CN103729625A - 一种人脸识别的方法 - Google Patents
一种人脸识别的方法 Download PDFInfo
- Publication number
- CN103729625A CN103729625A CN201310750429.8A CN201310750429A CN103729625A CN 103729625 A CN103729625 A CN 103729625A CN 201310750429 A CN201310750429 A CN 201310750429A CN 103729625 A CN103729625 A CN 103729625A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- facial image
- lcp
- identification 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.)
- Pending
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸的方法，采用局部环形模式(LCP)对待识别人脸图像进行处理。该方法包括：对正面人脸进行检测，获取包含人脸关键特征点的人脸原始图像；对人脸图像进行预处理，按照预先设置的规格，对人脸图像进行方向归一化和尺度归一化；对预处理后的人脸图像进行图像分割；对每个分块图像进行进一步的高斯平滑处理；对除边缘像素点之外的每个像素点计算LCP特征值，并用该特征值代替原像素点的初始灰度值；每个分块进行特征向量提取，得到该分块的直方图特征，并级联起来组合成一个复合的特征向量；采用卡方距离函数计算直方图平方距离；采用最邻近识别法对待识别图像进行判定类别识别。经过大量的实验数据表明，与现有的基于局部二值算法(LBP)算法的人脸识别方法相比，本发明的人脸识别方法有效地提高了人脸图像的识别率和正确率。
Description
技术领域
本发明涉及人脸识别技术领域，特别涉及一种基于局部环形模式（LCP）的人脸识别方法。
背景技术
近年来，随着计算机科学技术和网络信息技术的不断发展，信息安全性和私密性越来越受到人们的重视，如何快速有效地进行个人身份的认证和识别，成为一项热门的研究领域。人脸识别作为基于生物特征识别技术的身份认证中最主要的方法之一，人脸识别技术取得了很大的进步，各类人脸识别技术相继被提出，从最初的非自动识别阶段，已经发展到现在的自动识别阶段。但是由于受光照、姿态、表情以及年龄等多方面条件的影响，导致人脸识别的结果不是很准确。其中，又以光照变化带来的影响最为明显，脸部特征在户外环境或光照条件变化非可控的环境下，会产生非线性变化，使得人脸识别很困难。
为了消除光照对人脸识别的影响，1999年Ojala等人引入了局部二值模式(LBP)作为纹理算子来分析图像纹理特征，该方法将图像局部的纹理特征要通过局部像素灰度值之间的关系来表示。例如，图1为现有技术中通过LBP对人脸图像的局部特征进行二值量化的示意图。如图1所示，局部二值模式算子定义在一个3X3的窗口，以中心窗口像素点的灰度值作为阈值，将其周围半径为1的邻域范围内的8个相邻像素点的灰度值与其比较，如果周围某一相邻像素点的灰度值大于该阈值，那么该像素位置标记为1，否则为0。这样邻域内的8个像素点按顺时针串联得到一串8位的二进制的LBP编码，再将其转换成十进制数，则该数值为中心像素点的特征值，并被用来描述该局部区域的纹理信息。虽然LBP在人脸识别领域得到了广泛的应用，但是其只考虑了中心像素点与邻居像素点之间的灰度值的大小关系，导致降低了人脸图像局部信息的描述能力，从而影响了识别的准确性。因此，要提高人脸识别的准确性，引入中心像素点和邻居像素点之间的灰度对比信息成为当前的一个研究方向。
发明内容
本发明针对现有技术中采用的局部二值算法(LBP)算法进行人脸识别的方法所存在的缺陷，充分利用了中心像素点和邻居像素点之间的灰度对比信息，提出了一种新的基于局部环形模式（LCP）预处理的人脸方法。
一种人脸识别方法，包括如下步骤：
步骤1、；对待识别的正面人脸进行检测，获取包含人脸关键特征点的人脸原始图像；
步骤2、对所述图像进行预处理，按照预先设置的规格，对人脸图像进行方向归一化和尺度归一化，得到符合规格的人脸图像；
步骤3、对预处理后的人脸图像进行图像分割；
步骤4、对每个分块图像进行进一步的高斯平滑处理，采用的高斯函数为
x,y表示像素点的坐标，
其中fi(x,y)为输入图像，fo(x,y)为卷积后的输出图像，σ为标准差；
步骤5、对图像增强后的每个分块分别采用局部环形模式(LCP)对除边缘像素点之外的每个像素点计算LCP特征值，并用该特征值代替原像素点的初始灰度值；
步骤6、将经过局部环形模式(LCP)处理过的每个分块进行特征向量提取，得到该分块的直方图特征向量，再将所有分块的直方图特征级联起来组合成一个复合的特征向量；
步骤7、采用卡方距离函数
