基于Gabor二值模式的人臉識別方法及裝置制造方法
【專利摘要】本發(fā)明實(shí)施例提供一種基于Gabor二值模式的人臉識別方法及裝置。該裝置包括：閾值確定模塊，采用費(fèi)希爾準(zhǔn)則獲取訓(xùn)練圖像集合中所有第一濾波響應(yīng)圖像的鑒別因子，并根據(jù)鑒別因子確定各方向的各尺度下的像素點(diǎn)閾值；濾波處理模塊，對待處理圖像進(jìn)行珈波濾波，獲得預(yù)設(shè)的每一方向和尺度下的第二濾波響應(yīng)圖像；確定模塊，依據(jù)與各第二濾波響應(yīng)圖像的像素點(diǎn)閾值，確定該第二濾波響應(yīng)圖像的LGBP二進(jìn)制圖；獲取模塊，根據(jù)LGBP二進(jìn)制圖獲取待處理圖像的特征向量；識別模塊，根據(jù)上述特征向量及訓(xùn)練圖像集合中任一訓(xùn)練圖像的特征向量，獲取待處理圖像與訓(xùn)練圖像的相似度，并根據(jù)相似度閾值得到識別結(jié)果。本發(fā)明實(shí)施例可提高對人臉的鑒別能力。
【專利說明】基于Gabor 二值模式的人臉識別方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明實(shí)施例涉及圖像處理與模式識別技術(shù)，尤其涉及一種基于Gabor 二值模式的人臉識別方法及裝置。
【背景技術(shù)】
[0002]由于人臉識別技術(shù)具有直觀性與不可復(fù)制性，因此，被廣泛應(yīng)用于安檢系統(tǒng)、門禁系統(tǒng)、考勤系統(tǒng)、智能機(jī)器人系統(tǒng)以及虛擬游戲系統(tǒng)等。其基本概念是從一幅包含人臉的圖像或視頻中檢測出人臉區(qū)域；選擇并提取人臉區(qū)分性較強(qiáng)的特征描述符；然后根據(jù)所選特征設(shè)計(jì)分類器，實(shí)現(xiàn)人臉的識別。
[0003]現(xiàn)有技術(shù)中，采用基于二維多尺度局部珈波二進(jìn)制模式(Mult1-scale BlockLocal Gabor Binary Patterns,簡稱:MB-LGBP)特征的表情識別及其光照檢測的方法對人臉進(jìn)行識別。該方法利用Gabor小波濾波以及局部二值模式(Local Binary Patterns,簡稱:LBP)相結(jié)合的方法進(jìn)行人臉表情識別，其關(guān)鍵步驟在于對同一尺度，不同方向下的Gabor濾波響應(yīng)圖像中的對應(yīng)像素點(diǎn)的像素值求和，從而減少Gabor濾波響應(yīng)圖像的數(shù)量，在此基礎(chǔ)上進(jìn)一步提取每一尺度的LBP 二值模式，作為最終的特征數(shù)據(jù)，輸入到向量分類器中進(jìn)行表情分類。其中，求和示例如圖1所示，圖1為現(xiàn)有技術(shù)對某一尺度對應(yīng)的八個(gè)方向下的Gabor濾波響應(yīng)圖像中的三個(gè)像素點(diǎn)的像素值求和示例圖。
[0004]但采用上述識別技術(shù)進(jìn)行人臉的識別，可能造成圖像紋理跳變特征的丟失，最終導(dǎo)致鑒別能力低下。

【發(fā)明內(nèi)容】

[0005]本發(fā)明實(shí)施例提供一種基于Gabor 二值模式的人臉識別方法及裝置，以提高對人臉的鑒別能力。
[0006]第一方面，本發(fā)明實(shí)施例提供一種基于Gabor 二值模式的人臉識別裝置，包括:
