN103646234B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种基于LGBPH特征的人脸识别方法，该方法包括LGBPH特征的提取和基于Fisher-like准则训练级联的LGBPH特征两部分，并结合特征的权重得到级联的LGBPH特征向量，并利用卡方(Chi-Square)直方图比较方法对两张人脸的LGBPH特征向量进行比较，并给出相似度结果。本发明的基于LGBPH特征的人脸识别方法，结合多种特征，利用Fisher-like准则，选出分类能力最强的特征做为人脸识别的最终特征，试验证明，该方法能够有效提高人脸识别率。

Description

基于LGBPH特征的人脸识别方法
技术领域
本发明属于模式识别领域，涉及一种基于LGBPH特征的人脸识别方法。
背景技术
人脸识别是模式识别领域中一个具有实际应用价值和广阔应用前景的研究课题，但也是其中最为困难的研究课题之一。人脸识别的困难性在于人脸的外形很不稳定，人表情的变化和不同的观察角度人脸的视觉差异都很大，另外，人脸识别还受关照条件，遮挡物，年龄等多方面因素的影响。人脸识别的关键在于人脸的特征描述，人脸描述特征可以分为全局特征和局部特征两大类，全局特征包括PCA，LDA等，目前已经成为人脸识别的基准算法。近些年来，局部特征被认为对人脸的光照、表情和遮挡等变化不敏感，因此也被越来越多地用于人脸表示，比较常用的局部特征包括局部二值模式（LBP），Gabor，HOG，Sift等，一些方法已经将相关特征进行融合，但是还没有明确的理论提供特征融合的理论支持。
发明内容
本发明就是为了解决上述现有技术中的问题，提供了一种基于LGBPH特征的人脸识别方法。
为了达到上述目的，本发明采用如下技术方案：
本发明的基于LGBPH（局部Gabor 二值模式直方图）特征的人脸识别方法，包括LGBPH特征的提取和基于Fisher-like准则训练级联的LGBPH特征两部分，该方法的具体步骤如下：
对人脸图像进行金字塔分层，每一层均匀分块，并提取LGBPH（Local Gabor Binary Pattern Histogram） 特征组；
针对每一层每一块，在LGBPH特征组中利用Fisher-like准则选出级联的N个LGBPH特征作为该块的特征，并得到该块特征的权重；
对所有的块特征基于其权重进行降序排列，选出M个分类能力最强的特征作为最终的表征该人脸的总特征向量，并利用CHISQR (Chi-Square  卡方)直方图比较得到相似度结果。
其中，LGBPH特征是对图像先进行Gabor变换，再在变换的基础上统计的LBP直方图特征，由于Gabor滤波器的尺度和方向的多样性构成了LGBPH特征组。
利用Fisher-like准则选出级联的N个LGBPH特征作为该块的特征，并得到该块特征的权重，Fisher-like准则保证选出的级联特征具有最小类内距离和最大类间距离。
本发明具有的优点和积极效果是：
本发明的基于LGBPH特征的人脸识别方法，结合多种特征，利用Fisher-like准则，选出分类能力最强的特征做为人脸识别的最终特征，试验证明，该方法能够有效提高人脸识别率。
附图说明
图1是LBP二进制表示图；
图2是本发明的基于训练的LGBPH特征流程图。
具体实施方式
下面结合附图和具体实施例对本发明的基于LGBPH特征的人脸识别方法做进一步说明。下述各实施例仅用于说明本发明而并非对本发明的限制。
本发明的基于LGBPH特征的人脸识别方法，包括LGBPH特征的提取和基于Fisher-like准则训练级联的LGBPH特征两部分，该方法的具体步骤如下：
1）首先对人脸图像进行金字塔分层，每一层均匀分块，对于Uniform LBP，使用的块大小为12*12像素，Uniform LBP是指在基本LBP二进制数表示中，1到0和0到1的跳变次数不超过两次，基本LBP的二进制表示如图1所示。
2）  对于每一块利用Gabor滤波器组进行卷积，得到Gabor滤波器的实部响应，Gabor滤波器组公式如公式1所示，
Figure 677609DEST_PATH_IMAGE002
其中，x,y为二维变量，与高斯窗大小有关，
Figure 470115DEST_PATH_IMAGE004
为正余弦角频率，
Figure 2013105673554100002DEST_PATH_IMAGE005
为相位，变化可以得到Gabor滤波器组。
3）  对Gabor滤波器组的响应统计Unifrom LBP直方图特征（LGBPH）；
利用卡方(Chi-Square)直方图比较方法得到两个人脸样本的相似度；穷举所有LGBPH特征，利用Fisher-like准则选出基于该准则的分类能力最强的LGBPH特征，依次得到N组级联的LGBPH特征，Fisher-like准则如公式2所示，
其中
Figure 508709DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
分别是类内和类间直方图距离的均值，
Figure 136131DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
分别是类内和类间直方图距离的方差，J为每个块特征的权重。直方图距离利用卡方(Chi-Square)直方图算法比较，训练特征的流程如图2所示。
对所有块特征基于权重降序排列，选出M个分类能力最强的特征作为最终的表征该人脸的总特征向量，并利用卡方(Chi-Square)直方图比较得到人脸比对的相似度结果，其中卡方(Chi-Square)直方图比较公式如公式3所示。
 
