[发明专利]一种基于脸部关键点的LBP特征提取方法和装置

说明书

本发明公开了一种基于脸部关键点的LBP特征提取方法和装置，本发明涉及图像处理及模式识别技术领域，旨在解决同一人、不同人脸姿态下，提取的脸部同一关键点的LBP特征差别较大的问题，进而提高人脸识别准确率。该方法根据脸部图像的关键点确定该脸部图像的人脸姿态，进而根据该脸部图像的人脸姿态修正不同脸部关键点所对应的椭圆邻域半径，建立了椭圆邻域半径与该脸部图像的人脸姿态之间的对应关系，从而避免了同一个人不同人脸姿态下，脸部图像局部缩放比例不同，导致同一关键点提取的LBP特征差别较大的问题，提高了不同人脸姿态下基于脸部关键点的LBP特征提取的有效性，进而提高了人脸识别准确率。

技术领域

本发明涉及图像处理及模式识别技术领域，尤其涉及一种基于脸部关键点的LBP特征提取方法和装置。

背景技术

人脸识别技术是通过分析脸部器官的位移形状和位置关系来进行身份鉴别的，是一种重要的生物识别技术，广泛应用于安防、门禁以及监控等领域。人脸识别技术的主要算法包括基于几何特征的模板匹配的人脸识别方法、基于几何特征的人脸识别方法、基于样本学习的人脸识别方法以及基于纹理特征的人脸识别方法。其中，基于人脸纹理特征的人脸识别方法主要依靠LBP(Local Binary Pattern)即局部二值模式进行脸部特征提取。

基于LBP的脸部特征提取方法主要包括两种，一种是针对整个脸部图像进行分块，对每一块图像进行多尺度的LBP特征提取，归一化后将所有块的LBP特征组合得到整个脸部的LBP特征；另一种是以脸部关键点(示例的，眼球、鼻子、嘴角、眉毛等)为中心，提取其周围一定区域的LBP特征，归一化后将所有关键点的LBP特征，组合得到整个脸部的LBP特征。然而，上述两种基于LBP的脸部特征提取方法，对同一个人不同姿态的脸部图像，均是以某点为中心点，采集某个固定半径圆型邻域内的若干个采样点的像素值，进而对该若干个采样点的像素值与中心点像素值进行比较，得到该中心点的LBP特征值。因此，现有的基于LBP的脸部特征提取方法，没有考虑姿态变化所引起的脸部图像缩放比例的不同，导致同一个人不同姿态下的脸部图像，针对其同一位置的中心点，所提取的相同半径的圆形邻域内若干个采样点的像素值不同，导致该中心点的LBP特征相差较大，进而导致人脸识别不准确。

示例的，如附图1和附图2所示，图1和图2所示分别为同一个人正脸和左侧脸时的脸部图像，对于其嘴角处同一中心点A的LBP特征提取，首先提取图1、图2所示半径为R的圆形邻域内N个采样点的像素值，参考图1和图2所示，由于左侧脸时，半径为R的圆形邻域内N个采样点中的部分采样点超出了人脸范围，导致图1、图2所示同一中心点A的相同圆形邻域内N个采样点的像素值差别较大，进而导致图1、图2所提出处的同一中心点A的LBP特征差别较大，进而导致图1、图2所示脸部图像无法识别为同一人，引起人脸识别不准确。

发明内容

本发明实施例提供一种基于LBP的脸部特征提取方法和装置，旨在解决同一人不同人脸姿态下，提取的脸部同一关键点的LBP特征差别较大的问题，进而提高人脸识别准确率。

本发明提供的具体技术方案如下：

一种基于脸部关键点的LBP特征提取方法，包括：

基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态；

根据所述脸部图像的人脸姿态，修正所述关键点对应的椭圆邻域半径；

对所述脸部图像采用所述椭圆邻域半径对所述关键点进行LBP特征提取。

进一步的，所述基于待处理脸部图像的关键点，估计所述脸部图像的人脸姿态，包括：

获取所述脸部图像竖直方向上的第一竖直距离和第二竖直距离，其中，所述第一竖直距离和所述第二竖直距离沿竖直方向自上向下分布；