一种适用于光照、姿态、表情变化的人脸识别方法技术

本发明专利技术公开了一种适用于光照、姿态、表情变化的人脸识别方法，本方法首先从ORL、Extend Yale B和CMU‑PIE人脸图像库中获取人脸图像并进行分块处理；其次，采用中心对称局部二值模式提取人脸图像各子块的纹理特征；再其次，将纹理特征形成纹理特征统计直方图，并输入到深度信念网络的可视层；最后，通过深度学习完成人脸图像的分类与识别。在此基础上，通过在人脸图像库的人脸识别实验，得出了不同人脸库人脸图像最佳的分块方式与最佳深度信念网络隐藏单位数，完成了与多种人脸识别方法的对比实验。本发明专利技术采用中心对称局部二值模式用于特征提取，能够降低特征提取的计算复杂度，具有较高的识别率，对于微小的光照、姿态和表情变化的影响具有一定的抑制作用。

A Face Recognition Method Suitable for Illumination, Posture and Expression Change

【技术实现步骤摘要】
一种适用于光照、姿态、表情变化的人脸识别方法
本专利技术涉及人脸识别
，尤其涉及一种适用于光照、姿态、表情变化的人脸识别方法。
技术介绍
在这个信息化迅速发展的时代，身份验证被广泛应用于生活的方方面面，如机场、火车等实名制检测系统、公安个人信息采集系统、宿舍智能门锁系统等，然而人们在追求便捷生活的同时也越来越注重信息安全问题。传统的生物特征识别方法中，指纹识别存在对手指的湿度、清洁度等都很敏感的问题，脏、油、水都会影响识别效果，识别率低；虹膜识别存在易伪装的问题，识别可靠性差；步态识别存在不易被捕捉且易丢失的问题。相比于上述三种生物特征提取放啊，人脸识别具有生物特征准确、可靠性高、易捕捉的优点，因此也成为最受欢迎的识别方法之一。随着计算机视觉技术的逐渐发展和人机交互需求的逐渐增加，人脸识别方法逐渐被普及到安全支付、手机解锁和智能门锁等
这些领域采集到的人脸图像一般为非限制条件下的，此时光照变化、人脸姿态变化和表情变化等问题都会使识别率降低，因此非限制条件下的人脸识别方法的研究仍存在着很多挑战。梁淑芬提出基于LBP和深度信念网络结合的人脸识别方法，将LBP提取的人脸图像特本文档来自技高网...

【技术保护点】
1.一种适用于光照、姿态、表情变化的人脸识别方法，其特征在于，该方法包括以下步骤：S1、获取人脸图像：从人脸图像库中下载人脸图像；S2、将所有的人脸图像分为训练集和测试集，并对其进行分块处理，每张图像分为

【技术特征摘要】
1.一种适用于光照、姿态、表情变化的人脸识别方法，其特征在于，该方法包括以下步骤：S1、获取人脸图像：从人脸图像库中下载人脸图像；S2、将所有的人脸图像分为训练集和测试集，并对其进行分块处理，每张图像分为个子块；S3、利用中心对称局部二值模式的编码规则，对每个子块提取其纹理特征值，特征值用表示；S4、建立中心对称局部二值模式纹理特征直方图，利用统计直方图表示各子块的局部纹理特征；第个字块的直方图表示为：(1)公式(1)中，，为子块中中心对称局部二值模式纹理特征值等于的频率，，为，即为16；S5、将各子块的特征直方图有序相连形成中心对称局部二值模式提取人脸图像的特征；S6、将步骤S5得到的纹理特征向量输入到深度信念网络的可视层，可视层与隐藏层根据公式的联合分布如下：(2)公式(2)中，为中心对称局部二值模式提取的纹理特征，是深度信念网络对输入特征学习的不同层次的高级特征，本发明隐藏层设置为2层，由公式(2)可得可视层与两层隐藏层的联合分布，如下：(3)公式(3)中，为可视层，为第一个隐藏层，为第二个隐藏层，根据可视层的可视单元与第一个隐藏层的隐藏单元的关系可得第一层隐藏层的隐藏单元的激活概率，如下：(4)公式(4)中，为可视单元，为可视单元数，为隐藏单元，为激活函数，为第个可视单元与第个隐藏单元连接的权重值；S7、利用深度信念网络迭代算法进行权重优化，得到的最优训练网络，迭代次数为，最优网络的判断依据为训练集的最大生成概率函数值最大，最大生成概率函数如下：(5)公式(5)中，为权重矩阵，为训练集中中心对称局部二...

【专利技术属性】
技术研发人员：孙崐，李晓彤，殷欣，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23