述终端判定所述 样本直方图中的某个人脸的直方图与所述待识别直方图时，所述样本直方图中与所述待识 别直方图匹配的直方图所对应的人脸图像，为所述样本人脸图像中与所述待识别人脸图像 相同的人脸图像。即所述样本人脸图像中某个人脸图像的直方图与所述待识别人脸图像的 直方图匹配时，所述样本人脸图像中与所述待识别人脸图像的直方图匹配的直方图所对应 的人脸图像，为所述样本人脸图像中与所述待识别人脸图像相同的人脸图像。
[01巧]提取人脸图像的纹理信息的传统方法为GT(Gat)Or Transform,Gabor变换）和所述 局部二值模式相结合的算法，在利用所述GT进行人脸图像的纹理信息的滤波提取过程中， 首先将所述人脸图像经过所述GT变换，得到滤波后的人脸图像，所述GT变换是针对5个尺度 8个方向的变换，即生成40幅滤波图像，然后再对所述40幅滤波图像进行所述局部二值模式 变换，最后进行人脸图像的识别。该方法计算复杂度过高，且计算时间过长，导致视频的读 取分析时间长，效率低。而本实施例是通过将所述环形对称Gabor变换和所述局部二值模式 变换相结合的算法提取人脸图像的纹理信息，所述人脸图像经过所述环形对称Gabor变换 后生成5幅滤波图像进行叠加，重组成新的5幅滤波图像，然后对重组后的滤波图像进行区 域能量提取，W提取出最能描述所述人脸图像的纹理信息的图像，再对所述纹理图像信息 进行所述局部二值模式变换。相对于采用所述GT和所述局部二值模式相结合的人脸识别算 法，只需要计算5幅滤波图像，相对比计算40幅滤波图像，降低了计算量，减少了计算时间。
[0129] 本实施例通过对样本人脸图像和待识别人脸图像进行环形对称Gabor变换、叠加、 区域能量提取和局部二值模式变换，得到所述样本直方图和所述待识别直方图，并将所述 样本直方图与所述待识别直方图进行对比，得到所述样本人脸图像中与所述待识别人脸图 像相同的人脸图像。实现了通过环形对称Gabor变换和局部二值模式变换相结合的方法提 取人脸图像的直方图，进而确定样本人脸图像中与待识别人脸图像相同的人脸图像，降低 了人脸识别过程中的计算量，缩短了计算时间，提高了人脸识别的效率。
[0130] 参照图6,图6为本发明人脸识别装置第二实施例的功能模块示意图，基于本发明 的第一实施例提出本发明人脸识别装置的第二实施例。
[0131 ]在本实施例中，所述人脸识别装置还包括：
[0132] 预处理模块70,用于对所述样本人脸图像和所述待识别人脸图像进行预处理，其 中，所述预处理包括灰度处理和直方图均衡化处理。
[0133] 当所述终端获取所述样本人脸图像和所述待识别人脸图像时，对所述样本人脸图 像和所述待识别人脸图像进行预处理，其中所述预处理包括灰度处理和直方图均衡化处 理。具体地，参照图9和图11，图9为本发明中样本人脸图像中的所有人脸图像经过预处理后 的人脸图像的示意图，图11为本发明中某一人脸图像经过预处理后的人脸图像的示意图。 其中，图9中的样本人脸图像一共包括了 11幅人脸图像，图11表示对样本人脸图像中的第8 幅人脸图像进行预处理后的人脸图像的示意图。当所述待识别人脸图像与所述样本人脸图 像中的第8幅人脸图像相同时，所述图11也表示对所述待识别人脸图像进行预处理后的人 脸图像的示意图。
[0134] 对所述样本人脸图像和所述待识别人脸图像进行灰度变换；
[0135] 所述终端对所述样本人脸图像和所述待识别人脸图像进行灰度变换，对应得到所 述样本人脸图像和所述待识别人脸图像中进行灰度变换后的人脸图像。所述灰度变换又称 为灰度拉伸和对比度拉伸，它是最基本的一种点操作，根据原始图像中每个像素的灰度值， 按照某种映射规则，将其变换为另一种灰度值，通过对原始图像中每个像素赋一个新的灰 度值来达到增强图像的目的。