[0007]閾值確定模塊，用于對訓(xùn)練圖像集合中的在同一方向的同一尺度的所有第一濾波響應(yīng)圖像采用費(fèi)希爾Fisher準(zhǔn)則，獲取所述方向的所述尺度下的鑒別因子，并根據(jù)每一方向的各尺度下的所述鑒別因子確定所述每一方向的各尺度下的像素點(diǎn)閾值；
[0008]濾波處理模塊，用于根據(jù)預(yù)設(shè)的至少兩個(gè)方向與至少兩個(gè)尺度，對待處理圖像進(jìn)行每一個(gè)方向的各個(gè)尺度的Gabor濾波處理，獲得每一個(gè)方向的各個(gè)尺度下的第二濾波響應(yīng)圖像；
[0009]確定模塊，用于對于所述濾波處理模塊獲得的每一個(gè)方向的各個(gè)尺度下所述第二濾波響應(yīng)圖像，依據(jù)針對與所述第二濾波響應(yīng)圖像具有相同方向和尺度下的像素點(diǎn)閾值，確定與每一個(gè)所述第二濾波響應(yīng)圖像對應(yīng)的二進(jìn)制模式LGBP 二進(jìn)制圖；
[0010]獲取模塊，用于獲取所述確定模塊得到的每一所述LGBP 二進(jìn)制圖的特征向量，根據(jù)每一所述LGBP 二進(jìn)制圖的特征向量獲取所述待處理圖像的特征向量；
[0011]識別模塊，用于根據(jù)所述獲取模塊獲取的所述待處理圖像的特征向量以及訓(xùn)練圖像集合中任一訓(xùn)練圖像的特征向量，獲取所述待處理圖像與訓(xùn)練圖像集合中該訓(xùn)練圖像的相似度，并根據(jù)相似度閾值，得到識別結(jié)果。
[0012]結(jié)合第一方面，在第一方面的第一種可能的實(shí)現(xiàn)方式中，將所述訓(xùn)練圖像集合中每一個(gè)所述第一濾波響應(yīng)圖像作為與該第一濾波響應(yīng)圖像具有相同方向和尺度的樣本，將所述訓(xùn)練圖像集合中同一目標(biāo)的訓(xùn)練圖像的在同一方向的同一尺度的第一濾波響應(yīng)圖像作為該方向的該尺度的類內(nèi)樣本，所述閾值確定模塊獲取所述方向的所述尺度下的鑒別因子具體為:
[0013]計(jì)算所述訓(xùn)練圖像集合中每一目標(biāo)所述方向的所述尺度下類內(nèi)樣本的像素均值，及所述訓(xùn)練圖像集合中所有目標(biāo)在所述方向的所述尺度下的所有樣本的像素平均值；
[0014]根據(jù)所述方向的所述尺度下的所述像素均值和所述方向的所述尺度下的所述像素平均值，確定所述方向的所述尺度下的類內(nèi)離散矩陣和所述方向的所述尺度下的類間離散矩陣；
[0015]根據(jù)所述方向的所述尺度下的所述類內(nèi)離散矩陣和所述方向的所述尺度下的類間離散矩陣，計(jì)算所述方向的所述尺度下的鑒別因子。
[0016]結(jié)合第一方面或第一方面的第一種可能的實(shí)現(xiàn)方式，在第一方面的第二種可能的實(shí)現(xiàn)方式中，所述閾值確定模塊根據(jù)每一方向的各尺度下的所述鑒別因子確定所述每一方向的各個(gè)尺度的像素點(diǎn)閾值具體為:
[0017]根據(jù)如下公式，計(jì)算所述第一濾波響應(yīng)圖像所在方向的尺度下的像素點(diǎn)閾值t為:
【權(quán)利要求】
1.一種基于珈波Gabor 二值模式的人臉識別裝置，其特征在于，包括: 閾值確定模塊，用于對訓(xùn)練圖像集合中的在同一方向的同一尺度的所有第一濾波響應(yīng)圖像采用費(fèi)希爾Fisher準(zhǔn)則，獲取所述方向的所述尺度下的鑒別因子，并根據(jù)每一方向的各尺度下的所述鑒別因子確定所述每一方向的各尺度下的像素點(diǎn)閾值； 濾波處理模塊，用于根據(jù)預(yù)設(shè)的至少兩個(gè)方向與至少兩個(gè)尺度，對待處理圖像進(jìn)行每一個(gè)方向的各個(gè)尺度的Gabor濾波處理，獲得每一個(gè)方向的各個(gè)尺度下的第二濾波響應(yīng)圖像； 