基于Gabor二值模式的人脸识别方法及装置制造方法
【专利摘要】本发明实施例提供一种基于Gabor二值模式的人脸识别方法及装置。该装置包括：阈值确定模块，采用费希尔准则获取训练图像集合中所有第一滤波响应图像的鉴别因子，并根据鉴别因子确定各方向的各尺度下的像素点阈值；滤波处理模块，对待处理图像进行珈波滤波，获得预设的每一方向和尺度下的第二滤波响应图像；确定模块，依据与各第二滤波响应图像的像素点阈值，确定该第二滤波响应图像的LGBP二进制图；获取模块，根据LGBP二进制图获取待处理图像的特征向量；识别模块，根据上述特征向量及训练图像集合中任一训练图像的特征向量，获取待处理图像与训练图像的相似度，并根据相似度阈值得到识别结果。本发明实施例可提高对人脸的鉴别能力。
【专利说明】基于Gabor 二值模式的人脸识别方法及装置
【技术领域】
[0001]本发明实施例涉及图像处理与模式识别技术，尤其涉及一种基于Gabor 二值模式的人脸识别方法及装置。
【背景技术】
[0002]由于人脸识别技术具有直观性与不可复制性，因此，被广泛应用于安检系统、门禁系统、考勤系统、智能机器人系统以及虚拟游戏系统等。其基本概念是从一幅包含人脸的图像或视频中检测出人脸区域；选择并提取人脸区分性较强的特征描述符；然后根据所选特征设计分类器，实现人脸的识别。
[0003]现有技术中，采用基于二维多尺度局部珈波二进制模式(Mult1-scale BlockLocal Gabor Binary Patterns,简称:MB-LGBP)特征的表情识别及其光照检测的方法对人脸进行识别。该方法利用Gabor小波滤波以及局部二值模式(Local Binary Patterns,简称:LBP)相结合的方法进行人脸表情识别，其关键步骤在于对同一尺度，不同方向下的Gabor滤波响应图像中的对应像素点的像素值求和，从而减少Gabor滤波响应图像的数量，在此基础上进一步提取每一尺度的LBP 二值模式，作为最终的特征数据，输入到向量分类器中进行表情分类。其中，求和示例如图1所示，图1为现有技术对某一尺度对应的八个方向下的Gabor滤波响应图像中的三个像素点的像素值求和示例图。
[0004]但采用上述识别技术进行人脸的识别，可能造成图像纹理跳变特征的丢失，最终导致鉴别能力低下。
【发明内容】
[0005]本发明实施例提供一种基于Gabor 二值模式的人脸识别方法及装置，以提高对人脸的鉴别能力。
[0006]第一方面，本发明实施例提供一种基于Gabor 二值模式的人脸识别装置，包括:
[0007]阈值确定模块，用于对训练图像集合中的在同一方向的同一尺度的所有第一滤波响应图像采用费希尔Fisher准则，获取所述方向的所述尺度下的鉴别因子，并根据每一方向的各尺度下的所述鉴别因子确定所述每一方向的各尺度下的像素点阈值；
[0008]滤波处理模块，用于根据预设的至少两个方向与至少两个尺度，对待处理图像进行每一个方向的各个尺度的Gabor滤波处理，获得每一个方向的各个尺度下的第二滤波响应图像；
[0009]确定模块，用于对于所述滤波处理模块获得的每一个方向的各个尺度下所述第二滤波响应图像，依据针对与所述第二滤波响应图像具有相同方向和尺度下的像素点阈值，确定与每一个所述第二滤波响应图像对应的二进制模式LGBP 二进制图；
[0010]获取模块，用于获取所述确定模块得到的每一所述LGBP 二进制图的特征向量，根据每一所述LGBP 二进制图的特征向量获取所述待处理图像的特征向量；
[0011]识别模块，用于根据所述获取模块获取的所述待处理图像的特征向量以及训练图像集合中任一训练图像的特征向量，获取所述待处理图像与训练图像集合中该训练图像的相似度，并根据相似度阈值，得到识别结果。
