, 5张样本构成，其余 图像用作测试。测试样本与所有的训练样本进行比较，如果与测试样本距离最小的训练样 本的身份与测试样本一致，则认为识别是正确的。所有正确识别的样本数除W所有测试样 本数即为正确识别率。
[0079] 另外还计算了本方法、局部二值模式、完备局部二值模式、统一局部二值模式的 累加匹配特性曲线。在计算累加匹配特性曲线时需要Gallery图库集和Probe图库集。 Galle巧图库集由theextendedYaleB数据库中每个人提供一张图片构成，每人剩余的其 他63张图片构成Probe图库集。假设Gallery图库集中图片数目为L，P为一长度为L的 全零向量。图库Probe集中一张图片I与Gallery集中所有图片进行距离匹配，得到一个 距离向量D= (di,dg,…，屯}，设Probe集中图片I与Galle巧集中相同身份图片之间的距 离为山则d-定是向量D的一个元素，如果按从小到大排列D向量，此时假设d排列在D位 置1，则向量P的1位置上的元素值加上1。如此将Probe图库集中图片重复一次，然后将 向量P的每个元素除W向量P的长度，则"秩（rank) 1"识别率就是向量P的第一个元素值， "秩（rank)2"识别率就是向量P的第二个元素值，依次类推。在本实施例中，当计算累加匹 配特性曲线时，随机从每个人的照片中选择一张构成Gallery图库集，每个人剩下的63张 构成Probe集。局部二值模式、统一局部二值模式、完备局部二值模式、本方法在此Gallery 和Probe图库集下的累加匹配曲线如图6所示；
[0080] 从图6中可W看出，局部二值模式和统一局部二值模式的性能比较接化但都弱 于完备局部二值模式，而完备局部二值模式又大大弱于本方法。随着"秩（rank)"的增加到 接近Gallery图库集中图片数目的时候，几种算法性能相近，但此时没有多少工程实践价 值了。
[0081] 在本实施例中还仿真了不同训练样本数目情况下各算法的正确识别率。我们将仿 真重复5次，计算平均正确识别率和标准偏差，并将结果画在图7中；从图7中可W看出，本 方法的性能大大优于其他几种算法，当训练样本数为5时，通过基于卡方统计量的最近邻 分类器来计算局部二值模式、统一局部二值模式、完备局部二值模式和本方法的平均识别 率为；66. 09 %，62. 34%，70. 92%，76. 76 %。其中本方法比局部二值模式算法识别率要高 出10. 67%，比统一局部二值模式高出14. 42%，比完备局部二值模式高出5. 84%，该说明 本方法是一种非常高效的光照人脸识别方法。
[0082] 上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述 实施方式，在本领域普通技术人员所具备的知识范围内，还可W在不脱离本发明宗旨的前 提下作出各种变化。
【主权项】
1. 一种基于完备局部凸凹模式的光照人脸识别方法，其特征在于：首先对图像进行分 块；然后对各分块图像进行双线性插值，使得图像中每个像素点能构建8个对称方向，接着 计算分块图像中每个像素点沿8个方向局部差分；然后编码此局部差分的符号特征和幅度 特征；对各图像块的每个像素点进行编码，得到各图像块的中心像素特征；接下来对各分 块图像的符号特征、幅度特征、中心像素特征的特征矩阵提取直方图特征向量，依次连接该 分块图像符号特征、幅度特征、中心像素特征的直方图特征向量得到各分块图像的直方图 特征向量；最后连接各分块图像的直方图特征向量得到此原始图像的直方图特征向量，把 该特征向量送入基于卡方统计量的最近邻分类器进行分类，来识别原始人脸图像的身份。2. 根据权利要求1所述的基于完备局部凸凹模式的光照人脸识别方法，其特征在于： 所述基于完备局部凸凹模式的光照人脸识别方法的具体步骤如下： Stepl、首先将图像进行分块：把图像1(1)均匀分成4X4的无重叠方块，一共16块，表 示为（％· = 0,1，2,···,15); Step2、对各分块图像进行双线性插值运算，使得每个像素点能构建关于该像素点对称 的8个方向，然后计算每个像素点沿不同方向的局部差分，将该局部差分分解为符号部分 和和幅度部分； Step3、对符号部分和幅度部分分别进行相应的局部凸凹模式编码，得到各分块图像的 符号特征CLCCP-S和幅度特征CLCCP-M，其中像素点Xtl的符号特征和幅度特征的编码公式 分别为：其中，CLCCP-S1,8 (Xtl)。