     
本发明利用基于lbp特征编码，可以有效克服一致性光照对人脸识别的影响；对人脸图像进行分层提取特征，可以克服年龄对人脸识别的影响；本发明利用Fisher-like准则选出子特征，在有效识别人脸的同时，可以避免维数灾难(特征维数小于10k 字节)。

Claims (3)

1.一种基于LGBPH特征的人脸识别方法，其特征在于，该方法包括LGBPH特征的提取和基于Fisher-like准则训练级联的LGBPH特征两部分，具体步骤如下：
对人脸图像进行金字塔分层，每一层均匀分块，并提取LGBPH 特征组；
针对每一层每一块，在LGBPH特征组中利用Fisher-like准则选出级联的N个LGBPH特征作为该块的特征，并得到该块特征的权重；
对所有的块特征基于其权重进行降序排列，选出M个分类能力最强的特征作为最终的表征该人脸的总特征向量，并利用卡方直方图比较得到相似度结果。
2.根据权利要求1所述的基于LGBPH特征的人脸识别方法，其特征在于，LGBPH特征是对图像先进行Gabor变换，再在变换的基础上统计的LBP直方图特征，由于Gabor滤波器的尺度和方向的多样性构成了LGBPH特征组。
3.根据权利要求1所述的基于LGBPH特征的人脸识别方法，其特征在于， Fisher-like准则保证选出的级联特征具有最小类内距离和最大类间距离。
CN201310567355.4A 2013-11-15 2013-11-15 基于lgbph特征的人脸识别方法 Active CN103646234B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310567355.4A CN103646234B (zh) 2013-11-15 2013-11-15 基于lgbph特征的人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310567355.4A CN103646234B (zh) 2013-11-15 2013-11-15 基于lgbph特征的人脸识别方法

Publications (2)

Publication Number Publication Date
CN103646234A true CN103646234A (zh) 2014-03-19
CN103646234B CN103646234B (zh) 2017-08-25

Family

ID=50251445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310567355.4A Active CN103646234B (zh) 2013-11-15 2013-11-15 基于lgbph特征的人脸识别方法

Country Status (1)

