基于Gabor二值模式与三维梯度直方图特征融合的人脸识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115100719A(43)申请公布日2022.09.23(21)申请号202210776046.7(22)申请日2022.07.04(71)申请人施明成地址400000重庆市北碚区云汉大道142号，两江半导体基地7楼申请人重庆芯思迈半导体有限公司(72)发明人施明成黄仕建(51)Int.Cl.G06V40/16(2022.01)G06V10/80(2022.01)G06V10/54(2022.01)G06V10/52(2022.01)G06V10/50(2022.01)G06V10/36(2022.01)G06V10/32(2022.01)G06V10/24(2022.01)权利要求书2页说明书5页附图1页(54)发明名称基于Gabor二值模式与三维梯度直方图特征融合的人脸识别方法(57)摘要本发明涉及基于二维图像的人脸识别算法提取人脸纹理特征进行识别，但是光照、表情、人脸姿态等会对其产生不利影响。三维人脸特征能更精确地描述人脸的几何结构，并且不易受化妆和光照的影响，但只采用三维人脸数据进行人脸识别又缺少人脸纹理信息，因此文中将二维人脸特征与三维人脸特征相融合进行人脸识别。采用基于Gabor变换的二维特征与基于新的分块策略的三维梯度直方图特征相融合的算法进行人脸识别。首先，提取二维人脸的Gabor特征；然后，提取三维人脸基于新的分块策略的三维梯度直方图特征，旨在提取人脸的可辨别性特征；接下来，对二维人脸特征与三维人脸特征分别使用线性判别分析子空间算法进行训练，并使用加法原则融合两种特征的相似度矩阵；最后，输出识别结果。CN115100719ACN115100719A权利要求书1/2页1.基于Gabor二值模式与三维梯度直方图特征融合的人脸识别方法，其特征在于：包括以下步骤：S1：对含有人脸的图片进行人脸定位和光照处理；输入图像为含有人脸的图片，通过人脸定位找到图片中人脸的位置，并将人脸部分裁切出来，再经过γ校正及高斯差分滤波对裁切的人脸图像进行光照处理，得到归一化的人脸图像；S2：对归一化人脸图像进行Gabor变换得到Gabor特征；S3：对第二步得到的Gabor特征作方向梯度直方图HOG纹理特征提取操作，得到更高Gabor滤波精度的特征。2.根据权利要求1所述的基于Gabor二值模式与三维梯度直方图特征融合的人脸识别方法，其特征在于步骤三所述的具体方法为：2.1提取出图像的Gabor特征，得到GMP；2.2基于Gabor特征对GMP进行梯度直方图变换。3.根据权利要求1所述的基于Gabor二值模式与三维梯度直方图特征融合的人脸识别方法，其特征在于步骤2.2所述的具体方法为：采用水平梯度算子[‑1，0，1]以及垂直梯度算子[‑1，0，1]t计算GMP水平方向的梯度分量I(X+1,Y)‑I(X‑1,Y)以及竖直方向上的梯度分量I(X,Y‑1)‑I(X,Y+1)，得到GMP中边缘、轮廓纹理信息；GMP中的点(X,Y)梯度的大小R(X,Y)计算公式为：梯度的方向Ang(X，Y)计算公式为：对梯度图像进行取梯度方向直方图：将其分为多个区域，每个区域计算一个加权梯度方向直方图，直方图中包含9个bin，划分的区间为0°‑180°，在加权投影上采用三线性插值方法来实现，具体插值方法如下：2CN115100719A权利要求书2/2页其中：(x1,y1)、(x1,y2)、(x2,y1)、(x2,y2)为像素点(x,y)轴所在区域相邻的四个区域的中心像素点坐标，θ1和θ2为该像素点的梯度方向大小在梯度方向直方图中最相近的bin值，bx和by是(x,y)距离各中心点的X轴方向的距离以及y方向上的距离，bz为该像素点梯度方向大小距离相邻bin的大小；将多个区域并为块，并对块进行对比度归一化，每个区域被多个块共享，并对块的直方图的bin作最大值的控制，进行归一化；最后将所有重叠块的梯度方向直方图描述组合在一起，形成最终的特征向量。3CN115100719A说明书1/5页基于Gabor二值模式与三维梯度直方图特征融合的人脸识别方法技术领域[0001]本发明属于人脸识别技术领域，具体是基于Gabor二值模式与三维梯度直方图特征融合的的人脸识别方法。背景技术[0002]生物特征是人类具备的能够识别个人身份的特征，目前用于身份鉴别的生物特征有掌纹、指纹、虹膜、步态、足迹、人脸等，其中，人脸识别是生物特征鉴别技术的一个重要方向，多年来一直受到国内外研究者的关注。与其他生物特征识别技术相比，人脸识别具有主动性、非侵犯性、自然、友好、对用户干扰少以及已被用户接受等诸多优点。另一方面，人脸识别具有很高的学术价值，涉及到诸多学科的知识，例如图像处理、模式识别、计算机视觉、计算机图形学、生理学以及心理学。传