專利名稱：基于多階局部顯著模式特征統(tǒng)計的人臉識別方法
技術領域：
本發(fā)明涉及計算機視覺、數字圖像處理和模式識別等技術領域，特別是基于多階局部顯著模式特征統(tǒng)計的人臉識別方法。
背景技術：
隨著國民經濟水平的不斷提高，人均購買能力逐漸越強，在支付時需要進行身份認證的場合越來越多。基于人體生理特征的生物特征識別技術將在和國民經濟發(fā)展、公共安全相關的多個重要領域都發(fā)揮越來越重要的作用。其中，人臉識別可以說是目前潛力最大、最可能開展廣泛應用的生物特征識別模態(tài)之一。因為，其采集設備的普及程度發(fā)展空前，幾乎每個移動終端和PC終端都原裝攜帶，同時設備的采集精度也從早期的幾十萬像素到幾百萬像素發(fā)展到現在的千萬像素級別，而其他主流的生物特征模態(tài)(如:指紋、掌紋、虹膜、靜脈)在圖像獲取時卻需要特殊的采集設備，不論在易用性還是在設備價格，人臉識別都有有一定的優(yōu)勢。然而，人臉圖像會隨著年齡增長、表情變化、化妝、環(huán)境光照變化、面部遮擋(如墨鏡、圍巾)以及姿態(tài)的變化而發(fā)生一定的改變。因此如何設計一種高區(qū)分性和強魯棒性的人臉特征表示方法變得尤為重要。特別是當人臉識別要在一些計算能力弱、功耗要求高的移動設備上應用時，一些計算復雜度高的人臉特征提取方法并不適用。因此，開發(fā)一種計算復雜度低且魯棒性高的人臉識別系統(tǒng)在計算量要求高的低功耗移動設備具有重要的應用價值。

發(fā)明內容

本發(fā)明的目的是提出一種基于多階局部顯著模式特征統(tǒng)計的人臉識別方法，即利用多階分析和顯著性編碼的局部差分模式進行統(tǒng)計分析來表示人臉圖像，用于人臉識別。為實現上述目的，基于多階局部顯著模式統(tǒng)計描述的人臉識別方法包括步驟:人臉圖像預處理；對歸一化的人臉圖像的每個像素所在局部鄰域計算不同階數的局部差分模式特征向量；將人臉圖像每個像素的每一階局部差分模式特征向量編碼成相應局部顯著模式特征；對人臉圖像每一尺度、每一階的局部顯著模式特征圖分塊并進行空間直方圖統(tǒng)計；將人臉圖像每一階的所有局部顯著模式特征直方圖進行拼接，并用白化的主成分分析進行增強；根據每一階增強后的局部顯著模式直方圖特征的判別能力，計算相應的權重；兩幅人臉圖像的特征相似度用加權的余弦距離度量。本發(fā)明的人臉識別方法通過多階分析計算不同階的人臉局部差分模式特征向量，以獲得多階的人臉特征表達，同時通過顯著性編碼獲得魯棒的特征表示，并且通過分塊直方圖統(tǒng)計和每階特征的子空間分析使該特征得到進一步增強，最后在匹配時通過計算所有階增強的局部顯著模式特征加權的余弦距離來度量兩幅人臉圖像之間的相似性。該方法在人臉圖像特征編碼時一方面通過多階分析豐富了人臉局部模式的表達能力，能更好的抵抗外界不同噪聲的影響；另一方面又汲取了基于顯著性編碼方式的魯棒性，即僅選用了最穩(wěn)定的局部差分模式進行編碼；最后通過直方圖統(tǒng)計描述和子空間分析的方法使總的特征維度得到進一步壓縮，不但增強了不同個體人臉圖像之間的判別能力，同時還能容忍一定的噪聲干擾。本發(fā)明具有計算速度快、魯棒性高和匹配速度快的特點。本發(fā)明可用于移動互聯(lián)環(huán)境下的低功耗設備一對一的身份認證系統(tǒng)或者一對多的身份識別系統(tǒng)。


圖1為基于多階局部顯著模式特征統(tǒng)計的人臉識別流程框圖；圖2為人臉圖像歸一化不意圖，其中圖2a是攝像頭米集到的人臉圖像，圖2b是圖2a歸一化結果；圖3為多階局部顯著模式人臉特征的提取過程示意圖；圖4的圖4a、4b、4c、4d、4e分別為歸一化的人臉圖像和其O階、I階、2階、3階局部顯著模式特征圖。