Country Link
CN (1) CN103646234B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103996024A (zh) * 2014-05-13 2014-08-20 南京信息工程大学 基于字典重建的贝叶斯估计稀疏表示人脸识别方法
CN104021380A (zh) * 2014-05-02 2014-09-03 香港应用科技研究院有限公司 通过计算装置进行面部识别的方法和装置
CN104616034A (zh) * 2015-02-15 2015-05-13 北京化工大学 一种烟雾检测方法
CN105005765A (zh) * 2015-06-29 2015-10-28 北京工业大学 一种基于Gabor小波和灰度共生矩阵的人脸表情识别方法
CN106127193A (zh) * 2016-07-12 2016-11-16 青岛大学 一种人脸图像识别方法
CN104134213B (zh) * 2014-09-02 2017-02-15 武汉华目信息技术有限责任公司 一种数字图像中的目标定位方法以及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147556A1 (en) * 2002-01-18 2003-08-07 Madhusudhana Gargesha Face classification using curvature-based multi-scale morphology
CN101315663A (zh) * 2008-06-25 2008-12-03 中国人民解放军国防科学技术大学 一种基于区域潜在语义特征的自然场景图像分类方法
CN101763507A (zh) * 2010-01-20 2010-06-30 北京智慧眼科技发展有限公司 人脸识别方法及人脸识别系统
CN102024141A (zh) * 2010-06-29 2011-04-20 上海大学 基于Gabor小波变换和局部二值模式优化的人脸识别方法
CN102163283A (zh) * 2011-05-25 2011-08-24 电子科技大学 一种基于局部三值模式的人脸特征提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147556A1 (en) * 2002-01-18 2003-08-07 Madhusudhana Gargesha Face classification using curvature-based multi-scale morphology
CN101315663A (zh) * 2008-06-25 2008-12-03 中国人民解放军国防科学技术大学 一种基于区域潜在语义特征的自然场景图像分类方法
CN101763507A (zh) * 2010-01-20 2010-06-30 北京智慧眼科技发展有限公司 人脸识别方法及人脸识别系统
CN102024141A (zh) * 2010-06-29 2011-04-20 上海大学 基于Gabor小波变换和局部二值模式优化的人脸识别方法
CN102163283A (zh) * 2011-05-25 2011-08-24 电子科技大学 一种基于局部三值模式的人脸特征提取方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021380A (zh) * 2014-05-02 2014-09-03 香港应用科技研究院有限公司 通过计算装置进行面部识别的方法和装置
CN104021380B (zh) * 2014-05-02 2017-12-12 香港应用科技研究院有限公司 通过计算装置进行面部识别的方法和装置
CN103996024A (zh) * 2014-05-13 2014-08-20 南京信息工程大学 基于字典重建的贝叶斯估计稀疏表示人脸识别方法
CN104134213B (zh) * 2014-09-02 2017-02-15 武汉华目信息技术有限责任公司 一种数字图像中的目标定位方法以及装置
CN104616034A (zh) * 2015-02-15 2015-05-13 北京化工大学 一种烟雾检测方法
CN104616034B (zh) * 2015-02-15 2018-05-29 北京化工大学 一种烟雾检测方法
CN105005765A (zh) * 2015-06-29 2015-10-28 北京工业大学 一种基于Gabor小波和灰度共生矩阵的人脸表情识别方法
CN105005765B (zh) * 2015-06-29 2018-08-28 北京工业大学 一种基于Gabor小波和灰度共生矩阵的人脸表情识别方法
CN106127193A (zh) * 2016-07-12 2016-11-16 青岛大学 一种人脸图像识别方法
CN106127193B (zh) * 2016-07-12 2019-09-06 青岛大学 一种人脸图像识别方法

Also Published As

Publication number Publication date
CN103646234B (zh) 2017-08-25

Similar Documents

Publication Publication Date Title
Suruliandi et al. Local binary pattern and its derivatives for face recognition
CN103646234A (zh) 基于lgbph特征的人脸识别方法
CN102521575B (zh) 基于多方向Gabor和Adaboost虹膜识别方法
CN102122354B (zh) 基于自适应特征块选择的步态识别方法
CN102902980B (zh) 一种基于线性规划模型的生物特征图像分析与识别方法
Shobeirinejad et al. Gender classification using interlaced derivative patterns
CN103020614B (zh) 基于时空兴趣点检测的人体运动识别方法
Cai et al. Traffic sign recognition algorithm based on shape signature and dual-tree complex wavelet transform
Van et al. Robust finger vein identification base on discriminant orientation feature
CN102915451A (zh) 基于混沌不变量的动态纹理识别方法
Paisitkriangkrai et al. Face detection with effective feature extraction
Mohamed et al. Adaptive extended local ternary pattern (aeltp) for recognizing avatar faces
Zhao et al. A real-time hand gesture recognition method
Zhao et al. Dynamic texture recognition using multiscale PCA-learned filters
Leng et al. Cascade shallow CNN structure for face verification and identification
Xia et al. Enhancing gender classification by combining 3D and 2D face modalities
Pal et al. Interval-valued symbolic representation based method for off-line signature verification
Priya et al. A local min-max binary pattern based face recognition using single sample per class
Xie et al. A novel infrared face recognition based on local binary pattern
CN102142083A (zh) 一种基于lda子空间学习的人脸识别方法
Ardakany et al. An extended local binary pattern for gender classification
Ahmed et al. Facial feature representation with directional ternary pattern (DTP): Application to gender classification
Ngoc An efficient LBP-based descriptor for real-time object detection
Jia et al. Research of improved algorithm based on LBP for face recognition
Lai et al. Gender recognition using local block difference pattern

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 300384 in3xiqing District Huayuan Industrial Zone (outer ring road) No. 8 Haitai branch

Patentee after: Tiandi Weiye Technology Co., Ltd.

Address before: 300384 Tianjin city Xiqing District Huayuan new technology Industrial Park (outer ring road No. 8) two Haitai branch

Patentee before: Tianjin Tiandy Digital Technology Co., Ltd.