CN105760865A - 一种能够提高比对正确率的人脸图像识别方法 - Google Patents

Abstract

一种能够提高比对正确率的人脸图像识别方法。该方法是首先采用分块技术将两张待比较的人脸图像进行分块，然后将分块后的LBP直方图串联起来形成一个高维LBP直方图，接着利用经典的主成分分析(PCA)方法进行降维，最后利用相似度计算方法进行相似度对比。本发明方法能够使维数的约简更加方便，实验结果表明能够有效提高特征提取的准确性，由此可以改善传统的人脸图像比对正确率不高的问题。

Description

一种能够提高比对正确率的人脸图像识别方法

技术领域

本发明属于图像识别技术领域，特别是涉及一种能够提高比对正确率的人脸图像识别方法。

背景技术

目前，人脸识别技术已用于图片搜索、支付识别等领域，本质是利用生物特征进行安全认证，因此得到了广泛的应用。其中人脸识别算法普遍是采用基础的局部二值模式(LBP)算法，虽然这种算法在运算时间上很有效率，而且能够达到一定的比对正确率，但对于这种算法而言，LBP算子本身并不完善，特别是在训练样本的维度高达几千甚至上万的时候，其性能会急剧下降。

发明内容

为了解决上述问题，本发明的目的在于提供一种能够提高比对正确率的人脸图像识别方法。

为了达到上述目的，本发明提供的能够提高比对正确率的人脸图像识别方法包括按顺序进行的下列步骤：

1)将两张待比较的人脸图像分别转换成灰度图像，之后将每一张灰度图像中的每一个像素通过opencv1.0的库函数转换成实际的灰度值，由此得到一个灰度值矩阵；

2)将上述灰度值矩阵均匀分成3X3块，得到9个小灰度值矩阵；

3)取一个小灰度值矩阵，从第一行开始依次取出3X3的灰度值矩阵小块，由此得到多个3X3的灰度值矩阵小块；

4)取一个3X3的灰度值矩阵小块，取位于中心的一个像素点作为中心像素点，并将该像素点作为阈值参考点，将四个角部和各边中间点的像素值分别与上述阈值参考点的像素值进行比较，利用公式(1)、(2)进行计算而得出一个8位的二进制数列G：

G＝{s(g₀-g_c),s(g₁-g_c),.............s(g₇-g_c)}(1)

其中:

其中g_c为中心像素点的像素值；g₀—g₇分别为四个角部和各边中间点的像素值；

5)将上述每一个灰度值矩阵小块中的所有3X3的灰度值矩阵小块均按照步骤4)的方法进行处理，由此得到多个8位的二进制数列G，之后将上述所有二进制数列G用二进制法则转换为十进制，再统计起来，得到一个LBP直方图，范围为0～255；

6)将步骤2)得到的每个小灰度值矩阵均按照步骤5)的方法进行处理，得到9个LBP直方图，之后将这些LBP直方图进行叠加，其中每一个区间相互叠加，由此得到一个高维LBP直方图；

7)利用公式(3)所示的直方图相似公式计算上述两张待比较的人脸图像的高维LBP直方图之间的距离：

$\begin{array}{c}\mathrm{dis}=\mathrm{\Σ}{\left(\right|g_x-g_y\left|\right)}^2\\ x=\mathrm{0,1},...255,y=\mathrm{0,1},...255,g_x\∈\mathrm{LBPMat}1,g_y\∈\mathrm{LBPmat}2,\end{array}---\left(3\right)$

其中dis是两高维LBP直方图之间的距离，LBPMat1与LBPMat2分别为两个相互比较的高维LBP直方图；

8)得到两高维LBP直方图之间的距离dis后，确定两个界值，dis等于0时相似度为100％，dis等于LBP直方图中LBP数值的个数num时相似度为0％，则可以根据公式(4)计算出相似度值reg：

$reg=1-\frac{dis}{num}\×100\%---\left(4\right)$

9)，如果两张待比较的人脸图像的相似度值reg高于相似度阈值，则这两张待比较的人脸图像有相似性，反之，没有相似性，由此可以定性判断出两张人脸图像是否有相似性。

在步骤9)中，所述的相似度阈值设定为86％。

本发明提供的能够提高比对正确率的人脸图像识别方法是首先采用分块技术将两张待比较的人脸图像进行分块，然后将分块后的LBP直方图串联起来形成一个高维LBP直方图，接着利用经典的主成分分析(PCA)方法进行降维，最后利用相似度计算方法进行相似度对比。本发明方法能够使维数的约简更加方便，实验结果表明能够有效提高特征提取的准确性，由此可以改善传统的人脸图像比对正确率不高的问题。

附图说明

图1为本发明中LBP直方图叠加过程示意图。

具体实施方式

下面结合附图和具体实施例对本发明提供的能够提高比对正确率的人脸图像识别方法进行详细说明。

本发明提供的能够提高比对正确率的人脸图像识别方法包括按顺序进行的下列步骤：

1)将两张待比较的人脸图像分别转换成灰度图像，之后将每一张灰度图像中的每一个像素通过opencv1.0的库函数转换成实际的灰度值，由此得到一个灰度值矩阵；

2)将上述灰度值矩阵均匀分成3X3块，得到9个小灰度值矩阵；

3)取一个小灰度值矩阵，从第一行开始依次取出3X3的灰度值矩阵小块，由此得到多个3X3的灰度值矩阵小块；

4)取一个3X3的灰度值矩阵小块，取位于中心的一个像素点作为中心像素点，并将该像素点作为阈值参考点，将四个角部和各边中间点的像素值分别与上述阈值参考点的像素值进行比较，利用公式(1)、(2)进行计算而得出一个8位的二进制数列G：