计算直方图平方距离，M和N分别表示要做比较的两张人脸图像所对应的直方图，n表示直方图的总格子数，i表示直方图中第i个格子，Mi和Ni分别表示第i个格子的直方图特征向量；
步骤8、采用最邻近识别法对待识别图像进行判定类别识别，选出距离最小的图像。
采用本发明的技术方案后，与现有的基于局部二值算法(LBP)算法的人脸识别方法相比，有效地提高了人脸图像的识别率和正确率。
附图说明
图1为本发明中LBP编码的示意图；
图2是人脸图像划块示意图
图3为本发明中基于局部环形模式(LCP)的人脸识别方法流程示意图；
图4和图5分别是ORL人脸库和YALE人脸库中基于LBP和LCP的正确识别率曲线。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
下面结合附图3和实例对本发明作进一步说明。
如图3所示，一种人脸识别方法，具体实现步骤如下：
步骤1，对待识别的正面人脸进行检测，获取包含人脸关键特征点的人脸原始图像；
步骤2，对所述图像进行预处理，按照预先设置的规格，对人脸图像进行方向归一化和尺度归一化，得到符合规格的人脸图像；
步骤3，对预处理后的人脸图像进行图像分割；
步骤4，对每个分块图像进行进一步的高斯平滑处理，采用的高斯函数为
x,y表示像素点的坐标，其中fi(x,y)为输入图像，fo(x,y)为卷积后的输出图像，σ为标准差；
步骤5，对图像增强后的每个分块分别采用局部环形模式(LCP)对除边缘像素点之外的每个像素点计算LCP特征值，并用该特征值代替原像素点的初始灰度值；
步骤6，将经过局部环形模式(LCP)处理过的每个分块进行特征向量提取，得到该分块的直方图特征，再将所有分块的直方图特征级联起来组合成一个复合的特征向量；
步骤7，采用卡方距离函数
计算直方图平方距离，M和N分别表示要做比较的两张人脸图像所对应的直方图，n表示直方图的总格子数，i表示直方图中第i个格子，Mi和Ni分别表示第i个格子的直方图特征向量；
步骤8，采用最邻近识别法对待识别图像进行判定类别识别，选出距离最小的图像。
实验结果：
为了验证本发明方法的有效性，采用ORL人脸库和YALE人脸库进行了人脸识别仿真实验。设原始人脸图像大小为M X N，分块数目为p x q，把图像分成p x q块。实验方法运行环境为Pentium E，4.20GHz，2GB内存，Matlab7.0。首先对分块的人脸图像采用LCP算法计算每个分块的直方图向量，再将所有分块的直方图特征级联起来组合成一个复合的特征向量，然后随机选取每个人的5幅图像进行训练，其余图像进行测试。在实验中，采用LCP算法和采用LBP算法，进行人脸识别仿真实验，并重复实验60次，取60次识别率的平均值作为最终结果。ORL人脸库和YALE人脸库在人脸分块数为3x3的情况下，识别率曲线分别如图4和5所示。
应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (1)
1.一种人脸识别方法，其特征在于包括如下步骤：
步骤1、；对待识别的正面人脸进行检测，获取包含人脸关键特征点的人脸原始图像；
步骤2、对所述图像进行预处理，按照预先设置的规格，对人脸图像进行方向归一化和尺度归一化，得到符合规格的人脸图像；
步骤3、对预处理后的人脸图像进行图像分割；
步骤4、对每个分块图像进行进一步的高斯平滑处理，采用的高斯函数为
x,y表示像素点的坐标，
其中fi(x,y)为输入图像，fo(x,y)为卷积后的输出图像，σ为标准差；
步骤5、对图像增强后的每个分块分别采用局部环形模式(LCP)对除边缘像素点之外的每个像素点计算LCP特征值，并用该特征值代替原像素点的初始灰度值；
步骤6、将经过局部环形模式(LCP)处理过的每个分块进行特征向量提取，得到该分块的直方图特征，再将所有分块的直方图特征级联起来组合成一个复合的特征向量；
步骤7、采用卡方距离函数
计算直方图平方距离，M和N分别表示要做比较的两张人脸图像所对应的直方图，n表示直方图的总格子数，i表示直方图中第i个格子，Mi和Ni分别表示第i个格子的直方图特征向量；
步骤8、采用最邻近识别法对待识别图像进行判定类别识别，选出距离最小的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310750429.8A CN103729625A (zh) | 2013-12-31 | 2013-12-31 | 一种人脸识别的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310750429.8A CN103729625A (zh) | 2013-12-31 | 2013-12-31 | 一种人脸识别的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103729625A true CN103729625A (zh) | 2014-04-16 |
Family