確定模塊，用于對于所述濾波處理模塊獲得的每一個(gè)方向的各個(gè)尺度下所述第二濾波響應(yīng)圖像，依據(jù)針對與所述第二濾波響應(yīng)圖像具有相同方向和尺度下的像素點(diǎn)閾值，確定與每一個(gè)所述第二濾波響應(yīng)圖像對應(yīng)的二進(jìn)制模式LGBP 二進(jìn)制圖； 獲取模塊，用于獲取所述確定模塊得到的每一所述LGBP 二進(jìn)制圖的特征向量，根據(jù)每一所述LGBP 二進(jìn)制圖的特征向量獲取所述待處理圖像的特征向量； 識別模塊，用于根據(jù)所述獲取模塊獲取的所述待處理圖像的特征向量以及訓(xùn)練圖像集合中任一訓(xùn)練圖像的特征向量，獲取所述待處理圖像與訓(xùn)練圖像集合中該訓(xùn)練圖像的相似度，并根據(jù)相似度閾值，得到識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的裝置，其特征在于，將所述訓(xùn)練圖像集合中每一個(gè)所述第一濾波響應(yīng)圖像作為與 該第一濾波響應(yīng)圖像具有相同方向和尺度的樣本，將所述訓(xùn)練圖像集合中同一目標(biāo)的訓(xùn)練圖像的在同一方向的同一尺度的第一濾波響應(yīng)圖像作為該方向的該尺度的類內(nèi)樣本，所述閾值確定模塊獲取所述方向的所述尺度下的鑒別因子具體為: 計(jì)算所述訓(xùn)練圖像集合中每一目標(biāo)所述方向的所述尺度下類內(nèi)樣本的像素均值，及所述訓(xùn)練圖像集合中所有目標(biāo)在所述方向的所述尺度下的所有樣本的像素平均值； 根據(jù)所述方向的所述尺度下的所述像素均值和所述方向的所述尺度下的所述像素平均值，確定所述方向的所述尺度下的類內(nèi)離散矩陣和所述方向的所述尺度下的類間離散矩陣； 根據(jù)所述方向的所述尺度下的所述類內(nèi)離散矩陣和所述方向的所述尺度下的類間離散矩陣，計(jì)算所述方向的所述尺度下的鑒別因子。
3.根據(jù)權(quán)利要求1或2所述的裝置，其特征在于，所述閾值確定模塊根據(jù)每一方向的各尺度下的所述鑒別因子確定所述每一方向的各個(gè)尺度的像素點(diǎn)閾值具體為: 根據(jù)如下公式，計(jì)算所述第一濾波響應(yīng)圖像所在方向的尺度下的像素點(diǎn)閾值t為: W+a 其中，t為與W同方向的尺度下的第一濾波響應(yīng)圖像的像素點(diǎn)閾值，α為大于I的實(shí)數(shù)，W為所述第一濾波響應(yīng)圖像所在的方向的尺度下的鑒別因子。
4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的裝置，其特征在于，所述確定模塊包括: 閾值獲取單元，用于獲取該第二濾波響應(yīng)圖像所在的方向的尺度下的像素點(diǎn)閾值； 確定單元，用于針對每一個(gè)所述第二濾波響應(yīng)圖像，根據(jù)所述與該第二濾波響應(yīng)圖像所在方向的尺度的像素點(diǎn)閾值，獲得該第二濾波響應(yīng)圖像的各像素點(diǎn)對應(yīng)的LGBP 二進(jìn)制序列，并根據(jù)該第二濾波響應(yīng)圖像的各像素點(diǎn)對應(yīng)的LGBP 二進(jìn)制序列得到該第二濾波響應(yīng)圖像對應(yīng)的LGBP 二進(jìn)制圖。