[0012]结合第一方面，在第一方面的第一种可能的实现方式中，将所述训练图像集合中每一个所述第一滤波响应图像作为与该第一滤波响应图像具有相同方向和尺度的样本，将所述训练图像集合中同一目标的训练图像的在同一方向的同一尺度的第一滤波响应图像作为该方向的该尺度的类内样本，所述阈值确定模块获取所述方向的所述尺度下的鉴别因子具体为:
[0013]计算所述训练图像集合中每一目标所述方向的所述尺度下类内样本的像素均值，及所述训练图像集合中所有目标在所述方向的所述尺度下的所有样本的像素平均值；
[0014]根据所述方向的所述尺度下的所述像素均值和所述方向的所述尺度下的所述像素平均值，确定所述方向的所述尺度下的类内离散矩阵和所述方向的所述尺度下的类间离散矩阵；
[0015]根据所述方向的所述尺度下的所述类内离散矩阵和所述方向的所述尺度下的类间离散矩阵，计算所述方向的所述尺度下的鉴别因子。
[0016]结合第一方面或第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述阈值确定模块根据每一方向的各尺度下的所述鉴别因子确定所述每一方向的各个尺度的像素点阈值具体为:
[0017]根据如下公式，计算所述第一滤波响应图像所在方向的尺度下的像素点阈值t为:
【权利要求】
1.一种基于珈波Gabor 二值模式的人脸识别装置，其特征在于，包括: 阈值确定模块，用于对训练图像集合中的在同一方向的同一尺度的所有第一滤波响应图像采用费希尔Fisher准则，获取所述方向的所述尺度下的鉴别因子，并根据每一方向的各尺度下的所述鉴别因子确定所述每一方向的各尺度下的像素点阈值； 滤波处理模块，用于根据预设的至少两个方向与至少两个尺度，对待处理图像进行每一个方向的各个尺度的Gabor滤波处理，获得每一个方向的各个尺度下的第二滤波响应图像； 确定模块，用于对于所述滤波处理模块获得的每一个方向的各个尺度下所述第二滤波响应图像，依据针对与所述第二滤波响应图像具有相同方向和尺度下的像素点阈值，确定与每一个所述第二滤波响应图像对应的二进制模式LGBP 二进制图； 获取模块，用于获取所述确定模块得到的每一所述LGBP 二进制图的特征向量，根据每一所述LGBP 二进制图的特征向量获取所述待处理图像的特征向量； 识别模块，用于根据所述获取模块获取的所述待处理图像的特征向量以及训练图像集合中任一训练图像的特征向量，获取所述待处理图像与训练图像集合中该训练图像的相似度，并根据相似度阈值，得到识别结果。
2.根据权利要求1所述的装置，其特征在于，将所述训练图像集合中每一个所述第一滤波响应图像作为与 该第一滤波响应图像具有相同方向和尺度的样本，将所述训练图像集合中同一目标的训练图像的在同一方向的同一尺度的第一滤波响应图像作为该方向的该尺度的类内样本，所述阈值确定模块获取所述方向的所述尺度下的鉴别因子具体为: 计算所述训练图像集合中每一目标所述方向的所述尺度下类内样本的像素均值，及所述训练图像集合中所有目标在所述方向的所述尺度下的所有样本的像素平均值； 根据所述方向的所述尺度下的所述像素均值和所述方向的所述尺度下的所述像素平均值，确定所述方向的所述尺度下的类内离散矩阵和所述方向的所述尺度下的类间离散矩阵； 根据所述方向的所述尺度下的所述类内离散矩阵和所述方向的所述尺度下的类间离散矩阵，计算所述方向的所述尺度下的鉴别因子。
3.根据权利要求1或2所述的装置，其特征在于，所述阈值确定模块根据每一方向的各尺度下的所述鉴别因子确定所述每一方向的各个尺度的像素点阈值具体为: 根据如下公式，计算所述第一滤波响应图像所在方向的尺度下的像素点阈值t为: W+a 其中，t为与W同方向的尺度下的第一滤波响应图像的像素点阈值，α为大于I的实数，W为所述第一滤波响应图像所在的方向的尺度下的鉴别因子。