具體實施例方式為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，以下結合具體實施例，并參照附圖，對本發(fā)明進一步詳細說明?，F有的人臉識別系統(tǒng)總體分為軟件和硬件兩大模塊:即人臉圖像的獲取裝置和人臉識別算法。人臉識別算法包括人臉歸一化、特征提取和特征相似度度量三個步驟。本發(fā)明提出的方法將應用于人臉識別的軟件模塊，即通過計算機軟件實現。本發(fā)明的人臉識別算法通 過多階局部差分的方式獲得人臉圖像在不同階下的局部模式特征向量；其后根據顯著性僅選用最魯棒的兩個局部差分模式特征進行編碼以獲得更穩(wěn)定、更緊湊的人臉表示；同時利用空間直方圖統(tǒng)計和子空間分析的方法使人臉圖像的空間結構特征得到保持同時使整體的特征判別能力得到增強。本方法充分描述了不同個體的不同人臉圖像在不同階局部差分模式下的差異，同時利用顯著性編碼的方式在某種程度上也抑制了同一個體在類內發(fā)生的局部變化。由于采用了空間直方圖統(tǒng)計的策略，能克服一定的噪聲干擾。度量時，采用余弦距離進行匹配速度非?？?，適用于移動終端設備一對多身份識別系統(tǒng)，和一對一的訪問控制系統(tǒng)等諸多應用系統(tǒng)中。本發(fā)明對硬件配置不高，僅需普通個人電腦的攝像頭或移動終端的攝像頭即可實現，易于在實際應用中快速搭建系統(tǒng)。本發(fā)明提出了一種基于多階分析和顯著性編碼的局部模式統(tǒng)計描述的人臉識別方法，其流程圖如圖1所示。用戶在使用前需要向系統(tǒng)注冊自己的人臉模板，然后才能進行識別。該系統(tǒng)可以運行于人臉識別系統(tǒng)常見的兩種模式:I)驗證模式:又稱I對I的匹配模式。該模式要求用戶向系統(tǒng)提出身份認證的申請，同時向系統(tǒng)聲明自己的身份，系統(tǒng)通過對比即時從用戶身上提取的人臉特征和用戶聲稱的個體在注冊時存儲于數據庫中的人臉特征模板，若相似度大于一定的閾值，則系統(tǒng)判定為身份認證通過，該模式廣泛應用于需要進行訪問控制的情形，例如手機解鎖、電腦系統(tǒng)
登錄等等。2)識別模式:即I對多的匹配模式。該模式用戶不需申明自己的身份信息，系統(tǒng)完全自動識別給出用戶的身份，或者給出該用戶不在注冊名單之列的結論。因為在識別模式中包含驗證模式，因此識別模式是一種比驗證模式更高級同時難度也越大的識別方式。該模式在國防、刑偵和司法鑒定的應用較多。本發(fā)明既可以用于驗證模式，也能用于識別模式。和現有的其他人臉識別方法相比具有以下優(yōu)勢:1)現有方法僅采用圓形采樣的方式進行局部差分模式的計算，而本發(fā)明將其推廣到同心圓的方式，能使內圓局部模式表達更加豐富；2)現有的方法利用局部差分模式的所有信息進行編碼，而本發(fā)明采用最魯棒的兩個顯著差分模式的結果進行編碼；3)現有的方法僅采用一階局部差分模型進行特征統(tǒng)計，而本發(fā)明的方法將其擴展到更高階，通過多階局部差分模式特征計算，豐富了人臉在不同階下的人臉局部差分模式的特征表達。圖1為本發(fā)明的基于多階局部顯著模式特征統(tǒng)計的人臉識別方法的流程圖，包括注冊和識別兩個模塊。參照圖1，該方法主要包括以下各步驟:步驟1，首先用攝像頭或者數碼相機對人臉圖像進行采集。步驟2，對采集的人臉圖像歸一化。在該步驟，針對采集到的如圖2a所示的人臉圖像，將檢測到的人臉的雙眼坐標中心平移到圖像中心并旋轉，使兩眼的y坐標相同。然后進行圖像的縮放變化，使人臉的瞳距保持在設定值。以兩眼中心為坐標原點，按同一尺寸上下左右分割出歸一化后的人臉圖像，如圖2b所示。步驟3，人臉圖像特征提取。(如圖3所示)。圖3是人臉圖像特征提取過程示意圖。在該步驟，針對歸一化的人臉圖像先計算O階的局部差分模式特征向量，公式如下所示:V0 (x y) — {V0j1j V0,2，...，V0jk}`
V0ji = PWj1-Pn,i i = 1，2，3，...，k其中，V0 (x, y)表示以歸一化后人臉圖像坐標為(X，y)的像素O階局部差分模式特征向量，Vchi表示Vtl(Xd)中的第i個元素，其值由以像素坐標(x，y)為中心半徑分別為rw和rn的同心圓的第i個采樣的值Pw, i和Pn, i的差分結果計算而得，默認rw > rn, k為總的采樣點數，即特征向量y)的長度，采樣點的位置在圓周上呈均勻分布。在O階的局部差分模式特征向量的基礎上，可以計算更高階的局部差分模式特征向量，計算公式如下表示:Vt (X, y) = IVta, Vtj2,..., Vt, J , t = 1,2,3...
