基于改進(jìn)LBP人臉識(shí)別方法研究

李麗娟，于威威

（上海海事大學(xué)計(jì)算機(jī)系，上海　262500）

基于改進(jìn)LBP人臉識(shí)別方法研究

李麗娟，于威威

（上海海事大學(xué)計(jì)算機(jī)系，上海262500）

0　引言

在我們?nèi)粘Ｉ钪薪?jīng)常用到身份識(shí)別技術(shù)，國家安全、公安、司法、電子商務(wù)、保安監(jiān)控等領(lǐng)域都用到身份認(rèn)證和鑒別［1］?；谏锾卣髯R(shí)別技術(shù)的身份驗(yàn)證的方法在過去幾十年已得到很大的發(fā)展。生物特征識(shí)別技術(shù)內(nèi)容廣泛，主要有：指紋識(shí)別、虹膜識(shí)別、步態(tài)識(shí)別、靜脈識(shí)別、人臉識(shí)別、耳廓識(shí)別、簽名識(shí)別等［2～8］。由于人臉本身形態(tài)的差異性和所處環(huán)境的復(fù)雜性使得人臉識(shí)別變得十分困難。在多種因素的影響下，同一人臉在不同的圖像中也有很大的差異。因此，人臉識(shí)別的研究具有較高的實(shí)際應(yīng)用價(jià)值和理論研究。

局部二值模式（Local Binary Pattern，LBP）是一種線性特征提取方法，它是一種紋理局部特征描述。主要表現(xiàn)為局部灰度紋理描述方式。LBP算法能夠有效地描述局部紋理特征，并且有算法簡單快速的優(yōu)點(diǎn)。O-jala、Ahonen等人成功地將LBP作為人臉特征提取的一種重要的技術(shù)手段［9～10］，在人臉識(shí)別中取得了明顯的效果?，F(xiàn)階段研究LBP算法的人越來越多，對(duì)LBP算法的改進(jìn)也很多，例如在使用LBP前先進(jìn)行小波變換［11］，LBP金字塔算法等［12］。

原始的LBP算法主要存在圖像信息使用不夠充分的問題，在原始LBP算法的研究基礎(chǔ)之上，本文提出一種分層的LBP算子（Hierarchical LBP，HLBP），改進(jìn)后的LBP算子主要有以下的特點(diǎn)：①描述方法充分準(zhǔn)確；②識(shí)別過程數(shù)據(jù)應(yīng)用充分。

通過改進(jìn)，使得提取的局部特征更具有判別分析能力，更適用于人臉識(shí)別。

1　原始LBP算法介紹

原始的LBP算子主要是提取邊緣輪廓局部區(qū)域的變化特征。它首先計(jì)算圖像中每個(gè)像素與其局部鄰域點(diǎn)在灰度上的二值序列關(guān)系，然后對(duì)二值序列關(guān)系進(jìn)行編碼形式形成局部二值模式，最后采用多區(qū)域直方圖作為圖像的特征描述。

Ojala最早提出的LBP算法是在一個(gè)選取3×3的矩形方塊內(nèi)［9］，如圖1所示，共9個(gè)像素點(diǎn)，分別對(duì)應(yīng)的是9個(gè)點(diǎn)的灰度值，包括一個(gè)中心灰度值和8個(gè)周邊灰度值，設(shè)定中間像素點(diǎn)的灰度值為閾值，將周邊的8個(gè)像素點(diǎn)的灰度值跟閾值進(jìn)行比較，如果比閾值大或者相等的標(biāo)識(shí)為1，小于閾值的標(biāo)識(shí)為0。選取一個(gè)像素點(diǎn)順時(shí)針讀出8個(gè)點(diǎn)的二進(jìn)制值作為該矩形方塊的LBP值，最后以統(tǒng)計(jì)直方圖的方式給出整個(gè)圖像的LBP特征，用來描述該區(qū)域的局部細(xì)節(jié)特征。

