基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统技术方案

技术编号:8656152 阅读:199 留言:0更新日期:2013-05-01 23:51
本发明专利技术公开了一种基于扩展八邻域局部纹理特征的非接触式人脸识别算法和基于该算法的签到系统,该算法包括以下步骤:步骤一,提取人脸图像的扩展八邻域局部纹理特征;该步骤包括三个阶段:图像点标记阶段、图像点编码阶段、图像特征向量提取阶段;步骤二,使用SVM分类器对提取到的局部纹理特征分类,实现人脸的识别。本发明专利技术提出了扩展八邻域局部纹理描述子,可以描述局部区域八个方向的纹理特征;在比较了几种方法在ORL、AR和FERET数据库上的识别率后,得到的结果显示本发明专利技术提出的描述子相对于其他方法效果更佳,特别是改进后的方案,具有很强的鲁棒性。

【技术实现步骤摘要】

本专利技术属于模式识别与计算机视觉领域,涉及到一种基于扩展八邻域局部纹理特征的非接触式人脸识别算法和签到系统
技术介绍
随着计算机技术的进步,人工智能与模式识别技术得到很快的发展,生物识别技术已经成为研究的热点。它是利用人体生物特征进行身份认证的一种技术,与传统身份认证技术相比,基于生物识别的身份认证技术具有以下特点不易遗忘或丢失;防伪性能好,不易伪造或被盗;随身携带,随时随地可用。生物识别主要包括人脸识别、指纹识别、掌纹识另IJ、表情识别、虹膜识别、视网膜识别、语音识别、签名识别等等。这些技术己经应用于社会生活的各个领域,发挥着越来越重要的作用。人脸识别作为智能化人机交互技术一个重要组成部分,也属于生物特征识别领域,近年来得到了广泛的关注。人脸识别在人机交互、安全监视、司法应用、接入系统、信息系统等领域成为了非常有前景的一门技术。人脸识别技术是利用计算机检测人脸图像,提取有效人脸特征信息,进行识别和分析。尽管使用不同方法在不同条件下识别效果各有优劣,然而,在人脸识别中最根本的问题是需要高效而且对于人脸特征区分度高的特征描述子。在这方面,近年来国内外已经取得了很多不错的进展。从提取的特征来说,人脸识别的方法可以分为两大类方法整体特征方法和局部特征方法。在整体特征方面,Turk和Pentland把特征脸引进到人脸识别中,特征脸将整幅人脸图像输入到人脸识别系统中,这个方法实质是用主元分析(PCA)构造一个子空间,然后把人脸用主元表示,并在低维的子空间里进行比较,这样就有效的避免了维数灾难。此外还有其他一些构建低维子空间的方法线性判别分析(LDA)、独立成分分析(ICA)、因子分析(FA)陆续被提出来,并应用于人脸识别领域。与此同时,局部特征描述子以其高效的表征能力越来越得到关注。局部特征描述子比如Gabor特征、SURF特征、SIFT特征、HOG特征、以及LBP特征都获得了广泛的运用。使用局部特征描述子的算法在面对遮挡,表情、姿态和光照变化时具有更强的鲁棒性。此外,基于大脑视觉皮层机制的标准模型特征(SMFs)也被提出来了,JimMutch和David G. Lowe使用模拟生物视觉的方法重新定义和改进了该模型。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足提供一种基于扩展八邻域局部纹理特征的非接触式人脸识别签到系统。本专利技术的技术方案如下一种基于扩展八邻域局部纹理特征的非接触式人脸识别算法,包括以下步骤步骤一,提取人脸图像的扩展八邻域局部纹理特征;该步骤包括三个阶段图像点标记阶段、图像点编码阶段、图像特征向量提取阶段;(一)图像点标记阶段以某一个像素点为中心,定义八个方向,按顺时针从西北方向开始,分别是西北方向、正北方向、东北方向、正东方向、东南方向、正南方向、西南方向、正西方向,称所述的八个方向为纹路,根据不同的半径,定义不同的基于不同像素半径的扩展八邻域局部纹理描述子;首先要对该像素点周围八条纹路上的像素点进行标记;标记的原则是:如果纹路上某个像素点的灰度值和中间像素点的灰度值满足下式:Pij-P01 ^ Thd (I)则该像素点标记为黑色,否则标记为白色;式中P。是中间的像素点的灰度值,Pij是纹路上的像素点的灰度值;Thd为阈值;(二)图像点编码阶段得到某个像素点周围的八个方向的纹路标记图后,对该像素点局部纹理信息进行编码;对每条纹路方向编码;对某一条纹路方向编码时,统计纹路方向上的每个像素点是否标记为黑点,如果全部是黑点,则该条纹路编码为“I” ;否则,编码为“0” ;(三)图像特征向量提取阶段使用(一)、(二)的方法遍历每一个像素点,得到它们的编码值;然后再对所有的编码值转化为十进制数,统计每一种编码值出现的次数,得到统计直方图向量;由于编码值从“0”到“255”变化,所以得到的统计直方图向量是256维,这就是描述子作用于图像后提取的特征向量;步骤二,使用SVM分类器对提取到的局部纹理特征分类,实现人脸的识别。所述的非接触式人脸识别算法,针对每一个像素点在提取局部纹理特征时,都计算出一个特定的阈值,称之为自适应阈值,自适应阈值StdThd可由下式得出:本文档来自技高网
...

