一种基于联合主模式的局部特征人脸识别方法技术

本发明专利技术提出了一种基于联合主模式的局部特征人脸识别方法。首先采集相关人员的面部图像，将其制作为训练集后灰度化；其次提取计算这些图像的局部二值特征直方图；然后将训练集中所有图像的特征输入到模型中，输出计算得到的联合主模式；最后，使用联合主模式优化所有面部图像对应的局部二值特征直方图并本地化保存，方便后续的识别。本发明专利技术提出的方法不仅降低了局部二值特征直方图的维度，同时使优化后的直方图具备更好的特征判别能力和跨特征的描述能力，因此能够为后续的人脸识别等工作提供较高的分类精度。

【技术实现步骤摘要】
一种基于联合主模式的局部特征人脸识别方法
本专利技术涉及图像处理领域，具体的说是一种基于联合主模式的局部特征人脸识别方法。
技术介绍
随着计算机硬件成本的下降和各种技术的快速发展，计算机能够帮助人类解决的事务范围与日俱增。计算机已经能够从简单的算式计算升级为从海量的图像中提取出人们所需的数据与信息，这使得现今社会中，信息交互变得越来越频繁，由此催生出了大量的网络交易。现在大多数的安全交易验证方式都是依靠人的记忆或者外部设备，如密码、验证码、身份证明等外部信息，这些信息极易被不法分子通过技术手段获取，使得个人隐私或财产受到极大的威胁。因此，使用生物特征识别代替传统的外部信息已成为各个厂商或者终端的首要选择，在生物特征识别中，人脸识别由于其复杂性和广泛的应用领域，一直是一个广受关注的研究课题。人脸和其他生物特征一样，具备唯一性、不易被复制、长期存在且不变等特性，因此可以用于身份的识别或鉴定；除此之外，相较于其他的生物特征识别技术，人脸识别还具有以下优点：第一，采集方便。相比较于需要特定采集仪器或装置的指纹、掌纹，面部图像的采集通常只需要一个本文档来自技高网...

【技术保护点】
1.一种基于联合主模式的局部特征人脸识别方法，其特征在于，包括如下步骤：/nS1、针对每个待检测的人脸，采集其面部图像；/nS2、将步骤S1中采集到的图像制作为训练集并将图像灰度化；/nS3、使用LBP描述符计算这些灰度图像的面部纹理特征，然后统计特征中数值的分布，生成特征直方图向量；/nS4、将特征直方图向量输入到模型中，计算生成联合主模式向量，并使用联合主模式向量优化步骤S3计算得到的特征直方图向量；/nS5、将优化后的特征直方图向量本地化保存，后期可直接应用到相关场景中；/n所述步骤S1中面部图像采集方式有很多种，包括：/n直接在网络上下载对应识别对象的证件照或工作照；通过相机设备拍摄对...

【技术特征摘要】
1.一种基于联合主模式的局部特征人脸识别方法，其特征在于，包括如下步骤：
S1、针对每个待检测的人脸，采集其面部图像；
S2、将步骤S1中采集到的图像制作为训练集并将图像灰度化；
S3、使用LBP描述符计算这些灰度图像的面部纹理特征，然后统计特征中数值的分布，生成特征直方图向量；
S4、将特征直方图向量输入到模型中，计算生成联合主模式向量，并使用联合主模式向量优化步骤S3计算得到的特征直方图向量；
S5、将优化后的特征直方图向量本地化保存，后期可直接应用到相关场景中；
所述步骤S1中面部图像采集方式有很多种，包括：
直接在网络上下载对应识别对象的证件照或工作照；通过相机设备拍摄对应人物；通过监控摄像机截取相关画面完成人脸图像的获取；
步骤S2制作训练集包括如下步骤：
S201、对于人脸图像库里的所有图像，均做灰度化处理，丢弃图像中的颜色信息；
S201、将灰度化后的所有图像按照要求重新命名和序列化，可以根据具体要求编写对应的批处理程序完成；
S202、为每一张图像分配一个label，label作为图像人脸主人的身份标识，应保持唯一性，即一个人对应一个唯一的label且同一个人的所有图像所对应的label应一致；按照“训练图像存放路径+label”的数据格式以XML或者TXT格式保存，若以XML格式保存应确保其完全遵循PASCALVOC格式；
S203、将步骤S202中生成的文件放入相应的文件夹中等待训练，同时在对应训练程序中指定该文件在磁盘上的存放位置；
步骤S3包括如下步骤：
S301、对于人脸图像库里的任意一幅图像，首先在中心像素点O周围以R为半径的圆形邻域内选取P个像素点作为采样点，这些采样点是等间距分布的且灰度值分别为g0,g1,…,gP-1，其中P的取值一般为8、12、16或24；其次，对于这P个像素点，均令其与中心像素点的灰度值进行比较，若该像素点的灰度值不小于中心像素点的灰度值时，记为1，反之则记为0，以此计算得到LBP特征；具体计算公式为：



其中，gc表示坐标为的中心像素点的灰度值，gi代表中心像素点周围采样点的灰度数值，s(·)为符号函数，用于二值化对应的数值，公式表达为：



S302、把经由步骤S301计算得到的LBP特征图像记为I，统计特征图像I中数值的分布，生成特征直方图向量具体表述如下：



其中，x是特征图像I中的任意一个像素点，y代表特征的可能取值且y∈{0,1,…,2P-1}，δ(·)是克罗内克δ函数，定义如下：



步骤S4包括如下步骤：
S401、将步骤S3计算得到的人脸图像库中第一个人的...

【专利技术属性】
技术研发人员：万洪达，殷俊，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31