[发明专利]一种基于LBP的特征快速提取方法及人脸识别系统

说明书

本发明提出了一种基于LBP的特征快速提取方法及人脸识别系统，其系统包括：人脸识别模块、人脸搜索模块、全身搜索模块、轨迹化模块、数据库管理模块以及系统管理模块，其特征的提取过程采用十字型LBP(局部二值特征)算子进行特征提取，通过二者的结合，实现了快速的人脸识别功能。本发明的优点是，人脸识别系统采用LBP指局部二值模式进行特征提取，其对图像的质量以及光照强度要求不高，抗噪能力较强，更加适合用于复杂场景中的人脸识别，其基于LBP的人脸识别算法，通过有取向性的进行特征采集，且只针对与五官区域，使得其特征提取的速度更快，在人脸识别的实时性上有了更大的提升。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于LBP的特征快速提取方法及人脸识别系统，用于快速的人脸识别检索。

背景技术

众所周知，人脸识别技术是基于人的脸部特征信息进行的身份识别的一种生物技术，人脸识别技术研究起源于20世纪60年代，经过了几十年的发展已经由弱人工智能向强人工智能转化，随着互联网技术的不断发展，识别算法的不断优化，人脸识别技术已经成为生物识别技术领域的重要一环，且随着近些年来，“云计算”、“互联网”、“物联网”的快速发展，人们逐渐意识到大数据的重要价值，并且逐渐使用大数据技术改变社会的生产活动和日常生活。大数据作为一种新的新资源，正在不断被人们所关心。在数据的采集方面，大数据有这无与伦比的优势，因此，使得某些应用有了更广阔的房展空间，比如人脸识别技术，因此人脸识别技术与大数据的结合应运而生。

由于大数据具有信息来源广，信息量大等特点，因此对其的应用的快速处理能力将是必不可少的，并且由于数据来源广，其用于人脸识别数据的质量也不尽相同，因此找到一种适合数据快速处理、且抗噪能力强的人脸识别方法至关重要。人脸识别发放中，采用LBP指局部二值模式(Local Binary Patterns)，是一个不错的选择，LBP在数字图像处理和模式识别领域，主要用于提取图像的特征，并且图像的度量、局部的纹理信息的质量以及光照强度对其影响不大，因此其具有很强的抗造能力。

原始的LBP算子定义在3*3邻域内，随机选取图像的3*3局部区域，选取该区域的中心为算子阈值，将周围的8个像素点和该中心阈值进行比较，令大于该阈值的像素点表示为1，小于部分表示为0，这样就得到一个8位二进制数，从第一个值开始排列得到该像素点的十进制表示值即为该像素点的LBP编码特征值，其方法简单有效，但是一来其计算量比较大(每个像素点都进行计算)，二来其计算出来的特征中包含很多无用的信息。因此，我们希望在其基础上可以找到一种更加有效快速的特征提取方法。

发明内容

针对上述问题，根据本发明的一个方面公开了一种基于LBP的特征快速提取方法，包括：建立十字型LBP算子模型，其中所述十字型LBP算子模型由中心像素点以及与中心像素点相邻的四个像素点组成；确定中心像素点及其灰度，并判断与其相邻的四个像素点的灰度值与所述中心像素点的灰度值的大小，若所述相邻的四个像素点的灰度值大于等于所述中心像素点的灰度值，则将该像素点编码为1，反之编码为0，若一个像素点中被多次编码，则其结果为多次编码进行逻辑与的结果；将与所述编码为1的像素点作为中心像素点，并将其与其周围未被编码的像素点进行比较，直至编码完成；将所述编码完成的图像转变成LBP图像，完成快速特征提取。

进一步的，在所述建立十字型LBP算子模型步骤前，所述方法还包括：初始中心像素点的选择，通过Hear特征分离器，确定五官及范围，并在五官范围内均匀选取所述中心像素点。

进一步的，所述一种基于LBP的特征快速提取方法中会产生未编码区域，所述未编码区域包括除五官区域以外的其它人脸面部区域。