[发明专利]基于多尺度多方向局部二值模式的人脸识别方法

权利要求书

1.一种基于多尺度多方向的局部二值模式的人脸识别方法，其特征在于，包括有如下步骤：

(1)人脸图像预处理：随机提取C类人脸图像样本G副，并将各人脸图像裁剪为标准大小，作为训练样本集X＝{X_i,P_i}，其中每类人脸样本各包含M_Pi副，C表示提取的人脸类别个数,G表示人脸图像训练样本总数，X_i表示第i个训练样本，P_i表示X_i的类别标签,M＞0，G＞i＞0，C＞P_i＞0；随机提取N副人脸图像样本，并将其裁剪为标准大小，作为测试样本集Y＝{Y_j,Q_j}，其中，N表示人脸图像测试样本总数，Y_j表示第j个测试样本，Q_j表示Y_j的类别标签，N＞0，N＞j＞0，Q_j为任意值；

(2)提取训练样本集X中各训练样本的特征向量并将其按行排列为训练样本特征矩阵

(2a)计算训练样本X_i各像素点X_i(s,t)与其八方向像素点之间的8个差值将各差值与该8个差值的平均值进行比较，大于则记为1，反之则记为0，按照几何逆时针方向将0、1序列进行排列，可得到该像素点的X_i(s,t)的8位二进制重构序列，将其转换为十进制，得到像素点的X_i(s,t)对应的重构像素遍历训练样本各个像素点，得到重构训练样本

(2b)对重构的训练样本分块求取块平均值，并将各块平均值串联为一个行向量，作为该训练样本的特征向量

(2c)将训练样本集X内各训练样本的特征向量依次按行排列，得到训练样本特征矩阵

(3)提取测试样本集Y中各测试样本的特征向量并将其按行排列测试样本特征矩阵

(3a)通过计算测试样本Y_j(s,t)各像素点与其八方向像素点之间的8个差值将各差值与该8个差值的平均值进行比较，大于则记为1，反之则记为0，按照几何逆时针方向将0、1序列进行排列，可得到该像素点的Y_j(s,t)的8位二进制重构序列，将其转换为十进制，得到像素点的Y_j(s,t)对应的重构像素遍历测试样本各个像素点，得到重构测试样本

(3b)对重构的训练样本分块求取块平均值，并将各块平均值串联为一个行向量，作为该训练样本的特征向量

(3c)将训练样本集Y内各训练样本的特征向量依次按行排列，得到训练样本特征矩阵

(4)计算测试样本特征矩阵中各样本特征向量到训练样本特征矩阵中各样本特征向量之间的卡方距离，选取距离测试样本特征向量最近的训练样本特征向量的类别标签P_i作为该测试样本的识别标签通过对比测试样本集Y中各样本识别标签与其原类别标签Q_j的是否相同，得出最终的识别结果；

卡方距离：

其中，S、M均为人脸样本特征向量，S为训练样本特征向量，M为测试样本特征向量，ε为特征向量第ε个数值。

2.根据权利要求1所述的基于多尺度多方向的局部二值模式的人脸识别方法，其特征在于，步骤(2a)及(3a)中所述，通过计算训练和测试样本W_k各像素点与其八方向像素点之间多尺度多方向的差值关系，重构训练和测试样本均按照如下方法进行：

a.1取人脸样本W_k内任意一像素点的值W_k(s,t)，则该像素点与其八方向像素点之间多尺度多方向的差值关系表示为：

a.2取上述八方向像素点间多尺度多方向的差值关系均值记作v表示方向编号；

当时，

当时，

按从右到左得顺序依次排列构成一个二进制序列编码，并将其转换成十进制数值，并将该十进制数值作为像素点W_k(s,t)的重构像素值，记作

a.3通过上述方法遍历人脸样本W_k内各个像素点，得到人脸样本W_k的重构人脸样本

3.根据权利要求1所述的基于多尺度多方向的局部二值模式的人脸识别方法，其特征在于，步骤(2b)及(3b)中所述，对重构的训练和测试样本分块求取块平均值，并将各块平均值串联为一个行向量，作为该训练和测试样本的特征向量按照如下方法进行：

b.1不重叠地按照从左至右、从上至下的顺序，依次选取重构人脸样本中的z*z个像素点构成像素块其中z为任意常数，f为像素块的编号，并对像素块内z*z个像素点做像素平均处理，得到该像素块邻域内各像素点的平均值：

其中为像素块内任意一像素点的像素值；

b.2按照从左至右，从上至下的顺序，依次将各像素块平均值串联起来，构成该人脸样本的特征向量：