5.根據(jù)權(quán)利要求4所述的裝置，其特征在于，所述確定單元獲得所述第二濾波響應(yīng)圖像中各像素點(diǎn)對應(yīng)的LGBP 二進(jìn)制序列具體為: 根據(jù)如下公式獲得所述第二濾波響應(yīng)圖像中各所述像素點(diǎn)作為中心像素點(diǎn)時(shí)對應(yīng)鄰域中的任一周圍像素點(diǎn)的LGBP 二進(jìn)制值:

6.根據(jù)權(quán)利要求4或5所述的裝置，其特征在于，所述獲取模塊獲取所述確定模塊得到的每一所述LGBP 二進(jìn)制圖的特征向量中，任一個(gè)所述LGBP 二進(jìn)制圖的特征向量的獲取過程包括: 采用預(yù)設(shè)大小的區(qū)域塊，對其所接收的所述確定模塊得到的所述LGBP 二進(jìn)制圖進(jìn)行區(qū)域劃分； 將各所述區(qū)域塊中每一像素點(diǎn)對應(yīng)的二進(jìn)制序列轉(zhuǎn)換成十進(jìn)制值，作為該像素點(diǎn)的LGBP編碼值； 以所有所述區(qū)域塊中的最大LGBP編碼值作為每一個(gè)所述區(qū)域塊所對應(yīng)向量的總維度，將所述區(qū)域塊內(nèi)LGBP編碼值為η-l的LGBP編碼值的個(gè)數(shù)作為該區(qū)域塊對應(yīng)向量中第η維的取值；所述區(qū)域塊對應(yīng)的向量的各維度的取值組成該區(qū)域塊對應(yīng)的LGBP直方圖；其中，η為I到最大LGPB編碼值之間的任意整數(shù)； 串聯(lián)各所述區(qū)域塊的LGBP直方圖，得到所述LGBP 二進(jìn)制圖的特征向量； 所述獲取模塊根據(jù)每一所述LGBP 二進(jìn)制圖的特征向量獲取所述待處理圖像的特征向量具體為:串聯(lián)各LGBP 二進(jìn)制圖的特征向量，得到所述待處理圖像的特征向量。
7.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的裝置，其特征在于，所述確定模塊進(jìn)一步用于針對每一尺度下至少兩個(gè)方向中的每個(gè)方向的所述LGBP 二進(jìn)制圖，融合同一尺度下所述至少兩個(gè)方向中每個(gè)方向的所述LGBP 二進(jìn)制圖，得到每一尺度融合后的LGBP 二進(jìn)制圖； 所述獲取模塊獲取所述確定模塊得到的每一所述LGBP 二進(jìn)制圖的特征向量具體為:獲取所述確定模塊得到的每一尺度融合后的LGBP 二進(jìn)制圖的特征向量。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述確定模塊針融合同一尺度下所述至少兩個(gè)方向中每個(gè)方向的所述LGBP 二進(jìn)制圖，得到每一尺度融合后的LGBP 二進(jìn)制圖具體為:所述確定模塊以按位相或的方式，融合同一尺度下所述至少兩個(gè)方向中每個(gè)方向的所述LGBP 二進(jìn)制圖，得到每一尺度融合后的LGBP 二進(jìn)制圖。
9.根據(jù)權(quán)利要求1-8任一項(xiàng)所述的裝置，其特征在于，所述識別模塊具體用于: 采用直方圖交叉法，根據(jù)所述獲取模塊獲取的所述待處理圖像的特征向量以及訓(xùn)練圖像集合中任一訓(xùn)練圖像的特征向量，獲取待處理圖像與訓(xùn)練圖像集合中該訓(xùn)練圖像的相似度；并根據(jù)相似度閾值，得到識別結(jié)果。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述識別模塊根據(jù)相似度閾值，得到識別結(jié)果具體為: 確定所述相似度大于或等于所述相似度閾值，并確定所述待處理圖像與用于獲取相似度的訓(xùn)練圖像為同一目標(biāo)的圖像；或 確定所述相似度小于所述相似度閾值，并確定所述待處理圖像與用于獲取相似度的訓(xùn)練圖像為不同目標(biāo)的圖像。