[0136] 对所述灰度变换后的人脸图像进行人脸图像直方图的均衡化处理。
[0137] 所述终端对所述灰度变换后的人脸图像进行人脸图像直方图的均衡化处理，对应 得到所述样本人脸图像和所述待识别人脸图像进行直方图均衡化处理的人脸图像，即对应 得到预处理后的人脸图像。所述人脸图像直方图的均衡化的步骤为:①统计所述灰度变换 后的人脸图像直方图；②根据统计出的人脸图像直方图采用累积分布函数做变换，求得变 换后的新灰度;③用所述新灰度代替旧灰度，运一步是近似的过程，应根据合理的目的尽量 做到合理，同时把灰度值相等或近似的合并在一起。
[0138] 进一步地，所述终端分别对所述样本人脸图像和所述待识别人脸图像进行中值滤 波，所述中值滤波是把局部区域的像素按灰度等级进行排序，取该领域中灰度的中值作为 当前像素的灰度值。所述中值滤波的步骤为:①将滤波模板在图像中漫游，并将模板中屯、与 图中某个像素位置重合;②读取模板中各对应像素的灰度值;③将运些灰度值从小到大排 列；④取运一列数据的中间数据赋给对应模板中屯、位置的像素。所述终端对所述样本帖中 的人脸图像和待分类帖中的人脸图像进行同态滤波。所述同态滤波是将图像乘积形式的亮 度模型(非可加性)变成可加形式，W便进行滤波增强处理。所述同态滤波的步骤为:①对亮 度函数两边作对数变换，再取傅氏变换;②通过统一滤波器;③对滤波器的输出取傅氏反变 换，再取指数变换。选取合适的滤波器，可W适当压缩照度分量的动态范围，同时适当提升 反射度分量，可W改善图像对比度，突出物体轮廓。
[0139] 本实施例通过对获取的样本人脸图像和待识别人脸图像进行灰度变换和直方图 均衡化等处理，使所获取的样本人脸图像和待识别人脸图像不受光照和肤色等因素的影 响，提高了人脸识别的准确率。
[0140] 具体的，图1和图2所示实施例中，当所述终端对所述样本人脸图像和所述待识别 人脸图像进行所述环形对称Gabor变换后，得到经过所述环形对称Gabor变换后的所述样本 人脸图像的滤波图像，和经过所述环形对称Gabor变换后的所述待识别人脸图像的滤波图 像。其中，每一幅人脸图像在经过所述环形对称Gabor变换后，会生成对应的5幅滤波图像。 所述终端分别对所述样本人脸图像中每一人脸图像的滤波图像和所述待识别人脸图像的 滤波图像进行叠加，对应得到经过叠加后的滤波图像，即将所述样本人脸图像中每一人脸 图像的5幅滤波图像重组成新的5幅滤波图像，将所述待识别人脸图像的5幅滤波图像重组 成新的5幅滤波图像，得到经过叠加后的样本人脸图像和待识别人脸图像。所述终端对经过 所述环形对称Gabor变换的所述样本人脸图像进行叠加，和对经过所述环形对称Gabor变换 的所述待识别人脸图像进行叠加，所述叠加过程的公式为：
[0142]其中，所述a_max为经过环形对称Gabor变换后所得人脸图像的滤波图像中第a幅 滤波图像中的像素最大值;所述a为第a幅滤波图像中每一像素点的像素值;所述255表示的 是图像像素的最大值;所述UintS是将计算所得的人脸图像转化为可W输出成图像的数据 格式a_temp。如:所述终端需要进行叠加的人脸图像为test,其大小为w*h，所述test经过环 形对称Gabor变换后，得到的某一滤波图像为A,则所述A的大小也为w*h，且每幅人脸图像经 过环形对称Gabor变换后，会得到5幅滤波图像，5幅滤波图像的大小都为w*h。所述a为运5幅 滤波图像中其中一幅滤波图像，a_max为a滤波图像中像素最大值，则a_test = a/a_max表示 将所述a滤波图像中每一像素点的像素值都与像素最大值相除，得到的曰_*63*的大小同样 为讯*11，最后得到日_161119 = 11；[]118(日_163巧255)。