4.根据权利要求1-3任一项所述的装置，其特征在于，所述确定模块包括: 阈值获取单元，用于获取该第二滤波响应图像所在的方向的尺度下的像素点阈值； 确定单元，用于针对每一个所述第二滤波响应图像，根据所述与该第二滤波响应图像所在方向的尺度的像素点阈值，获得该第二滤波响应图像的各像素点对应的LGBP 二进制序列，并根据该第二滤波响应图像的各像素点对应的LGBP 二进制序列得到该第二滤波响应图像对应的LGBP 二进制图。
5.根据权利要求4所述的装置，其特征在于，所述确定单元获得所述第二滤波响应图像中各像素点对应的LGBP 二进制序列具体为: 根据如下公式获得所述第二滤波响应图像中各所述像素点作为中心像素点时对应邻域中的任一周围像素点的LGBP 二进制值:
6.根据权利要求4或5所述的装置，其特征在于，所述获取模块获取所述确定模块得到的每一所述LGBP 二进制图的特征向量中，任一个所述LGBP 二进制图的特征向量的获取过程包括: 采用预设大小的区域块，对其所接收的所述确定模块得到的所述LGBP 二进制图进行区域划分； 将各所述区域块中每一像素点对应的二进制序列转换成十进制值，作为该像素点的LGBP编码值； 以所有所述区域块中的最大LGBP编码值作为每一个所述区域块所对应向量的总维度，将所述区域块内LGBP编码值为η-l的LGBP编码值的个数作为该区域块对应向量中第η维的取值；所述区域块对应的向量的各维度的取值组成该区域块对应的LGBP直方图；其中，η为I到最大LGPB编码值之间的任意整数； 串联各所述区域块的LGBP直方图，得到所述LGBP 二进制图的特征向量； 所述获取模块根据每一所述LGBP 二进制图的特征向量获取所述待处理图像的特征向量具体为:串联各LGBP 二进制图的特征向量，得到所述待处理图像的特征向量。
7.根据权利要求1-6任一项所述的装置，其特征在于，所述确定模块进一步用于针对每一尺度下至少两个方向中的每个方向的所述LGBP 二进制图，融合同一尺度下所述至少两个方向中每个方向的所述LGBP 二进制图，得到每一尺度融合后的LGBP 二进制图； 所述获取模块获取所述确定模块得到的每一所述LGBP 二进制图的特征向量具体为:获取所述确定模块得到的每一尺度融合后的LGBP 二进制图的特征向量。
8.根据权利要求7所述的装置，其特征在于，所述确定模块针融合同一尺度下所述至少两个方向中每个方向的所述LGBP 二进制图，得到每一尺度融合后的LGBP 二进制图具体为:所述确定模块以按位相或的方式，融合同一尺度下所述至少两个方向中每个方向的所述LGBP 二进制图，得到每一尺度融合后的LGBP 二进制图。
9.根据权利要求1-8任一项所述的装置，其特征在于，所述识别模块具体用于: 采用直方图交叉法，根据所述获取模块获取的所述待处理图像的特征向量以及训练图像集合中任一训练图像的特征向量，获取待处理图像与训练图像集合中该训练图像的相似度；并根据相似度阈值，得到识别结果。
10.根据权利要求9所述的装置，其特征在于，所述识别模块根据相似度阈值，得到识别结果具体为: 确定所述相似度大于或等于所述相似度阈值，并确定所述待处理图像与用于获取相似度的训练图像为同一目标的图像；或 确定所述相似度小于所述相似度阈值，并确定所述待处理图像与用于获取相似度的训练图像为不同目标的图像。
11.根据权利要求1-10任一项所述的装置，其特征在于，所述阈值确定模块还用于: 按照十字交叉验证准则，任意组合所述训练图像集合中的训练图像，将所述训练图像集合中的训练图像分为待训练图像和测试图像； 采用直方图交叉法，计算各所述待训练图像与所述测试图像的特征向量的相似度； 依次以每一相似度作为阈值，统计该组的准确率及误判率； 根据每组中的准确率与误判率，确定相似度阈值。
