结合LBP特征图与卷积神经网络的人脸识别方法技术
【技术实现步骤摘要】
结合LBP特征图与卷积神经网络的人脸识别方法
本专利技术属于图像处理
，涉及一种人脸识别方法，可用于视频监控，人证对比，嫌疑人追踪领域。
技术介绍
人脸做为人的一种自然属性，具有很强的自身稳定性和个体差异性。人脸图像的采集具有友好，直接，方便等特点，易于被用户接受，因此人脸识别做为一种重要的生物特征识别技术得到了广泛的研究和应用。当前人脸识别主要用在公安部门对疑犯的鉴别与跟踪，人证对比验证，视频监控等领域。人脸识别一直是很多国家和研究机构研究的热点问题，同时也提出了很多方法。基于几何特征的方法是较早提出的方法，其主要是通过提取口，鼻，眼等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征，但是此方法对于侧脸以及光照变化适应性较差。特征脸法利用主成分分析进行降维和提取特征。主成分分析是一种应用十分广泛的数据降维技术，该方法选择与原数据协方差矩阵前几个最大特征值对应的特征向量构成一组基，已达到最佳表征原数据的目的。由主成分分析法提取的特征向量被称为“特征脸”，有一组特征脸基准图像组成一个特征脸空间，任何一幅人脸图像都可投影到该子空间，得到一个权值向量。计算此...
【技术保护点】
结合LBP特征图与卷积神经网络的人脸识别方法，包括:(1)训练卷积神经网络：(1a)利用VJ人脸检测算法，对人脸图像进行检测，得到人脸区域边框位置；(1b)利用3000FPS算法，对步骤(1a)中得到的人脸边框对应的图像进行人脸特征点检测，得到眼睛特征点坐标，利用特征点坐标，对人脸进行对齐，得到人脸对齐后的图像I0；(1c)利用VJ人脸检测算法对人脸对齐后图像进行人脸检测，得到人脸区域图像I1，并将该人脸区域图像转换成灰度图I2；(1d)利用LBP特征编码方法，对灰度图I2进行LBP编码，得到LBP特征图，再将该LBP特征图与灰度图进行融合，得到融合后的图像I3；(1e)构...
【技术特征摘要】
1.结合LBP特征图与卷积神经网络的人脸识别方法，包括:(1)训练卷积神经网络：(1a)利用VJ人脸检测算法，对人脸图像进行检测，得到人脸区域边框位置；(1b)利用3000FPS算法，对步骤(1a)中得到的人脸边框对应的图像进行人脸特征点检测，得到眼睛特征点坐标，利用特征点坐标，对人脸进行对齐，得到人脸对齐后的图像I0；(1c)利用VJ人脸检测算法对人脸对齐后图像进行人脸检测，得到人脸区域图像I1，并将该人脸区域图像转换成灰度图I2；(1d)利用LBP特征编码方法，对灰度图I2进行LBP编码，得到LBP特征图，再将该LBP特征图与灰度图进行融合，得到融合后的图像I3；(1e)构建一个由输入层、5层卷积池化层、2层全连接层和输出层构成的卷积神经网络；(1f)将融合后的图像I3，输入到步骤(1e)中构建的卷积神经网络中进行训练，得到训练好的卷积神经网络；(2)利用卷积神经网络对人脸图像进行识别：(2a)利用步骤(1a)至步骤(1d)的方法，对两张待测人脸图像进行数据预处理，得到预处理后的两张待测图像I4和I5；(2b)将预处理后的两张待测图像I4和I5，依次输入步骤(1f)训练好的卷积神经网络中，对每张图像进行特征提取，得到第一张待测人脸图像的特征向量J1和第二张待测人脸图像的特征向量J2；(2c)对步骤(2b)中得到的人脸图像的特征向量进行相似度计算，得到余弦相似度δ:(2d)设定判定阈值δ0，将余弦相似度δ与判定阈值δ0进行比较：若δ≤δ0，则表示两张待测人脸图像不是同一人；若δ＞δ0，则表示两张待测人脸图像是同一人。2.根据权利要求1所述的方法，其中步骤(1a)利用VJ人脸检测算法，对人脸图像进行检测，按如下步骤进行：(1a1)设定观察窗口参数，得到固定大小的观察窗口；(1a2)按照从左到右，从上到下的顺序，以固定步长移动步骤(1a1)中得到的观察窗口；(1a3)利用“积分图”方法，对步骤(1a2)中观察窗口所对应的图像区域进行处理，得到观察窗口对应图像区域的Harr特征；(1a4)利用级联分类器，对步骤(1a3)中得到的Harr特征进行分类，根据分类结果判断观察窗口对应区域是否是人脸区域：若是人脸...
【专利技术属性】
技术研发人员：侯彪，焦李成，张华，王爽，马晶晶，马文萍，冯捷，张小华，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。