基于LBP的人臉識(shí)別

茅瀚云

摘要：人臉識(shí)別作為模式識(shí)別領(lǐng)域的重要分支之一，以其不易偽裝、識(shí)別便捷、較強(qiáng)的用戶體驗(yàn)等特點(diǎn)逐漸成為近年來(lái)的研究熱點(diǎn)，并陸續(xù)應(yīng)用于商業(yè)系統(tǒng)以符合大眾在安防領(lǐng)域的需求。

關(guān)鍵詞：人臉識(shí)別；LBP算子；直方圖；識(shí)別率

中圖分類(lèi)號(hào)：TP301 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-2374（2013）11-0158-02

1 概述

為了在人臉識(shí)別領(lǐng)域得到更好的應(yīng)用，Ahonen等根據(jù)心理學(xué)上的研究將人臉進(jìn)一步劃分成不同的區(qū)域并賦予不同的權(quán)值加以區(qū)分，最終取得了良好的識(shí)別結(jié)果。在這基礎(chǔ)上，后續(xù)的研究和改進(jìn)不斷出現(xiàn)。文中提出了多尺度區(qū)域LBP（MB-LBP）的概念，該方法通過(guò)統(tǒng)計(jì)區(qū)域內(nèi)的像素均值而非單個(gè)像素值得到LBP模式，從而比原有的LBP方法更精確且考慮了更多的宏觀信息。

在上述研究的基礎(chǔ)上，Tan等人提出了改進(jìn)的LBP算子的LTP特征。LTP特征的本質(zhì)是將兩單閾值的LBP算子分成雙閾值算子并得到上下兩個(gè)特征，這就能使提取的特征對(duì)單個(gè)像素點(diǎn)干擾更加穩(wěn)定。這對(duì)基于LBP紋理的人臉識(shí)別起到重要作用。本質(zhì)上，通過(guò)不同區(qū)域的劃分（Multi-block）來(lái)組成LBP特征的目的也是盡可能地考慮LBP模式間的位置關(guān)系，從而得到更有效的特征。文中提出的Hierarchical Kernel Descriptor的方法通過(guò)SIFT、HOG等算子的層級(jí)組合得到一組新的特征，即在原有特征層基礎(chǔ)上再次特征提取，從而實(shí)現(xiàn)大尺度信息提取。因此，應(yīng)該關(guān)注模式間所組成的幾何位置關(guān)系，即在LBP模式上再提取一層特征，從而以數(shù)量的形式反映模式間的幾何位置信息。

2 CNCS在VM中的應(yīng)用

理論上，LBP算子是用于提取圖像的邊緣和角點(diǎn)信息。顯然，這些模式不僅僅只擁有數(shù)量關(guān)系，其位置的不同也將組合成新的不同的模式或圖案，就如同近處看到的圖案在遠(yuǎn)處只能表現(xiàn)為一個(gè)像素點(diǎn)，而這些像素點(diǎn)又可以組成新的模式、圖案。另一方面，可以把紋理信息分成若干層，較低層的基元形成的某種模式作為較高描述層的次基元，并在一個(gè)更高層的描述層次上形成新的模式。因此，不能僅用單個(gè)直方圖來(lái)衡量一個(gè)區(qū)域的LBP模式。

本文提出了一種新的基于雙層LBP的方法，用于提取更多LBP模式之間所具有的幾何關(guān)系。首先對(duì)人臉灰度圖像提取LBP特征并得到由該模式組成的圖像，從而將特征從像素級(jí)提升到區(qū)域特征。其次，對(duì)LBP模式組成的圖像進(jìn)一步提取LTP算子，從而得到又一組基于LBP模式的特征，用于描述模式間的幾何位置關(guān)系。通過(guò)二者的結(jié)合來(lái)達(dá)到提升識(shí)別率的目的。

3 重定義LTP算子

傳統(tǒng)的LBP特征實(shí)現(xiàn)了從像素級(jí)到區(qū)域級(jí)特征的轉(zhuǎn)變，本文通過(guò)雙層LBP特征實(shí)現(xiàn)對(duì)區(qū)域特征的進(jìn)一步描述。LBP特征實(shí)現(xiàn)了像素層特征的提取，而第二層的目的是實(shí)現(xiàn)LBP層的特征提取，以獲得更多的宏觀信息。

