[发明专利]一种基于局部三值模式分层重构的人脸识别方法

摘要

一种基于局部三值模式分层重构的人脸识别方法，步骤为：首先对样本图像进行梯度分层，在像素层自定义阈值完成图像局部模式编码，将编码分为子局部模式正向量V₊以及负向量V_‑，在单元层对组合向量的梯度直方图进行自适应权重投影，当梯度方向度数为正时选取幅值作为梯度方向的投影权重，反之选取幅值的平方根作为梯度方向的投影权重，最后在图像层完成特征向量重构。本发明利用了局部三值模式的旋转不变性以及特征重构对阴影、光照变化的鲁棒性，实现了识别特征的互补并且采用分层结构细化了特征的提取精度，提高了不可控条件下人脸识别的准确率。

主权项

1.一种基于局部三值模式分层重构的人脸识别方法，其特征在于，该识别方法包括以下步骤：(1)将选取人脸库分为训练样本以及测试样本；(2)对训练样本以及测试样本做几何裁剪以及光照预处理；(3)将经步骤(2)预处理后的样本图像引入灰度值，对所述样本图像进行二维坐标标记，所述样本图像的灰度值和二维坐标组成三维信息量；将样本图像进行梯度分层：首先将样本图像的像素点以为3×3作为基本单元进行划分作为第一层像素层，自定义阈值为v，并将像素层的关键点像素灰度值c分别与边界的八个邻域点灰度值b做对比：如果b大于c+v时，将对应邻域点的值设置为1；如果b小于c‑v时，将对应邻域点的值设置为‑1；如果b介于c+v以及c‑v之间，将对应邻域点的值设置为0，将边界邻域的数值按自定义顺序进行组合，即为所述关键点的特征描述；正负值编码：若将样本图像的局部三值模式特征向量设为m，则子局部三值模式正向量V+为向量m与同等位数的1做异或处理后的结果，子局部三值模式负向量V‑是将向量m与同等位数的‑1做异或处理后的结果；(4)取4×4的像素层作为单元层模块，并将每个模块里包含的特征向量按顺序进行组合形成单元层的特征描述：对该特征向量的梯度直方图进行权重投影，梯度方向值小于180时选幅值作为投影权重，反之将选幅值的平方根作为投影权重，并将样本内所有特征向量进行组合；(5)将步骤(4)提取的特征向量投影到高维空间，求出该特征空间内的最佳投影方向，即使得图像矩阵类间散度与类内聚度的比值取到最大值，将空间内的图像矩阵在求出的最佳投影方向进行投影；(6)提取测试样本的特征向量，投影到步骤(5)求出的最佳投影方向，并求得测试样本以及训练样本之间余弦距离，并用“z‑score”方法进行标准化后融合分类。