所述终端对人脸图像经过所述〔561'变换后 所得的5幅滤波图像的叠加处理的过程是类似的，因此，在本实施例中只对一幅滤波图像的 叠加过程进行说明。具体地，参照图12,所述图12为图11中的人脸图像经过环形对称Gabor 变换后的图像示意图，即所述图12为所述样本人脸图像中的第8幅人脸图像经过环形对称 Gabor变换后的图像示意图，当所述待识别人脸图像与所述样本人脸图像中的第8幅人脸图 像相同时，所述图12也可W表示所述待识别人脸图像经过环形对称Gabor变换后的图像示 意图。
[0143] 参照图7,图7为本发明实施例中叠加模块的一种功能模块示意图。
[0144] 在本实施例中，所述叠加模块40包括：
[0145] 归一化处理单元41，用于对所述经过叠加后的样本人脸图像和待识别人脸图像对 应的a_temp图像分别进行归一化处理，得到归一化处理后的样本人脸图像和待识别人脸图 像对应的 b_t emp 图像，其中 b_t emp = a_t emp /2 5 5;
[0146] 提取单元42,用于根据区域能量提取公式计算经区域能量提取后的样本人脸图像 和待识别人脸图像，其中区域能量提取公式为：
[0148]其中，所述i为经过叠加后的所述样本人脸图像或待识别人脸图像的中屯、点，且所 述i的初始值为0,所述d为大于0的预设值，所述i W初始值为中屯、、Wd为单位进行递增直至 不满足递增条件，递增条件为：
[0150] 其中所述sum为W所述中屯、点为中屯、、宽和高的取值均为所述i的区域内所有像素 的像素叠加值，0.9是一个设置值，还可W设置为0.8、0.85、0.95等数值，经该递增条件进行 的能量提取表示提取90%的能量，在此时能够提取出最能描述第a幅滤波图片中人脸图像 的纹理信息；同理当设置为0.95时，表示提取95%的能量，依此类推；
[0151] 截取单元43,用于将不满足递增条件时的i值记为I，W所述中屯、点为中屯、、Wl值 为宽和高从经过叠加后的所述样本人脸图像或待识别人脸图像中截取图像，截取的图像作 为区域能量提取后的输出图像；
[0152] 所述终端对所述经过叠加的待识别人脸图像进行区域能量提取的过程和对所述 经过叠加的样本人脸图像进行区域能量提取的过程一致，在此不再寶述。具体地，参照图 17,图17为本发明实施例中对经过叠加后的人脸图像进行区域能量提取的示意图。由所述 图17可知，I点为所述emp图像的中屯、点，所述I的初始值为0，当sum/10小于或等于0.9 时，W所述b_temp图像的中屯、点作为待截取图像的中屯、点，将所要截取的图像区域的宽和 高都扩大10个单位，即i = i+l〇,其中，所述sum为W所述中屯、点为中屯、、宽和高的取值均为i 的区域内所有像素点对应像素值的叠加。在所述图17中，C为I扩大后的图像区域；当sum/10 大于0.卵寸，则W所述畑IP图像的中屯、点为中屯、进行图像截取，截取所得的畑IP图像的 宽和高为1，1为不满足递增条件时的i的取值，即图17中的C为所需截取的图像的大小，其宽 和高的大小都为I，截取所得的图像即为经过区域能量提取的人脸图像，最终得到经过区域 能量提取的人脸图像为*631:_6]1(1 = 11；[]118(1*255)。
[0153] 具体地，参照图13和14，所述图13为图12中对经过环形对称Gabor变换的人脸图像 进行叠加和区域能量提取后的人脸图像的示意图。即所述图13表示对经过所述环形对称 Gabor变换的所述样本人脸图像的第8幅人脸图像进行叠加和区域能量提取后的