ID=50453691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310750429.8A Pending CN103729625A (zh) | 2013-12-31 | 2013-12-31 | 一种人脸识别的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103729625A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105528616A (zh) * | 2015-12-02 | 2016-04-27 | 深圳Tcl新技术有限公司 | 人脸识别方法和装置 |
| CN105550657A (zh) * | 2015-12-23 | 2016-05-04 | 北京化工大学 | 基于关键点的改进sift人脸特征提取方法 |
| CN105740838A (zh) * | 2016-02-06 | 2016-07-06 | 河北大学 | 针对不同尺度人脸图像的识别方法 |
| CN105825192A (zh) * | 2016-03-24 | 2016-08-03 | 深圳大学 | 一种人脸表情识别方法及系统 |
| CN106446823A (zh) * | 2016-09-20 | 2017-02-22 | 北京金山安全软件有限公司 | 一种识别用户年龄的方法、装置及电子设备 |
| CN106503718A (zh) * | 2016-09-20 | 2017-03-15 | 南京邮电大学 | 一种基于滤波器组的局部二值模式图像描述方法 |
| CN107273855A (zh) * | 2017-06-17 | 2017-10-20 | 南京理工大学 | 基于高阶导数线性局部算子的光照不变人脸识别方法 |
| CN107766834A (zh) * | 2017-11-01 | 2018-03-06 | 北京蓝海华业工程技术有限公司 | 一种人脸识别方法与系统 |
| CN110188639A (zh) * | 2019-05-20 | 2019-08-30 | 深圳供电局有限公司 | 人脸图像处理方法及其系统、计算机设备、可读存储介质 |
| CN110910326A (zh) * | 2019-11-22 | 2020-03-24 | 上海商汤智能科技有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
| CN111709312A (zh) * | 2020-05-26 | 2020-09-25 | 上海海事大学 | 一种基于联合主模式的局部特征人脸识别方法 |
| CN113343842A (zh) * | 2021-06-04 | 2021-09-03 | 中山大学 | 一种自适应人脸识别方法 |
-
2013
- 2013-12-31 CN CN201310750429.8A patent/CN103729625A/zh active Pending
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105528616A (zh) * | 2015-12-02 | 2016-04-27 | 深圳Tcl新技术有限公司 | 人脸识别方法和装置 |
| CN105528616B (zh) * | 2015-12-02 | 2019-03-12 | 深圳Tcl新技术有限公司 | 人脸识别方法和装置 |
| CN105550657B (zh) * | 2015-12-23 | 2019-01-29 | 北京化工大学 | 基于关键点的改进sift人脸特征提取方法 |
| CN105550657A (zh) * | 2015-12-23 | 2016-05-04 | 北京化工大学 | 基于关键点的改进sift人脸特征提取方法 |
| CN105740838A (zh) * | 2016-02-06 | 2016-07-06 | 河北大学 | 针对不同尺度人脸图像的识别方法 |
| CN105825192A (zh) * | 2016-03-24 | 2016-08-03 | 深圳大学 | 一种人脸表情识别方法及系统 |
| CN105825192B (zh) * | 2016-03-24 | 2019-06-25 | 深圳大学 | 一种人脸表情识别方法及系统 |
| CN106446823A (zh) * | 2016-09-20 | 2017-02-22 | 北京金山安全软件有限公司 | 一种识别用户年龄的方法、装置及电子设备 |
| CN106503718A (zh) * | 2016-09-20 | 2017-03-15 | 南京邮电大学 | 一种基于滤波器组的局部二值模式图像描述方法 |
| CN106446823B (zh) * | 2016-09-20 | 2019-08-27 | 北京金山安全软件有限公司 | 一种识别用户年龄的方法、装置及电子设备 |