圖1　基本的LBP算子演示

每個(gè)像素LBP數(shù)學(xué)計(jì)算公式如下：

其中LBP為中間像素點(diǎn)的lbp值，gc表示中心點(diǎn)的像素值，gi表示環(huán)繞8個(gè)點(diǎn)對(duì)應(yīng)的像素值，S（x）為二值化函數(shù)：

數(shù)字圖像經(jīng)過LBP算子處理后，通過窗口中的LBP編碼獲得窗口的LBP直方圖，再將所有的窗口LBP直方圖進(jìn)行聯(lián)合獲得整個(gè)圖像的LBP聯(lián)合直方圖。不同大小的窗口統(tǒng)計(jì)的LBP編碼不一樣，所得的圖像的直方圖表示也是不一樣的。并且將此直方圖作為識(shí)別圖像的特征值。

2　改進(jìn)的LBP方法

由于原始的LBP算法存在圖像數(shù)據(jù)使用不充分的問題，因此本文提出一種分層的LBP算子的改進(jìn)方法。采用多級(jí)LBP直方圖序列特征識(shí)別方法。方法首先求取LBP的3×3掃描窗口區(qū)域中九個(gè)像素點(diǎn)的最大值和最小值，然后將其均分為若干個(gè)等級(jí)。分別將等分點(diǎn)值作為對(duì)應(yīng)的閾值對(duì)圖像進(jìn)行LBP直方圖序列化處理。最后將獲得的LBP直方圖序列進(jìn)行聯(lián)合獲得HLBP直方圖。本實(shí)驗(yàn)中采用n級(jí)的LBP直方圖序列來完成特征信息的描述。具體的實(shí)驗(yàn)步驟如下：

將整幅圖像分為m×m塊進(jìn)行LBP序列化掃描，其中LBP掃描窗口為3×3。

LBP值計(jì)算時(shí)所使用的閾值gc為區(qū)域內(nèi)中心點(diǎn)的像素值。所得到的LBP直方圖可表示為 Hi，c=［Hi，c，1，其中Hi，c表示對(duì)應(yīng)第i種分層的以中心像素c為閾值的對(duì)應(yīng)的LBP直方圖。

每塊計(jì)算LBP值時(shí)所使用的閾值gi為窗口中像素的最大值 gmax和最小值gmin的1/n等分點(diǎn)，即，分別得到對(duì)應(yīng)的LBP直方圖序列為：其中Hi，p，j（p=1，2，…n-1；j=1，2，…，m2）表示n級(jí)圖像分割成m× m塊的第p等分點(diǎn)的對(duì)應(yīng)的第j個(gè)子塊的直方圖。

最后統(tǒng)計(jì)聯(lián)合直方圖Hi=［Hi，c，Hi，1，Hi，2，…，Hi，n-1］，其中的i表示分層數(shù)，Hi，c，Hi，1，Hi，2，…，Hi，n-1是第一步第二步計(jì)算出的直方圖，然后進(jìn)行聯(lián)合獲得整個(gè)圖像的LBP直方圖。此直方圖既可以作為局部特征又可以作為整體特征來描述整幅圖像并用以識(shí)別。

3　實(shí)驗(yàn)與分析

為了驗(yàn)證算法的準(zhǔn)確性，實(shí)驗(yàn)采用YALE和ORL兩個(gè)人臉數(shù)據(jù)庫進(jìn)行識(shí)別。其中YEAL人臉庫包括15位共165張不同姿態(tài)、光照和大小的面部圖像，ORL人臉數(shù)據(jù)庫包括40人共400張面部圖像，部分圖像包括了姿態(tài)、表情和面部裝飾物的變化。為了消除圖像中大小、灰度等無關(guān)信息的影響，恢復(fù)有用的真實(shí)信息，首先對(duì)圖像進(jìn)行歸一化處理，使得圖像具有相同的64×64大小，手工對(duì)鼻子和嘴巴的位置進(jìn)行定位，并采用最近鄰分類器進(jìn)行識(shí)別。每人選擇3幅作為訓(xùn)練樣本，2幅作為測試樣本。

