基于改进LBP算子和支持向量机分类的人脸识别方法技术

本发明专利技术提供了一种基于改进LBP算子和支持向量机分类的人脸识别方法，包括：构建自身人脸数据库；人脸图像预处理，包括人脸图像的检测、校正、灰度处理和降噪；使用改进的LBP算子提取人脸图像特征，并结合主成分分析方法降低特征向量维数；使用支持向量机对提取的特征向量进行分类，并完成识别。本发明专利技术将改进LBP算子和支持向量机二分类相结合，借助改进LBP算子算法的自身优越性，可明显表示图像特征，简单、快速地完成人脸识别；此外，在进行人脸图像提取、识别时，本发明专利技术对光照和表情变化具有较强的鲁棒性，识别效果佳。

Face Recognition Based on Improved LBP Operator and Support Vector Machine Classification

【技术实现步骤摘要】
基于改进LBP算子和支持向量机分类的人脸识别方法
本专利技术属于图像处理
，具体涉及一种基于改进LBP算子和支持向量机分类的人脸识别方法。
技术介绍
近期，生物识别技术发展较快，人脸识别因为其特有的优势持续成为研究热点，但人脸会随着年龄、表情、姿势、光照等多种因素影响发生较大变化，因此，给研究带来困难，很多解决方法都存在一定的局限性，比如识别速度过慢，识别率低等问题。目前基本的研究方向是采用多方法融合来解决单一方法带来的局限性，例如采用LBP算子与其他方法结合的识别方法，但传统的LBP算子，定义区域为3×3像素大小的正方形，并将中心的像素值定义为阈值，其它相邻的八个像素点与阈值作比较，得到一个八位的二进制数，再将其转换为一个十进制数作为该区域的特征值，由此一共得到28＝256种状态，识别速率慢且邻域固定，当图像尺度发生改变时，得到的特征值常出现错误。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于改进LBP算子和支持向量机分类的人脸识别方法，可简单、快速地完成人脸识别，且对光照和表情变化具有较强的鲁棒性，识别效果佳。为实现以上目的，本专利技术采用以下技术方案：一种基于改进LBP算子和支持向量机分类的人脸识别方法，包括如下步骤：步骤S1，构建自身人脸数据库；步骤S2，人脸图像预处理，包括人脸图像的检测、校正、灰度处理和降噪；步骤S3，使用改进的LBP算子提取人脸图像特征，并结合主成分分析方法降低特征向量维数；步骤S4，使用支持向量机对提取的特征向量进行分类，并完成识别。进一步地，步骤S1中所述自身人脸数据库的构建包括：选择至少10人，采用自适应算法每人至少截取15张人脸图像，并保存至一个文件夹中构成所述自身人脸数据库。进一步地，步骤S2中所述人脸图像预处理包括如下步骤：步骤S21，采用粗到精自编码器网络算法对人脸图像进行检测，记下特征点的坐标位置，以两只眼睛及嘴巴特征点构成的三角形中心为图像中心进行校正，并裁剪；步骤S22，对步骤S21中裁剪后的人脸图像进行灰度处理；步骤S23，采用高斯滤波对步骤S22中灰度处理后的人脸图像进行降噪处理。进一步地，步骤S21中人脸图像裁剪的尺寸为150×150。进一步地，步骤S3中所述人脸图像特征提取包括如下步骤：步骤S31，采用Matlab程序将人脸图像分成若干正方形单元区域，采用圆形LBP算子使得像素点个数P和所选圆形区域的半径R可变，使用单元区域内像素点均值作为阈值，其他的像素和该阈值作比较，大于阈值的像素点赋值为1，小于阈值的像素点赋值为0，得到八位像素编码，即单元区域的LBP编码值；步骤S32，改变R值并选择k个不同的半径，根据像素值计算公式求出区域内像素点的方差，并计算得到人脸图像区域的LBP特征值。进一步地，步骤S32中所述像素值计算公式为：其中，P：所选区域内像素点的个数；R：所选圆形区域的半径大小；gp：像素值的大小；μ：求得区域内像素的均值大小。与已有技术相比，本专利技术具有如下有益效果：本专利技术提供的基于改进LBP算子和支持向量机分类的人脸识别方法，将改进LBP算子和支持向量机二分类相结合，借助改进LBP算子算法的自身优越性，可明显表示图像特征，简单、快速地完成人脸识别；此外，在进行人脸图像提取、识别时，本专利技术对光照和表情变化具有较强的鲁棒性，识别效果佳。附图说明图1是本专利技术的整体流程图；图2是本专利技术采用改进LBP算子进行特征提取的示意图。具体实施方式下面结合附图和具体的实施方式对本专利技术作进一步详细的说明。所述实施例的示例在附图中示出，在下述本专利技术的实施方式中描述的具体的实施例仅作为本专利技术的具体实施方式的示例性说明，旨在用于解释本专利技术，而不构成为对本专利技术的限制。一种基于改进LBP算子和支持向量机分类的人脸识别方法，如图1所示，包括如下步骤：步骤S1，构建自身人脸数据库。进一步地，上述步骤中所述的自身人脸数据库的构建包括：选择10人以上，采用Adaboost自适应算法，每人至少截取15张人脸图像，并保存至一个文件夹中作为已知人脸数据库，同时由此构成所述自身人脸数据库。其中，图片的截取采用成熟的Adaboost自适应算法，可以很好地应用于目标检测，便于在后续的Matlab程序中可以直接调用函数进行人脸图像的检测和截取。步骤S2，人脸图像预处理，包括人脸图像的检测、校正、灰度处理和降噪；进一步地，包括如下步骤：步骤S21，采用粗到精自编码器(Coarse-to-FineAuto-Encoder，CFAN)网络算法对人脸图像进行检测，记下眼睛、鼻子、嘴巴等关键特征点的坐标位置，并以两只眼睛及嘴巴这三个特征点构成的三角形中心为图像中心进行校正，再将校正后的每张人脸图像裁剪为150×150的尺寸，该尺寸的人脸图像可取得最佳的识别效果；步骤S22，对上述步骤裁剪后的人脸图像进行灰度处理；步骤S23，采用高斯滤波对上述步骤灰度处理后的人脸图像进行降噪处理。步骤S3，使用改进的LBP算子提取人脸图像特征，并结合PCA主成分分析方法降低特征向量维数。进一步地，该步骤中所述人脸图像特征提取包括如下步骤：步骤S31，采用Matlab程序将人脸图像分成若干大小相同的正方形单元区域，后采用圆形的LBP算子，如图2所示，使得像素点个数P和所选圆形区域的半径R可变，使其具有旋转不变性和灰度不变性。使用单元区域内像素点均值作为该区域阈值，其他的像素和该区域阈值作比较，大于阈值的像素点赋值为1，小于阈值的像素点赋值为0，得到八位像素编码，即单元区域的LBP编码值；步骤S32，改变R值并选择k个不同的半径，根据如下的像素值计算公式求出区域内像素点的方差，不同的P值和R值可以得到不同的方差，由于方差越大，区域的变化越大，对描述该区域的特征就具有更大的作用，因此，以方差作为评价函数的权重，计算得到该区域最终的LBP特征值。特征提取完成后，再使用PCA主成分分析的方法降低特征向量的维数，有助于加快识别的速度，上述基于改进LBP算子的算法具有自身的优越性，可明显表示图像特征，此外，在进行人脸图像提取、识别时，对光照和表情变化具有较强的鲁棒性。其中，上述像素值计算公式为：其中，P：所选区域内像素点的个数；R：所选圆形区域的半径大小；gp：像素值的大小；μ：求得区域内像素的均值大小。步骤S4，使用SVM支持向量机对提取的特征向量进行分类，并完成识别。对于已构建好的人脸数据库，可将其中85％的图片作为训练图像，其余15％的图片作为测试图像，对训练图像使用本专利技术提供的识别方法特征提取，提取得到的特征向量即可代表该人脸的特征，把所有图像的特征向量作为SVM二分类方法的输入数据，进行监督性学习并作为训练完毕的数据。当需要人脸识别时，使用程序驱动并调用摄像头，经过本专利技术基于改进LBP算子和支持向量机分类的人脸识别方法，可以提取到当前的人脸特征，并和已经训练完毕的数据比对，即可完成人脸地快速、简单识别。综上所述，本专利技术提供的基于改进LBP算子和支持向量机分类的人脸识别方法，将改进LBP算子和支持向量机二分类相结合，借助改进LBP算子算法的自身优越性，可明显表示图像特征，简单、快速地完成人脸识别；此外，在进行人脸图像提取、识别时，本专利技术对光照和表情变化具有较强的鲁棒性，可有效解决因光照对本文档来自技高网...