| CN106503718B (zh) * | 2016-09-20 | 2019-11-22 | 南京邮电大学 | 一种基于滤波器组的局部二值模式图像描述方法 |
| CN107273855A (zh) * | 2017-06-17 | 2017-10-20 | 南京理工大学 | 基于高阶导数线性局部算子的光照不变人脸识别方法 |
| CN107766834A (zh) * | 2017-11-01 | 2018-03-06 | 北京蓝海华业工程技术有限公司 | 一种人脸识别方法与系统 |
| CN107766834B (zh) * | 2017-11-01 | 2023-09-26 | 北京蓝海华业工程技术有限公司 | 一种人脸识别方法与系统 |
| CN110188639A (zh) * | 2019-05-20 | 2019-08-30 | 深圳供电局有限公司 | 人脸图像处理方法及其系统、计算机设备、可读存储介质 |
| CN110910326A (zh) * | 2019-11-22 | 2020-03-24 | 上海商汤智能科技有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
| CN111709312A (zh) * | 2020-05-26 | 2020-09-25 | 上海海事大学 | 一种基于联合主模式的局部特征人脸识别方法 |
| CN111709312B (zh) * | 2020-05-26 | 2023-09-22 | 上海海事大学 | 一种基于联合主模式的局部特征人脸识别方法 |
| CN113343842A (zh) * | 2021-06-04 | 2021-09-03 | 中山大学 | 一种自适应人脸识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103729625A (zh) | 一种人脸识别的方法 | |
| CN104298982B (zh) | 一种文字识别方法及装置 | |
| CN102360421B (zh) | 一种基于视频流的人脸识别方法及系统 | |
| CN101350063B (zh) | 人脸特征点定位方法及装置 | |
| Yao et al. | Traffic sign recognition using HOG-SVM and grid search | |
| CN105069447B (zh) | 一种人脸表情的识别方法 | |
| CN103778409A (zh) | 基于人脸特征数据挖掘的人脸识别方法与装置 | |
| CN105956578A (zh) | 一种基于身份证件信息的人脸验证方法 | |
| CN103914676A (zh) | 一种在人脸识别中使用的方法和装置 | |
| CN109145742A (zh) | 一种行人识别方法及系统 | |
| CN103679168A (zh) | 文字区域检测方法及装置 | |
| CN104517104A (zh) | 一种基于监控场景下的人脸识别方法及系统 | |
| CN104298981A (zh) | 人脸微表情的识别方法 | |
| CN104809464A (zh) | 一种指纹信息处理方法 | |
| CN104217203A (zh) | 复杂背景卡面信息识别方法及系统 | |
| CN104680154B (zh) | 一种基于人脸特征和掌纹特征融合的身份识别方法 | |
| CN102411711B (zh) | 一种基于个性化权重的手指静脉识别方法 | |
| CN104143091B (zh) | 基于改进mLBP的单样本人脸识别方法 | |
| CN102629320A (zh) | 基于特征层定序测量统计描述的人脸识别方法 | |
| CN103902962A (zh) | 一种遮挡或光源自适应人脸识别方法和装置 | |
| TW201224955A (en) | System and method for face detection using face region location and size predictions and computer program product thereof | |
| CN104200561A (zh) | 一种基于纹理特征识别具有字迹污损人民币的方法 | |
| CN102332084A (zh) | 基于掌纹和人脸特征提取的身份识别方法 | |
| CN105224945B (zh) | 一种基于联合检测与辨识算法的车标识别方法 | |
| CN102542243A (zh) | 一种基于lbp图像和分块编码的虹膜特征提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140416 |
|
| WD01 | Invention patent application deemed withdrawn after publication |