Vtj j — Vt_lj i_Vt_lj (i+1)% k，i — I，2，3，...，k其中，Vt(x，y)表示以歸一化后人臉圖像坐標為(x，y)的像素t階局部差分模式特征向量，Vtii表示Vt(x，y)中的第i個元素，其值由以t-Ι階局部差分模式特征值Vt^的第i個元素和第(i+1) % k個元素的差分結果計算而得，％為取模符號，k為總的采樣點數，即特征向量Vt (X，y)的長度，采樣點的位置在圓周上呈均勻分布，其中高階是指階數t > O且t為整數。在計算完不同階數的局部差分模式特征向量后，根據顯著性，計算其相應的局部顯著模式特征，具體計算公式如下表示:LSPt (x, y) = [max_pos (Vt (x, y) )min_pos (Vt (x, y)) ], t = 0,1, 2, 3...
其中，LSPt (x，y)是坐標為(x，y)的t階局部顯著模式，是一個二元組，其第一個元素為特征向量Vt (X，y)中值最大元素的位置，第二個元素為Vt (X，y)特征向量中值最小元素的位置，位置在采樣圓周按順時針方向排列，排列序號為1，2，...，k。對每個像素的局部顯著模式根據其類型數(A(k，2)+1)進行編碼，例如圖像4(a)的O階、I階、2階、3階局部顯著模式示意圖分別如，圖4(b)、4 (c)、4(d)、4 (e)所示。并且在此基礎上對人臉圖像每一階的局部顯著模式編碼后的特征圖分塊并進行空間直方圖統(tǒng)計可由如下公式表示:
權利要求
1.一種基于多階局部顯著模式特征統(tǒng)計的人臉識別方法，包括步驟: 人臉圖像預處理； 對歸一化的人臉圖像的每個像素所在局部鄰域計算不同階數的局部差分模式特征向量; 將人臉圖像每個像素的每一階局部差分模式特征向量編碼成相應局部顯著模式特征； 對人臉圖像每一階的局部顯著模式特征圖分塊并進行空間直方圖統(tǒng)計； 將人臉圖像每一階的所有局部顯著模式特征直方圖進行拼接，并用白化的主成分分析進行增強； 根據每一階增強后的局部顯著模式直方圖特征的判別能力，計算相應的權重； 兩幅人臉圖像的特征相似度用加權的余弦距離度量。
2.根據權利要求1所述的方法，其特征在于，所述的對歸一化的人臉圖像的每個像素所在局部鄰域計算不同階數的局 部差分模式特征向量包括步驟: 對歸一化的人臉圖像的每個像素計算O階局部差分模式特征向量； 在O階局部差分模式特征向量的基礎上，對歸一化的人臉圖像的每個像素計算更高階局部差分模式特征向量。
3.根據權利要求2所述的方法，其特征在于所述的歸一化人臉圖像的O階局部差分模式特征向量其計算公式如下所示: Vo(X, y) 一 {Vo’l, Vo,2，...，v0’i = Pw’1-Pn’i，i = 1，2，3，...，k 其中，V0(x, y)表示以歸一化后人臉圖像坐標為(X，y)的像素O階局部差分模式特征向量，Vthi表示V。(x，y)中的第i個元素，其值由以像素坐標(x，y)為中心半徑分別為^和rn的同心圓的第i個采樣的值Pw,i和Pn,i的差分結果計算而得，默認rw > rn, k為總的采樣點數，即特征向量y)的長度，采樣點的位置在圓周上呈均勻分布。
4.根據權利要求2所述的方法，其特征在于所述的歸一化人臉圖像的高階局部差分模式特征向量其計算公式如下表示:Vt (X，y) = {Vta，Vt,2，...，VtjkI，t = 1,2,3...Vt, i — Vt-1, (i+1) % k i — I，2，3，...，k 其中，Vt(x, y)表示以歸一化后人臉圖像坐標為(X，y)的像素t階局部差分模式特征向量，Vt,i表示Vt(x，y)中的第i個元素，其值由以t-Ι階局部差分模式特征值Vt_Ui的第i個元素和第(i+1) % k個元素的差分結果計算而得，％為取模符號，k為總的采樣點數，SP特征向量Vt(x，y)的長度，采樣點的位置在圓周上呈均勻分布，其中高階是指階數t> O且t為整數。