【技术保护点】
一种基于扩展八邻域局部纹理特征的非接触式人脸识别算法,其特征在于,包括以下步骤:步骤一,提取人脸图像的扩展八邻域局部纹理特征;该步骤包括三个阶段:图像点标记阶段、图像点编码阶段、图像特征向量提取阶段;(一)图像点标记阶段以某一个像素点为中心,定义八个方向,按顺时针从西北方向开始,分别是西北方向、正北方向、东北方向、正东方向、东南方向、正南方向、西南方向、正西方向,称所述的八个方向为纹路,根据不同的半径,定义不同的基于不同像素半径的扩展八邻域局部纹理描述子;首先要对该像素点周围八条纹路上的像素点进行标记;标记的原则是:如果纹路上某个像素点的灰度值和中间像素点的灰度值满足下式:|Pij?Po|≤Thd?????(1)则该像素点标记为黑色,否则标记为白色;式中Po是中间的像素点的灰度值,Pij是纹路上的像素点的灰度值;Thd为阈值;(二)图像点编码阶段得到某个像素点周围的八个方向的纹路标记图后,对该像素点局部纹理信息进行编码;对每条纹路方向编码;对某一条纹路方向编码时,统计纹路方向上的每个像素点是否标记为黑点,如果全部是黑点,则该条纹路编码为“1”;否则,编码为“0”;(三)图像特征向量提取阶段使用(一)、(二)的方法遍历每一个像素点,得到它们的编码值;然后再对所有的编码值转化为十进制数,统计每一种编码值出现的次数,得到统计直方图向量;由于编码值从“0”到“255”变化,所以得到的统计直方图向量是256维,这就是描述子作用于图像后提取的特征向量;步骤二,使用SVM分类器对提取到的局部纹理特征分类,实现人脸的识别。...

【技术特征摘要】
1.一种基于扩展八邻域局部纹理特征的非接触式人脸识别算法,其特征在于,包括以下步骤: 步骤一,提取人脸图像的扩展八邻域局部纹理特征;该步骤包括三个阶段:图像点标记阶段、图像点编码阶段、图像特征向量提取阶段; (一)图像点标记阶段 以某一个像素点为中心,定义八个方向,按顺时针从西北方向开始,分别是西北方向、正北方向、东北方向、正东方向、东南方向、正南方向、西南方向、正西方向,称所述的八个方向为纹路,根据不同的半径,定义不同的基于不同像素半径的扩展八邻域局部纹理描述子; 首先要对该像素点周围八条纹路上的像素点进行标记;标记的原则是:如果纹路上某个像素点的灰度值和中间像素点的灰度值满足下式: IPij-P0I ^Thd (I) 则该像素点标记为黑色,否则标记为白色;式中P。是中间的像素点的灰度值,Pij是纹路上的像素点的灰度值;Thd为阈值; (二)图像点`编码阶段 得到某个像素点周围的八个方向的纹路标记图后,对该像素点局部纹理信息进行编码;对每条纹路方向编码;对某一条纹路方向编码时,统计纹路方向上的每个像素点是否标记为黑点,如...

【专利技术属性】
技术研发人员:赵恒王小平张春晖
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1