11.根據(jù)權(quán)利要求1-10任一項(xiàng)所述的裝置，其特征在于，所述閾值確定模塊還用于: 按照十字交叉驗(yàn)證準(zhǔn)則，任意組合所述訓(xùn)練圖像集合中的訓(xùn)練圖像，將所述訓(xùn)練圖像集合中的訓(xùn)練圖像分為待訓(xùn)練圖像和測試圖像； 采用直方圖交叉法，計(jì)算各所述待訓(xùn)練圖像與所述測試圖像的特征向量的相似度； 依次以每一相似度作為閾值，統(tǒng)計(jì)該組的準(zhǔn)確率及誤判率； 根據(jù)每組中的準(zhǔn)確率與誤判率，確定相似度閾值。
12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述閾值確定模塊根據(jù)每組中的準(zhǔn)確率與誤判率，確定相似度閾值具體為: 遍歷每組中所述準(zhǔn)確率與誤判率，若一組中的準(zhǔn)確率與誤判率相加再減I后的絕對值最小時(shí)，將其對應(yīng)的相似度閾值作為該組的最優(yōu)相似度閾值； 取各個(gè)組的最優(yōu)相似度閾值的平均值，作為所述訓(xùn)練圖像集合的相似度閾值。
13.一種基于珈波Gabor 二值模式的人臉識別方法，其特征在于，包括: 根據(jù)預(yù)設(shè)的至少兩個(gè)方向與至少兩個(gè)尺度，對待處理圖像進(jìn)行每一個(gè)方向的各個(gè)尺度的Gabor濾波處理，獲得每一個(gè)方向的各個(gè)尺度下的第二濾波響應(yīng)圖像； 對于每一個(gè)方向的各個(gè)尺度下所述第二濾波響應(yīng)圖像，依據(jù)針對與所述第二濾波響應(yīng)圖像具有相同方向和尺度下的像素點(diǎn)閾值，確定與每一個(gè)所述第二濾波響應(yīng)圖像對應(yīng)的二進(jìn)制模式LGBP 二進(jìn)制圖；所述像素點(diǎn)閾值為:對訓(xùn)練圖像集合中的在同一方向的同一尺度的所有第一濾波響應(yīng)圖像采用費(fèi)希爾Fisher準(zhǔn)則，獲取所述方向的所述尺度下的鑒別因子，并根據(jù)所述方向的尺度下的所述鑒別因子確定的； 獲取每一所述LGBP 二進(jìn)制圖的特征向量，根據(jù)每一所述LGBP 二進(jìn)制圖的特征向量獲取所述待處理圖像的特征向量； 根據(jù)所述待處理圖像的特征向量以及訓(xùn)練圖像集合中任一訓(xùn)練圖像的特征向量，獲取所述待處理圖像與訓(xùn)練圖像集合中該訓(xùn)練圖像的相似度，并根據(jù)相似度閾值，得到識別結(jié)果O
14.根據(jù)權(quán)利要求13所述的方法，其特征在于，將所述訓(xùn)練圖像集合中每一個(gè)所述第一濾波響應(yīng)圖像作為與該第一濾波響應(yīng)圖像具有相同方向和尺度的樣本，將所述訓(xùn)練圖像集合中同一目標(biāo)的訓(xùn)練圖像的在同一方向的同一尺度下的第一濾波響應(yīng)圖像作為該方向的該尺度的類內(nèi)樣本，所述獲取所述方向的所述尺度的鑒別因子，具體為: 計(jì)算所述訓(xùn)練圖像集合中每一目標(biāo)所述方向的所述尺度下類內(nèi)樣本的像素均值，及所述訓(xùn)練圖像集合中所有目標(biāo)在所述方向的所述尺度下的所有樣本的像素平均值； 根據(jù)所述方向的所述尺度下的所述像素均值和所述方向的所述尺度下的所述像素平均值，確定所述方向的所述尺度下的類內(nèi)離散矩陣和所述方向的所述尺度下的類間離散矩陣；根據(jù)所述方向的所述尺度下的所述類內(nèi)離散矩陣和所述方向的所述尺度下的類間離散矩陣，計(jì)算所述方向的所述尺度下的的鑒別因子。