首先對(duì)HLBP不同的分層程度進(jìn)行測試，經(jīng)典的LBP算法是HLBP算法的一種特殊形式，相當(dāng)于1層的HLBP。1-5層分級(jí)的HLBP算法的識(shí)別率如圖2所示。其中經(jīng)典的LBP算法在ORL和YALE上的識(shí)別率分別為0.841和0.852，而3層的HLBP序列化的識(shí)別率最高。

在多次的實(shí)驗(yàn)過程中發(fā)現(xiàn)，等級(jí)的級(jí)別過多，就會(huì)出現(xiàn)很多的冗余信息，導(dǎo)致信息數(shù)據(jù)量過大，對(duì)后面的識(shí)別也帶來一些困難，同樣的如果對(duì)應(yīng)的等級(jí)級(jí)別過少，會(huì)使得很多有效的細(xì)節(jié)信息被忽略，不能完整地表現(xiàn)出圖像的局部與完整信息。層次區(qū)分過多或過少多會(huì)降低識(shí)別率。只有適當(dāng)?shù)姆謱硬拍艿玫捷^好的識(shí)別效果。經(jīng)比較，本文采用3層的HLBP算法。

圖2　HLBP不同分層數(shù)的識(shí)別率對(duì)比

圖3　圖像為三層3×3塊的HLBP直方圖聯(lián)合示意圖

其次，考慮到一幅人臉圖像中并不是所有的區(qū)域都是重要的，為了突出圖像中重要的人臉信息，將圖像分別為分成1、4、9或16塊。手工確定分塊權(quán)值。其中分為4塊的上面兩塊的權(quán)重為1，下面兩塊權(quán)重為1.2。分為9塊的外面8塊的權(quán)重分別為1，中間一塊權(quán)重為1.5。分為16塊的外面12塊權(quán)重為1，中間四塊權(quán)重為1.5。其中權(quán)重圖3為3層3×3塊的多尺度LBP直方圖聯(lián)合示意圖。不同分塊情況下的識(shí)別率如圖4所示。

圖4　3層HBLP在不同分塊情況下的識(shí)別率對(duì)比

實(shí)驗(yàn)結(jié)果表明不同的分塊對(duì)于人臉的識(shí)別率也有影響。分塊對(duì)特征值進(jìn)行不同的加權(quán)有很好的識(shí)別效果。在多次的實(shí)驗(yàn)過程中發(fā)現(xiàn)，分塊多，就會(huì)出現(xiàn)很多的冗余信息，導(dǎo)致信息數(shù)據(jù)量過大，對(duì)后面的識(shí)別也帶來一些困難，同樣的如果分塊少，突出數(shù)據(jù)信息不能很好的表達(dá)，也會(huì)對(duì)識(shí)別率有一定的影響。

4　結(jié)語

本文針對(duì)LBP中圖像數(shù)據(jù)使用不充分的問題，提出了一種多層次LBP的人臉識(shí)別算法，該方法首先獲得局部區(qū)域內(nèi)灰度的最大值和最小值，將最大值和最小值之間分成若干等級(jí)，分別將等級(jí)值作為對(duì)應(yīng)的閾值對(duì)圖像進(jìn)行LBP直方圖序列化處理。根據(jù)最近鄰準(zhǔn)則得到人臉識(shí)別結(jié)果。通過跟傳統(tǒng)的LBP算法相比，本文提出的算法有較強(qiáng)的魯棒性和較高的識(shí)別率。另外實(shí)驗(yàn)結(jié)果表明將圖像進(jìn)行分塊加權(quán)，識(shí)別率也會(huì)升高。

［1］Zhao W，Chellappa R，Phillips P J，et al.Face Recognition：a Literature Survey［J］.ACM Computing Served，2003，35（4）：399～458