12.根据权利要求11所述的装置，其特征在于，所述阈值确定模块根据每组中的准确率与误判率，确定相似度阈值具体为: 遍历每组中所述准确率与误判率，若一组中的准确率与误判率相加再减I后的绝对值最小时，将其对应的相似度阈值作为该组的最优相似度阈值； 取各个组的最优相似度阈值的平均值，作为所述训练图像集合的相似度阈值。
13.一种基于珈波Gabor 二值模式的人脸识别方法，其特征在于，包括: 根据预设的至少两个方向与至少两个尺度，对待处理图像进行每一个方向的各个尺度的Gabor滤波处理，获得每一个方向的各个尺度下的第二滤波响应图像； 对于每一个方向的各个尺度下所述第二滤波响应图像，依据针对与所述第二滤波响应图像具有相同方向和尺度下的像素点阈值，确定与每一个所述第二滤波响应图像对应的二进制模式LGBP 二进制图；所述像素点阈值为:对训练图像集合中的在同一方向的同一尺度的所有第一滤波响应图像采用费希尔Fisher准则，获取所述方向的所述尺度下的鉴别因子，并根据所述方向的尺度下的所述鉴别因子确定的； 获取每一所述LGBP 二进制图的特征向量，根据每一所述LGBP 二进制图的特征向量获取所述待处理图像的特征向量； 根据所述待处理图像的特征向量以及训练图像集合中任一训练图像的特征向量，获取所述待处理图像与训练图像集合中该训练图像的相似度，并根据相似度阈值，得到识别结果O
14.根据权利要求13所述的方法，其特征在于，将所述训练图像集合中每一个所述第一滤波响应图像作为与该第一滤波响应图像具有相同方向和尺度的样本，将所述训练图像集合中同一目标的训练图像的在同一方向的同一尺度下的第一滤波响应图像作为该方向的该尺度的类内样本，所述获取所述方向的所述尺度的鉴别因子，具体为: 计算所述训练图像集合中每一目标所述方向的所述尺度下类内样本的像素均值，及所述训练图像集合中所有目标在所述方向的所述尺度下的所有样本的像素平均值； 根据所述方向的所述尺度下的所述像素均值和所述方向的所述尺度下的所述像素平均值，确定所述方向的所述尺度下的类内离散矩阵和所述方向的所述尺度下的类间离散矩阵；根据所述方向的所述尺度下的所述类内离散矩阵和所述方向的所述尺度下的类间离散矩阵，计算所述方向的所述尺度下的的鉴别因子。
15.根据权利要求13或14所述的方法，其特征在于，所述根据每一方向的各尺度下的所述鉴别因子确定所述每一方向的各个尺度下的像素点阈值具体为: 根据如下公式，计算所述第一滤波响应图像所在方向的尺度下的像素点阈值t为:
16.根据权利要求13-15任一项所述的方法,其特征在于,所述对于每一个方向的各个尺度下所述第二滤波响应图像，依据针对与所述第二滤波响应图像具有相同方向和尺度下的像素点阈值，确定与每一个所述第二滤波响应图像对应的LGBP 二进制图，包括: 获取与所述第二滤波响应图像对应的像素点阈值，所述与所述第二滤波响应图像对应的像素点阈值为该第二滤波响应图像所在的方向和尺度下的像素点阈值； 针对每一个所述第二滤波响应图像，根据所述与该第二滤波响应图像对应的像素点阈值，获得该第二滤波响应图像的各像素点对应的LGBP 二进制序列，并根据该第二滤波响应图像的各像素点对应的LGBP 二进制序列得到该第二滤波响应图像对应的LGBP 二进制图。
17.根据权利要求16所述的方法，其特征在于，所述获得所述第二滤波响应图像中各像素点对应的LGBP 二进制序列具体为: 根据如下公式获得所述第二滤波响应图像中各所述像素点作为中心像素点时对应邻域中的任一周围像素点的LGBP 二进制值:
18.根据权利要求16或17所述的方法，其特征在于，所述获取每一所述LGBP二进制图的特征向量中，任一个所述LGBP 二进制图的特征向量的获取过程包括: 采用预设大小的区域块，对所述LGBP 二进制图进行区域划分； 将各所述区域块中每一像素点的邻域二进制序列转换成十进制值，作为该像素点的LGBP编码值； 以所有所述区域块中的最大LGBP编码值作为每一个所述区域块所对应向量的总维度，将所述区域块内LGBP编码值为η-l的LGBP编码值的个数作为该区域块对应向量中第n维的取值；所述区域块对应的向量的各维度的取值组成该区域块对应的LGBP直方图；其中，n为1到最大LGPB编码值之间的任意整数； 串联各所述区域块的LGBP直方图，得到所述LGBP 二进制图的特征向量；所述根据每一所述LGBP 二进制图的特征向量获取所述待处理图像的特征向量具体为:串联各LGBP 二进制图的特征向量，得到所述待处理图像的特征向量。
19.根据权利要求13-18任一项所述的方法，其特征在于，所述获取每一所述LGBP二进制图的特征向量之前，所述方法还包括: 针对每一尺度至少两个方向中的每个方向的所述LGBP 二进制图，融合同一尺度下所述至少两个方向中每个方向的所述LGBP 二进制图，得到每一尺度融合后的LGBP 二进制图； 所述获取每一所述LGBP 二进制图的特征向量具体为:获取所述每一尺度融合后的LGBP 二进制图的特征向量。
20.根据权利要求19所述的方法，其特征在于，所述融合同一尺度下所述至少两个方向中每个方向的所述LGBP 二进制图，得到每一尺度融合后的LGBP 二进制图具体为:以按位相或的方式，融合同一尺度下所述至少两个方向中每个方向的所述LGBP 二进制图，得到每一尺度融合后的LGBP 二进制图。
21.根据权利要求13-20任一项所述的方法，其特征在于，所述根据所述待处理图像的特征向量以及训练图像集合中任一训练图像的特征向量，获取待处理图像与训练图像集合中该训练图像的相似度，并根据相似度阈值，得到识别结果，包括: 采用直方图交叉法，根据所述待处理图像的特征向量以及训练图像集合中任一训练图像的特征向量，获取待处理图像与训练图像集合中该训练图像的相似度；并根据相似度阈值，得到识别结果。
22.根据权利要求21所述的方法，其特征在于，所述根据相似度阈值，得到识别结果具体为: 确定所述相似度大于或等于所述相似度阈值，并确定所述待处理图像与用于获取相似度的训练图像为同一目标的图像；或 确定所述相似度小于所述相似度阈值，并确定所述待处理图像与用于获取相似度的训练图像为不同目标的图像。
23.根据权利要求13-22任一项所述的方法，其特征在于，所述根据相似度阈值，得到识别结果之前，所述方法还包括: 按照十字交叉验证准则，任意组合所述训练图像集合中的训练图像，将所述训练图像集合中的训练图像分为待训练图像和测试图像； 采用直方图交叉法，计算各所述待训练图像与所述测试图像的特征向量的相似度； 依次以每一相似度作为阈值，统计准确率及误判率； 根据每组中的准确率与误判率，确定相似度阈值。
24.根据权利要求23所述的方法，其特征在于，所述根据每组中的准确率与误判率，确定相似度阈值，包括: 遍历每组中所述准确率与误判率，若一组中的准确率与误判率相加再减I后的绝对值最小时，将其对应的相似度阈值作为该组的最优相似度阈值； 取各个组的最优相似度阈值的平均值，作为所述训练图像集合的相似度阈值。
【文档编号】G06K9/46GK103902977SQ201410126927
【公开日】2014年7月2日 申请日期:2014年3月31日 优先权日:2014年3月31日
【发明者】贲圣兰, 王慕妮, 姜耀国 申请人:华为技术有限公司