15.根據(jù)權(quán)利要求13或14所述的方法，其特征在于，所述根據(jù)每一方向的各尺度下的所述鑒別因子確定所述每一方向的各個(gè)尺度下的像素點(diǎn)閾值具體為: 根據(jù)如下公式，計(jì)算所述第一濾波響應(yīng)圖像所在方向的尺度下的像素點(diǎn)閾值t為:
16.根據(jù)權(quán)利要求13-15任一項(xiàng)所述的方法,其特征在于,所述對于每一個(gè)方向的各個(gè)尺度下所述第二濾波響應(yīng)圖像，依據(jù)針對與所述第二濾波響應(yīng)圖像具有相同方向和尺度下的像素點(diǎn)閾值，確定與每一個(gè)所述第二濾波響應(yīng)圖像對應(yīng)的LGBP 二進(jìn)制圖，包括: 獲取與所述第二濾波響應(yīng)圖像對應(yīng)的像素點(diǎn)閾值，所述與所述第二濾波響應(yīng)圖像對應(yīng)的像素點(diǎn)閾值為該第二濾波響應(yīng)圖像所在的方向和尺度下的像素點(diǎn)閾值； 針對每一個(gè)所述第二濾波響應(yīng)圖像，根據(jù)所述與該第二濾波響應(yīng)圖像對應(yīng)的像素點(diǎn)閾值，獲得該第二濾波響應(yīng)圖像的各像素點(diǎn)對應(yīng)的LGBP 二進(jìn)制序列，并根據(jù)該第二濾波響應(yīng)圖像的各像素點(diǎn)對應(yīng)的LGBP 二進(jìn)制序列得到該第二濾波響應(yīng)圖像對應(yīng)的LGBP 二進(jìn)制圖。
17.根據(jù)權(quán)利要求16所述的方法，其特征在于，所述獲得所述第二濾波響應(yīng)圖像中各像素點(diǎn)對應(yīng)的LGBP 二進(jìn)制序列具體為: 根據(jù)如下公式獲得所述第二濾波響應(yīng)圖像中各所述像素點(diǎn)作為中心像素點(diǎn)時(shí)對應(yīng)鄰域中的任一周圍像素點(diǎn)的LGBP 二進(jìn)制值:
18.根據(jù)權(quán)利要求16或17所述的方法，其特征在于，所述獲取每一所述LGBP二進(jìn)制圖的特征向量中，任一個(gè)所述LGBP 二進(jìn)制圖的特征向量的獲取過程包括: 采用預(yù)設(shè)大小的區(qū)域塊，對所述LGBP 二進(jìn)制圖進(jìn)行區(qū)域劃分； 將各所述區(qū)域塊中每一像素點(diǎn)的鄰域二進(jìn)制序列轉(zhuǎn)換成十進(jìn)制值，作為該像素點(diǎn)的LGBP編碼值； 以所有所述區(qū)域塊中的最大LGBP編碼值作為每一個(gè)所述區(qū)域塊所對應(yīng)向量的總維度，將所述區(qū)域塊內(nèi)LGBP編碼值為η-l的LGBP編碼值的個(gè)數(shù)作為該區(qū)域塊對應(yīng)向量中第n維的取值；所述區(qū)域塊對應(yīng)的向量的各維度的取值組成該區(qū)域塊對應(yīng)的LGBP直方圖；其中，n為1到最大LGPB編碼值之間的任意整數(shù)； 串聯(lián)各所述區(qū)域塊的LGBP直方圖，得到所述LGBP 二進(jìn)制圖的特征向量；所述根據(jù)每一所述LGBP 二進(jìn)制圖的特征向量獲取所述待處理圖像的特征向量具體為:串聯(lián)各LGBP 二進(jìn)制圖的特征向量，得到所述待處理圖像的特征向量。