5.根據權利要求1中所述的方法，其特征在于，所述的將人臉圖像每個像素的每一階局部差分模式特征向量編碼成相應局部顯著模式特征包括步驟: 計算人臉圖像每個像素的每一階局部差分模式特征向量相應的局部顯著模式特征； 將計算所得的人臉圖像每個像素的每一階局部顯著模式特征進行編碼。
6.根據權利要求5中所述的方法，其特征在于，所述的計算人臉圖像每個像素的每一階局部差分模式特征向量相應的局部顯著模式特征，其計算公式如下表示:LSPt (x, y) = [max_pos (Vt (x, y) )min_pos (Vt (x, y)) ], t = 0,1, 2, 3...其中，LSPt (x,y)是坐標為(x，y)的t階局部顯著模式，是一個二元組，其第一個元素為特征向量Vt(x，y)中值最大元素的位置，第二個元素為Vt (x，y)特征向量中值最小元素的位置，位置在采樣圓周按順時針方向排列，排列序號為1，2，...，k，k為采樣點數。
7.根據權利要求5中所述的方法，其特征在于所述的將計算所得的人臉圖像每個像素的每一階局部顯著模式特征進行編碼，包括步驟: 根據采樣點數構造局部顯著模式編碼字典； 根據字典對每一階的人臉圖像每個像素對應的局部顯著模式進行特征編碼。
8.根據權利要求7中所述的方法，其特征在于根據采樣點數構造局部顯著模式編碼字典方式如下: 采樣點數為k，則局部顯著模式的構成方式有A(k，2)+1種，其中AO為k的排列數，即Vt(x,y)中最大和最小兩個顯著位不相等的時候，則從k個位置有順序的選擇兩個非重復的位置；而當Vt(x，y)中兩個顯著位相等，則只有I種可能，即局部模式特征向量Vt(x，y)中的所有元素都相等。
9.根據權利要求1中所述的方法，其特征在于對人臉圖像每一階的局部顯著模式特征圖分塊并進行空間直方圖統(tǒng)計可由如下公式表示:
10.根據權利要求1中所述的方法，其特征在于將人臉圖像每一階的所有局部顯著模式特征直方圖進行拼接，并用白化的主成分分析進行增強包括步驟: 在人臉訓練庫中的每幅人臉圖像的每個區(qū)域分別提取t個局部顯著模式直方圖，并將其按階數分別拼接組成t個該幅圖像的特征向量，若一共有M個非重疊人臉區(qū)域，則第t階局部顯著模式直方圖特征為: HLSP (t) = [HLSP (t, I) HLSP (t, 2) — HLSP (t, M)]； 若人臉庫中每個個體有充足的樣本時采用線性判別分析LDA訓練投影矩陣，若每個個體的樣本不足或每個個體僅有一個樣本時，則采用帶白化過程的主成分分析WPCA進行投影矩陣訓練，每階的投影矩陣用T(t)表示，增強后的特征用EHLSP(t)來表示，所述階數為O 到 t-1。
11.根據權利要求1中所述的方法，其特征在于，對于人臉圖像每一階增強后的局部顯著模式直方圖特征的判別能力不同設不同的權重，階數位t的局部顯著模式直方圖特征的權重用w(t)表示。
12.根據權利要求1中所述的方法，其特征在于，用加權的按階數增強的局部顯著模式直方圖特征的余弦距離來度量第P幅人臉圖像和第q幅人臉圖像的相似度，若相似度大于某一閾值，則識別為同一個人，否則認為是不同的人。
全文摘要
本發(fā)明公開了一種基于多階局部顯著模式特征統(tǒng)計的人臉識別方法，包括步驟人臉圖像預處理；對歸一化的人臉圖像的每個像素所在局部鄰域計算不同階數的局部差分模式特征向量；將人臉圖像每個像素的每一階局部差分模式特征向量編碼成相應局部顯著模式特征；對人臉圖像每一階的局部顯著模式特征圖分塊并進行空間直方圖統(tǒng)計；將人臉圖像每一階的所有局部顯著模式特征直方圖進行拼接，并用白化的主成分分析進行增強；根據每一階增強后的局部顯著模式直方圖特征的判別能力，計算相應的權重；兩幅人臉圖像的特征相似度用加權的余弦距離度量。本發(fā)明可以用于低功耗的移動設備上的人臉識別系統(tǒng)，計算的時間復雜度和空間復雜度都比較低。
文檔編號G06K9/00GK103246880SQ201310178619
公開日2013年8月14日 申請日期2013年5月15日 優(yōu)先權日2013年5月15日
發(fā)明者譚鐵牛, 孫哲南, 柴振華 申請人:中國科學院自動化研究所