［2］Hietmeyer R.Biometric Identification Promise Fast and Secure Processing of Airline Passengers.The International Civil Aviation Organization Journal，2000，55（9）：10～11

［3］孫冬梅，裘正定.生物特征識(shí)別技術(shù)綜述.電子學(xué)報(bào)，2001，29（12）：1744～1748

［4］X.Qing，Y.Jie，D.Siyi.Texture Segmentation Using LBP Embedded Region Competition［J］.Electronic Letters on Computer Vision and Image Analysis，2005，5（1）：41～47

［5］L.Ma，L.Zhu.Integration of the Optimal Gabor Filter Design and Local Binary Patterns for Texture Segmentation［C］.In：Proc.of the 2007 IEEE International Conference on Integration Technology.Shenzhen，2007：408～413

［6］Chine J T，Wu C C.Discriminate Wavelet Faces and Nearest Feature Classifiers for Face Recognition［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24（12）：1644～1649

［7］David D2.Automated Biometrics：Technologies and System.Kluwer Academic Publishers，2000

［8］Castrillon S M，Deniz S O，Guerra A C，et al.Real-Time Detection of Multiple Faces at Different Resolutions in Video Streams.Journal of Visual Communication and Image Representation，2007，18（2）：130～140

［9］Ojala T，Pietikanen M，Harwood D.A Comparative Study of Texture Measures with Classification Based on Feature Distributions［J］. Pattern Recognition 1999，29（1）：51-59.Pattern Recognition，1999，29（1）：5l～59

［10］Ojala T，M.Pietikainen，T.Maenpaa.Multiresolution Gray Scale and Rotation Invariant Texture Classification with Local Binary Patterns［J］.IEEE Trans.on Pattern Analysis and Machine Intelligence，2002，24（7）：971～987

［11］高濤，何明一等.多級(jí)LBP直方圖序列特征的人臉識(shí)別［J］.中國圖象圖形學(xué)報(bào)，2009，14（2）：202～207

［12］黃非非，李見為，王瑋.結(jié)合小波分析和LBP算子的人臉描述與識(shí)別［J］.重慶工學(xué)院學(xué)報(bào)，2009，23（1）：102～109

HLBP；Face Recognition；Pattern Recognition

Research on the Face Recognition Based on Improved LBP Algorithm

LI Li-juan，YU Wei-wei
（Department of Computer Science，Shanghai Maritime University，Shanghai262500）

1007-1423（2015）17-0068-04

10.3969/j.issn.1007-1423.2015.17.015

李麗娟（1989-），女，湖北仙桃人，碩士，研究方向?yàn)槟Ｊ阶R(shí)別

2015-04-17

2015-06-15

局部二值模式（LBP）是一種對(duì)灰度圖像的紋理進(jìn)行描述的方式。然而經(jīng)典的LBP算法存在數(shù)據(jù)使用不充分的問題，因此提出一種分層的LBP算子（HLBP）。HLBP選取多層閾值對(duì)圖像進(jìn)行LBP序列化，然后將序列化后的LBP直方圖進(jìn)行聯(lián)合。并在人臉識(shí)別中應(yīng)用改進(jìn)后的HLBP算子提取特征。基于YALE和ORL人臉數(shù)據(jù)庫的實(shí)驗(yàn)結(jié)果表明，HBLP算法比經(jīng)典的LBP算法的識(shí)別率高。

HLBP；人臉識(shí)別；模式識(shí)別

于威威（1978-），女，山東人，博士，副教授，研究方向?yàn)閳D像處理、模式識(shí)別

LBP is defined as a texture description method demonstrated in a certain gray scale.There is a problem of insufficient data use in the classic LBP algorithm，so proposes a hierarchical LBP algorithm to solve the problem.In the new method，selects multiple threshold values to serialize the images into LBP，then unions them and applies the improved HLBP algorithm to the face recognition.Based on YALE and ORL face databases，the experiments show that the recognition rate of HLBP algorithm is higher then that of classical LBP algorithm.