19.根據(jù)權(quán)利要求13-18任一項(xiàng)所述的方法，其特征在于，所述獲取每一所述LGBP二進(jìn)制圖的特征向量之前，所述方法還包括: 針對每一尺度至少兩個(gè)方向中的每個(gè)方向的所述LGBP 二進(jìn)制圖，融合同一尺度下所述至少兩個(gè)方向中每個(gè)方向的所述LGBP 二進(jìn)制圖，得到每一尺度融合后的LGBP 二進(jìn)制圖； 所述獲取每一所述LGBP 二進(jìn)制圖的特征向量具體為:獲取所述每一尺度融合后的LGBP 二進(jìn)制圖的特征向量。
20.根據(jù)權(quán)利要求19所述的方法，其特征在于，所述融合同一尺度下所述至少兩個(gè)方向中每個(gè)方向的所述LGBP 二進(jìn)制圖，得到每一尺度融合后的LGBP 二進(jìn)制圖具體為:以按位相或的方式，融合同一尺度下所述至少兩個(gè)方向中每個(gè)方向的所述LGBP 二進(jìn)制圖，得到每一尺度融合后的LGBP 二進(jìn)制圖。
21.根據(jù)權(quán)利要求13-20任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述待處理圖像的特征向量以及訓(xùn)練圖像集合中任一訓(xùn)練圖像的特征向量，獲取待處理圖像與訓(xùn)練圖像集合中該訓(xùn)練圖像的相似度，并根據(jù)相似度閾值，得到識別結(jié)果，包括: 采用直方圖交叉法，根據(jù)所述待處理圖像的特征向量以及訓(xùn)練圖像集合中任一訓(xùn)練圖像的特征向量，獲取待處理圖像與訓(xùn)練圖像集合中該訓(xùn)練圖像的相似度；并根據(jù)相似度閾值，得到識別結(jié)果。
22.根據(jù)權(quán)利要求21所述的方法，其特征在于，所述根據(jù)相似度閾值，得到識別結(jié)果具體為: 確定所述相似度大于或等于所述相似度閾值，并確定所述待處理圖像與用于獲取相似度的訓(xùn)練圖像為同一目標(biāo)的圖像；或 確定所述相似度小于所述相似度閾值，并確定所述待處理圖像與用于獲取相似度的訓(xùn)練圖像為不同目標(biāo)的圖像。
23.根據(jù)權(quán)利要求13-22任一項(xiàng)所述的方法，其特征在于，所述根據(jù)相似度閾值，得到識別結(jié)果之前，所述方法還包括: 按照十字交叉驗(yàn)證準(zhǔn)則，任意組合所述訓(xùn)練圖像集合中的訓(xùn)練圖像，將所述訓(xùn)練圖像集合中的訓(xùn)練圖像分為待訓(xùn)練圖像和測試圖像； 采用直方圖交叉法，計(jì)算各所述待訓(xùn)練圖像與所述測試圖像的特征向量的相似度； 依次以每一相似度作為閾值，統(tǒng)計(jì)準(zhǔn)確率及誤判率； 根據(jù)每組中的準(zhǔn)確率與誤判率，確定相似度閾值。
24.根據(jù)權(quán)利要求23所述的方法，其特征在于，所述根據(jù)每組中的準(zhǔn)確率與誤判率，確定相似度閾值，包括: 遍歷每組中所述準(zhǔn)確率與誤判率，若一組中的準(zhǔn)確率與誤判率相加再減I后的絕對值最小時(shí)，將其對應(yīng)的相似度閾值作為該組的最優(yōu)相似度閾值； 取各個(gè)組的最優(yōu)相似度閾值的平均值，作為所述訓(xùn)練圖像集合的相似度閾值。
【文檔編號】G06K9/46GK103902977SQ201410126927
【公開日】2014年7月2日 申請日期:2014年3月31日 優(yōu)先權(quán)日:2014年3月31日
【發(fā)明者】賁圣蘭, 王慕妮, 姜耀國 申請人:華為技術(shù)有限公司