作者/ 杨毅 杨恢先 唐金鑫 张书豪 湘潭大学 物理与光电工程学院(湖南 湘潭 411105)
杨毅(1992-)，男，硕士，研讨方向：形式辨认。
摘要：本文针对单样本情况下传统人脸辨认办法在姿势、表情和光照等改变下辨认作用欠安的问题，提出一种根据单演主方向中心对称部分二值形式的单样本人脸辨认形式的单样本人脸辨认算法。首要用多标准的单演滤波器提取人脸图画单演部分幅值和部分方向信息，并求取主方向，生成主方向形式图;然后用CS-LBP算子进行编码，得到特征;最终对不同单演标准空间中的特征分块核算特征直方图并运用直方图相交进行分类辨认。在AR、Extend Yale B人脸数据库的试验结果表明，该算法简略有用，对光照、表情、部分遮挡改变具有较好的鲁棒性。
导言
近年来，人脸辨认因为具有友爱、非侵略性等长处成为机器视觉和图画处理范畴的研讨热门，并在经济、司法、安保范畴得到了广泛的使用[1]。在大都实践的使用场合下，数据库只能收集到单幅人脸图画作为训练样本，如身份证、护照、驾驶证等数据库[2]。在这种单样本的情况下，一些具有代表性的传统人脸辨认算法就很难获得抱负的作用。现在，单样本人脸辨认的研讨首要会集在提取不变特征、样本扩张、特征子空间扩展、图画增强和三维辨认等方面[3]。
中心对称部分二值形式(Center symmetric local binary pattern，CS-LBP)是一种对LBP改善的有用部分纹路描绘算子，CS-LBP的特征维数少于LBP，节约特征提取与匹配时刻。文献[4]中，Ngoc-Son Vu 等人提出了根据图画梯度的主方向形式 (Patterns of Dominant Orientations， PDO)特征提取算法，也获得了不错的辨认作用。文献[5]提出一种根据Gabor 的二元形式办法(Local gabor binary patterns, LGBP)，尽管LGBP 的辨认率与鲁棒性比LBP大为增强，但得到40幅不同的Gabor特征，其时刻和空间的复杂度是惊人的[6]。单演信号作为一维信号在二维空间的拓宽，可以有用地将图画正交分解为幅值，相位和方向信息[7]。单演滤波所需求的时刻和空间复杂度远远小于Gabor滤波[8]。文献[9]将单演和部分二值形式(Monogenic binary patterns，MBP)用于人脸辨认，获得了很好的试验作用。但只是在像素层次对单演幅值进行编码，缺少对区域改变信息的掌握才能，且没使用到单演方向信息。为了能充分使用单演幅值和单演方向信息，且在文献[9]的启示下，提出了一种根据单演主方向中心对称部分二值形式(Monogenic dominant orientations center-symmetric local binary pattern，MDOCSBP)的单样本人脸辨认办法。首要使用人脸图画的单演部分幅值和部分方历来获取主方向形式图，然后选用CS_LBP对主方向图进行编码得到MDOCSBP特征，最终分块核算MDOCSBP特征直方图并运用直方图相交进行分类辨认。
1 单演信号
单演信号是一维解析信号的二维扩展，以一种旋转不变的方法来描绘图画的部分起伏、部分方向和部分相位信息。单演信号是建立在Riesz改换的基础上的，Riesz改换是Hilbert改换的二维扩展。
2 主方向的求取
2011 年 Ngoc-Son Vu 等人提出了根据图画梯度的 PDO 特征提取算法。文献[9]中，主方向的核算是在图画的梯度图上完结的，是指细胞单元(cell)内像素的梯度方向累积改变最多的方向，即该cell的主方向。受其启示，本文对单演特征中的部分起伏和部分方向信息进行与之类似的处理。针对 Cell 内每个像素，以该像素处的单演幅值为权值，为该像素单演方向地点的直方图通道Δθ进行加权投票，通道数
，其间直方图的峰值所对应方向即为cell中心像素的主方向θm。
(9)
式中，
表明向下取整。
Cell单元内各像素点主方向求取如图1所示。
3 中心对称部分二值形式
CS-LBP是在LBP基础上选用中心对称思维对图画进行编码的部分纹路描绘算子。在半径为R的圆形邻域内，CS-LBP算子经过比较以中心像素点gc为中心的像素值对gi与gi+4(i=0,1,2,3)的灰度值巨细，大于等于0时相应的二进制编码位则为1，反之为0。并将二进制数转化为十进制数得到CS-LBP值。记作CS-LBP(P,R)。本文算法选用CS-LBP(8,4)。LBP与CS-LBP特征提取进程如图2所示。
LBP与CS-LBP的编码公式为：
式中，(P，R)表明圆邻域，R为圆的半径，P为圆周上像素点个数，且N=P，gc为中心点像素，gi为圆周上的P个像素在(P，R)邻域内。由式(10)和式(11) 可知，CS-LBP编码方法得到的二进制数长度为LBP的一半，从而使CS-LBP在提取的特征维数、核算开支方面具有较显着的优势。
4 人脸的MDOCSBP特征
1)选用标准为S的单演滤波器对人脸图画进行滤波，MDOCSBP算法固定选用标准为3的单演滤波器，即S=(1,2,3)。则每个标准下都能得到部分幅值AS、部分方向θS两种形式图;
2)对同一标准下的单演幅值和单演方向，以单演幅值为权值对单演方向地点的直方图通道Δθ进行加权投票求取单演主方向θm;
3)对发生S标准下的主方向图进行CS-LBP(P,R)编码得到MDOCSBP形式图;
4)将同一张人脸的得到的S张MDOCSBP形式图别离进行分块，经过试验确认其最优分块数，核算每一小块的核算直方图特征并将一切分块的直方图特征串联起来构成人脸图画的MDOCSBP特征。
5 人脸特征匹配
算法用最近邻分类器进行人脸匹配，人脸图片之间的类似度经过直方图相交的方法来衡量。若两幅图片的直方图特征向量别离为H1、H2，则两个图片的类似度为：
(13)
6 试验结果与剖析
为验证MDOCSBP算法的有用性，试验在均已被取舍好的AR人脸库、Extend Yale B人脸库上进行测验。
AR人脸库试验一致选取人脸库中每个人的榜首幅图画作为训练样本, 测验集由4个子集组成, 别离为表情改变集、光照改变集、遮挡集A和遮挡集B。Extend Yale B人脸库试验别离从不同光照情况下各子集随机选取3幅人脸作为测验集，辨认率为测验20次的平均值。AR、Extend Yale B人脸库部分图画如图4、图5所示。
