[发明专利]一种基于局部三值模式自适应阈值的人脸识别方法

摘要

本发明公开了一种局部三值模式自适应阈值的人脸识别方法，属于模式识别技术领域。该方法包括：首先对人脸数据库图像进行预处理分块；分别对训练集和测试集图像计算分块区域内的ε-LTP特征；将求到的ε-LTP特征矩阵分解为正、负模式两层；根据各层特征求取信息熵权重；结合信息熵权重将各层特征转换为加权直方图形式；对直方图采用χ²（卡方）距离函数来计算测试样本与训练样本的特征相似度；用三阶近邻分类器对对测试样本进行分类识别。本发明具有较高的人脸识别正确率。

主权项

1.一种基于局部三值模式自适应阈值的人脸识别方法,其特征在于，包括以下步骤： 101、以待测人脸图像作为测试集，选取部分已知人脸库作为训练集，将训练集及测试集中的各人脸图像均分成n块； 102、在步骤101中测试集均分后的各分块上，对各邻域(P,R)，R表示邻域半径，P表示邻域点个数，分别计算中心像素点g_c与对应邻域点g_i(i=0,1,...,P-1)的像素对比值，求得该组对比值的离散度σ，即将该离散度σ作为自适应阈值ε=σ； 103、在阈值区间[-ε,+ε]上，对各邻域点g_i(i=0,1,...,P-1)与中心像素点g_c的灰度差进行LTP编码，求解出LTP自适应阈值特征值，并将该LTP自适应阈值特征值分解为正模式特征层和负模式特征层，正模式特征层组成的人脸图像为正模式特征层特征脸，负模式特征层组成的人脸图像为负模式特征层特征脸； 104、分别计算步骤103中的正模式特征层特征脸和负模式特征层特征脸的信息熵权重W_j， 其中信息熵E_j计算式为：分布概率f(x、y)表示分布函数105、对步骤103中的正模式特征层特征脸和负模式特征层特征脸进行加权直方图转换，构成测试集的增强直方图；重复步骤102-105，构成训练集的增强直方图； 106、采用卡方χ²距离函数计算待测人脸图像的增强直方图与训练集人脸图像的增强直方图的χ²距离，采用三阶近邻分类器法选取出待测人脸图像所属的类别，完成人脸识别。