可以采用與LBP算子相類(lèi)似的思想，從f1（x，y）提取不同模式之間的關(guān)系。通過(guò)二值化3×3的區(qū)域，可提取出不同模式之間相鄰組合關(guān)系并統(tǒng)計(jì)成直方圖。然而，對(duì)于灰度值的像素點(diǎn)來(lái)說(shuō)，像素值之間的減法是存在幾何意義的，它表示了不同像素點(diǎn)之間的像素差，對(duì)圖像紋理而言具有物理意義，但對(duì)于LBP模式來(lái)說(shuō)，數(shù)值只是一種標(biāo)號(hào)，每個(gè)標(biāo)號(hào)之間的簡(jiǎn)單相減不存在任何幾何意義。值得注意的是，等號(hào)存在一定的物理意義，因此根據(jù)這一特性可以將模式數(shù)值分成兩部分：等于中心點(diǎn)模式和不等于中心點(diǎn)模式。顯然，此時(shí)兩個(gè)標(biāo)號(hào)相等意味著兩個(gè)模式屬于同一種模式。但是考慮到像素值可能存在的干擾和誤差最終將會(huì)影響LBP特征的準(zhǔn)確性，對(duì)于編碼相互接近的LBP模式需要區(qū)別對(duì)待。如二進(jìn)制編號(hào)11101111的模式和二進(jìn)制編號(hào)為11111111的模式都應(yīng)該屬于同一種模式，因?yàn)橛袠O大的可能是由于第四位的像素干擾所引起的不一致。因此定義運(yùn)算d（x，y）表示兩個(gè)模式標(biāo)號(hào)之間的大小關(guān)系，當(dāng)|d（x，y）|≤3時(shí)，意味著兩個(gè)模式是一致的。由此可以根據(jù)中心點(diǎn)的模式，將周?chē)Ｊ椒譃閮深?lèi)，|d（x，y）|≤3及|d（x，y）|>3。這與文提出的LTP有著相類(lèi)似的分類(lèi)方式。據(jù)此本文重新定義了LTP的算子。本文所定義的LTP算子如式（1）所示：

其中d（x，y）表示兩個(gè)編碼之間差異。上式中的LTP算子也是同樣提取基于局部區(qū)域的特征，但特征提取的層面不同，體現(xiàn)的是不同模式之間的關(guān)系。對(duì)LBP模式而言，擁有相同直方圖的兩幅圖像，其實(shí)際模式的排列組成方式卻可能完全不同。因此，通過(guò)LTP模式，能夠有效地統(tǒng)計(jì)出某一模式周?chē)渌Ｊ降慕M成，從而得到更豐富的人臉信息。

4 結(jié)語(yǔ)

經(jīng)典的LBP應(yīng)用都是提取LBP及其他擴(kuò)展的特征后組成直方圖進(jìn)行識(shí)別。由于單個(gè)LBP模式直方圖只能反映不同模式之間的數(shù)量關(guān)系，缺少了幾何位置信息，所以眾多的研究通過(guò)多尺度的區(qū)域和LBP特征的方式來(lái)實(shí)現(xiàn)位置信息的融入。然而，這樣的做法依然忽視了模式與模式之間的幾何信息，模式之上依然可能存在著某些模式。因此，本文提出了一種基于LBP模式的雙層LBP的概念，通過(guò)重定義的LTP特征，在由LBP模式組成的圖像上進(jìn)一步提取其特征模式從而構(gòu)成新的特征，最終提到了識(shí)別率。實(shí)驗(yàn)表明，本文所提出的方法對(duì)于基于LBP特征的算法有一定的改善，通過(guò)重定義的LTP特征，能夠在一定程度上提取模式間的幾何位置關(guān)系，增加人臉識(shí)別的有效信息。

參考文獻(xiàn)

[1]A.Pentland. Looking at people： sensing for ubiquitous andwearable computing. IEEE Transaction on Pattern Analysis and Machine Intelligence，2000， 22（1）：107-119.

[2]T. Kanade， Picture processing system by computercomplex and recognition of human faces， Ph.D.dissertation， Kyoto University， 1973.

[3]H.Chan， W.W. Bledsoe. A man-machine facial recognition system： some preliminary results. Technical report，Panoramic Research Inc.， 1965.

[4]A.J. Goldstein， L.D. Harmon， A.B. Lesk. Identificationof human faces. Proceedings of the IEEE，1971，59（5）：748-760.

（責(zé)任編輯：周 瓊）