【技术保护点】
1.一种基于改进LBP算子和支持向量机分类的人脸识别方法，其特征在于，包括如下步骤：步骤S1，构建自身人脸数据库；步骤S2，人脸图像预处理，包括人脸图像的检测、校正、灰度处理和降噪；步骤S3，使用改进的LBP算子提取人脸图像特征，并结合主成分分析方法降低特征向量维数；步骤S4，使用支持向量机对提取的特征向量进行分类，并完成识别。

【技术特征摘要】
1.一种基于改进LBP算子和支持向量机分类的人脸识别方法，其特征在于，包括如下步骤：步骤S1，构建自身人脸数据库；步骤S2，人脸图像预处理，包括人脸图像的检测、校正、灰度处理和降噪；步骤S3，使用改进的LBP算子提取人脸图像特征，并结合主成分分析方法降低特征向量维数；步骤S4，使用支持向量机对提取的特征向量进行分类，并完成识别。2.根据权利要求1所述的基于改进LBP算子和支持向量机分类的人脸识别方法，其特征在于，步骤S1中所述自身人脸数据库的构建包括：选择至少10人，采用自适应算法每人至少截取15张人脸图像，并保存至一个文件夹中构成所述自身人脸数据库。3.根据权利要求1所述的基于改进LBP算子和支持向量机分类的人脸识别方法，其特征在于，步骤S2中所述人脸图像预处理包括如下步骤：步骤S21，采用粗到精自编码器网络算法对人脸图像进行检测，记下特征点的坐标位置，以两只眼睛及嘴巴特征点构成的三角形中心为图像中心进行校正，并裁剪；步骤S22，对步骤S21中裁剪后的人脸图像进行灰度处理；步骤S23，采用高斯滤波对步骤S22中灰度...

【专利技术属性】
技术研发人员：张田雨，赵君喜，李梅，彭剑，陈芸，吴婧漪，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32