表示像素X ^处的局部凸凹性符号特征，CLCCP-M 8 (Xtl)。表示像素 Xtl处的局部凸凹性幅度特征，，表示图像中Xtl处的像素值，& 和&+4表示图像中PjP P i+4处的像素值，&和jW1表示图像中Qj和Q j+4处的像素值，abs () 表示求取绝对值运算，CLCCP-S1;8 (Xtl) CLCCP-M 1; 8 (Xtl) D中下标" 1"表示计算凸凹特性所 用的像素点距Xtl的距离为1，即尺度为1，下标"8"表示计算经过像素点X ^的8个方向的凸 凹特征，下标"D"表示是十进制量，threshold是预先设置的阈值； Step4、对各图像块的每个像素点进行编码，得到各图像块的中心像素特征CLCCP-C，编 码公式为C1JAV =/(Λ" -c'/)，这里C1表示整幅图像的平均值，仏表示图像中 X0处的像素值，CLCCP-Cu(Xq)d中下标"1"表示计算凸凹特性所 用的像素点距Xtl的距离为1，即尺度为1，下标"8"表示计算经过像素点X ^的8个方向的凸 凹特征，下标"D"表示十进制量，threshold是预先设置的阈值； Step5、经过步骤Step2、Step3和Step4,提取了图像块/丨^的完备局部凸凹特征，包 括符合特征、幅度特征和中心像素特征，当图像块中的像素点Xtl遍历整个图像块时， 得到各分块图像/,+ (/ = 0,1,2,…，15)的CLCCP-S、CLCCP-M、CLCCP-C的特征矩阵，分别为 το) τ(〇 μη 1. CLCCP-S、1Z CLCCP-M Λ 1I CLCCP-C ' Step6、接下来提取各图像块三个特征矩阵的直方图特征向量，图像块//>的三个特征 矩阵Zf1ctccj^c的直方图特征向量分别表不为： Hi CiCCi>-5^/ CLCCP-M CLCCP-C J 依次连接此三个直方图特征向量，得到图像块/广的直 方图特征向量H,(/Iczccp=[把1accp-pHf1czccp^,丑，此处Zf 1ciccp 的下标 CLCCP 表示 完备局部凸凹模式特征，它包含符号特征CLCCP-S，幅度特征CLCCP-M和中心像素点特征 CLCCP-C ； Step7、连接各图像块的直方图特征向量，得到原始图像的完备局部凸凹模式直方图特 征向量为：=[戌\_丑fWCCP,···，邱Wot]; Step8、把该特征向量送入基于卡方统计量的最近邻分类器进行分类，来识别原始人脸 图像的身份。3.根据权利要求1所述的基于完备局部凸凹模式的光照人脸识别方法，其特征 在于：所述步骤StepS中，基于卡方统计量的最近邻分类器进行分类时，先计算卡方 统计量；设定两幅人脸图像Iw和I (1)的完备局部凸凹模式直方图特征向量分别为： 间，坪 Vm，…和户Wcp =[和1Wcp，丑…，邱W 之间的距离，即卡方统计量距离采用如下公式计算：其中⑴和I(1)_p⑴分别表示纹理特征向量Ιω_Ρ和I (1)_p的第i个元素， K'表示纹理向量的长度，eps为一固定值，为Matlab中最小的正数。
【专利摘要】本发明涉及一种基于完备局部凸凹模式的光照人脸识别方法，属模式识别领域。首先对图像进行分块；对各分块图像进行双线性插值；通过对各图像块中每一像素点的局部差分的符号特征和幅度特征进行编码，得到各图像块的符号特征矩阵、幅度特征矩阵。然后对各图像块的像素点进行编码得到各图像块的中心像素特征矩阵，然后提取此三个特征矩阵的直方图特征，得到三个特征向量，依次连接此三个特征向量得到图像块的直方图特征向量；最后连接各图像块的直方图特征向量得到此原始图像的直方图特征向量，把该特征向量送入最近邻分类器进行分类，来识别原始人脸图像的身份。本发明是基于二阶微分的图像纹理描述方法，能有效的进行光照环境下人脸识别。
【IPC分类】G06K9/00
【公开号】CN104881634
【申请号】CN201510223240
【发明人】陈熙, 晋杰
【申请人】昆明理工大学
【公开日】2015年9月2日
【申请日】2015年5月5日