G＝{s(g₀-g_c),s(g₁-g_c),.............s(g₇-g_c)}(1)

其中:

其中g_c为中心像素点的像素值；g₀—g₇分别为四个角部和各边中间点的像素值；

5)将上述每一个灰度值矩阵小块中的所有3X3的灰度值矩阵小块均按照步骤4)的方法进行处理，由此得到多个8位的二进制数列G，之后将上述所有二进制数列G用二进制法则转换为十进制，再统计起来，得到一个LBP直方图，范围为0～255；

6)将步骤2)得到的每个小灰度值矩阵均按照步骤5)的方法进行处理，得到9个LBP直方图，之后将这些LBP直方图采用图1的方式进行叠加，其中每一个区间相互叠加，由此得到一个高维LBP直方图；

7)利用公式(3)所示的直方图相似公式计算上述两张待比较的人脸图像的高维LBP直方图之间的距离：

$\begin{array}{c}\mathrm{dis}=\mathrm{\Σ}{\left(\right|g_x-g_y\left|\right)}^2\\ x=\mathrm{0,1},...255,y=\mathrm{0,1},...255,g_x\∈\mathrm{LBPMat}1,g_y\∈\mathrm{LBPmat}2,\end{array}---\left(3\right)$

其中dis是两高维LBP直方图之间的距离，LBPMat1与LBPMat2分别为两个相互比较的高维LBP直方图；本步骤是采用主成分分析(PCA)方法对高维LBP直方图进行降维。

8)得到两高维LBP直方图之间的距离dis后，确定两个界值，dis等于0时相似度为100％，dis等于LBP直方图中LBP数值的个数num时相似度为0％，则可以根据公式(4)计算出相似度值reg：

$reg=1-\frac{dis}{num}\×100\%---\left(4\right)$

9)设定86％为相似度阈值，如果两张待比较的人脸图像的相似度值reg高于相似度阈值，则这两张待比较的人脸图像有相似性，反之，没有相似性，由此可以定性判断出两张人脸图像是否有相似性。

Claims (2)

1.一种能够提高比对正确率的人脸图像识别方法，其特征在于：所述的方法包括按顺序进行的下列步骤：

1)将两张待比较的人脸图像分别转换成灰度图像，之后将每一张灰度图像中的每一个像素通过opencv1.0的库函数转换成实际的灰度值，由此得到一个灰度值矩阵；

2)将上述灰度值矩阵均匀分成3X3块，得到9个小灰度值矩阵；

3)取一个小灰度值矩阵，从第一行开始依次取出3X3的灰度值矩阵小块，由此得到多个3X3的灰度值矩阵小块；

4)取一个3X3的灰度值矩阵小块，取位于中心的一个像素点作为中心像素点，并将该像素点作为阈值参考点，将四个角部和各边中间点的像素值分别与上述阈值参考点的像素值进行比较，利用公式(1)、(2)进行计算而得出一个8位的二进制数列G：

G＝{s(g₀-g_c)_,s(g₁-g_c),.............s(g₇-g_c)}(1)

其中:

其中g_c为中心像素点的像素值；g₀—g₇分别为四个角部和各边中间点的像素值；

5)将上述每一个灰度值矩阵小块中的所有3X3的灰度值矩阵小块均按照步骤4)的方法进行处理，由此得到多个8位的二进制数列G，之后将上述所有二进制数列G用二进制法则转换为十进制，再统计起来，得到一个LBP直方图，范围为0～255；

6)将步骤2)得到的每个小灰度值矩阵均按照步骤5)的方法进行处理，得到9个LBP直方图，之后将这些LBP直方图进行叠加，其中每一个区间相互叠加，由此得到一个高维LBP直方图；

7)利用公式(3)所示的直方图相似公式计算上述两张待比较的人脸图像的高维LBP直方图之间的距离：

$\begin{array}{c}dis=\mathrm{\Σ}{\left(\right|g_x-g_y\left|\right)}^2\\ x=0,1,\mathrm{...255},y=0,1,\mathrm{...255},g_x\∈LBPMat1,g_y\∈LBPMat2,\end{array}---\left(3\right)$

其中dis是两高维LBP直方图之间的距离，LBPMat1与LBPMat2分别为两个相互比较的高维LBP直方图；

8)得到两高维LBP直方图之间的距离dis后，确定两个界值，dis等于0时相似度为100％，dis等于LBP直方图中LBP数值的个数num时相似度为0％，则可以根据公式(4)计算出相似度值reg：

$reg=1-\frac{dis}{num}\×100\%---\left(4\right)$

9)如果两张待比较的人脸图像的相似度值reg高于相似度阈值，则这两张待比较的人脸图像有相似性，反之，没有相似性，由此可以定性判断出两张人脸图像是否有相似性。

2.根据权利要求1所述的能够提高比对正确率的人脸图像识别方法，其特征在于：在步骤9)中，所述的相似度阈值设定为86％。