(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210776046.7 (22)申请日 2022.07.04 (71)申请人 施明成 地址 400000 重庆市北碚区云汉大道142 号， 两江半导体 基地7楼 申请人 重庆芯思 迈半导体有限公司 (72)发明人 施明成　黄仕建　 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/54(2022.01) G06V 10/52(2022.01) G06V 10/50(2022.01) G06V 10/36(2022.01) G06V 10/32(2022.01) G06V 10/24(2022.01) (54)发明名称 基于Gabor二值模式与三维梯度直方图特征 融合的人脸识别方法 (57)摘要 本发明涉及基于二维图像的人脸识别算法 提取人脸纹理特征进行识别， 但是光照、 表情、 人 脸姿态等会对其产生不利影 响。 三维人脸特征能 更精确地描述人脸的几何结构， 并且不易受化妆 和光照的影 响， 但只采用三维人脸数据进行人脸 识别又缺少人脸纹理信息， 因此文中将二维人脸 特征与三维人脸特征相融合进行人脸识别。 采用 基于Gabor 变换的二维特征与基于新的分块策略 的三维梯度直方图特征相融合的算法进行人脸 识别。 首先， 提取二维人脸的Gabor特征； 然后， 提 取三维人脸基于新的分块策略的三维梯度直方 图特征， 旨在提取人脸的可辨别性特征； 接 下来， 对二维人脸特征与三维人脸特征分别使用线性 判别分析子空间算法进行训练， 并使用加法原则 融合两种特征的相似度矩阵； 最后， 输出识别结 果。 权利要求书2页 说明书5页 附图1页 CN 115100719 A 2022.09.23 CN 115100719 A 1.基于Gabor二值模式与三维梯度直方图特征融合的人脸识别方法， 其特征在于： 包括 以下步骤： S1： 对含有人脸的图片进行人脸定位和光照处理； 输入图像为含有人脸的图片， 通过人 脸定位找到图片 中人脸的位置， 并将人脸部分裁切出来， 再经过γ校正及高斯差分滤波对 裁切的人脸图像进行光照处 理， 得到归一 化的人脸图像； S2： 对归一化人脸图像进行Gabor变换 得到Gabor特 征； S3： 对第二步得到的Gabor特征作方向梯度直方图HOG纹理特征提取操作， 得到更高 Gabor滤波精度的特 征。 2.根据权利要求1所述的基于Gabor二值模式与三维梯度直方图特征融合的人脸识别 方法， 其特 征在于步骤三所述的具体方法为： 2.1提取出图像的Gabor特 征， 得到GMP； 2.2基于Gabor特 征对GMP进行梯度直方图变换。 3.根据权利要求1所述的基于Gabor二值模式与三维梯度直方图特征融合的人脸识别 方法， 其特征在于步骤2.2所述的具体方法为： 采用水平梯度算子[ ‑1， 0， 1]以及垂 直梯度算 子[‑1， 0， 1]t计算GMP水平方向的梯度分量I(X+1,Y) ‑I(X‑1,Y)以及竖直方向上的梯度分量 I(X,Y‑1)‑I(X,Y+1)， 得到GMP中边 缘、 轮廓纹 理信息； GMP中的点(X,Y)梯度的大小R(X,Y)计算公式为： 梯度的方向Ang(X， Y)计算公式为： 对梯度图像进行取梯度方向直方图： 将其分为多个区域， 每个区域计算一个加权梯度 方向直方图， 直方图中包含9个bin， 划分的区间为0 ° ‑180°， 在加权投影上采用三线性插值 方法来实现， 具体插值方法如下： 权　利　要　求　书 1/2 页 2 CN 115100719 A 2其中： (x1,y1)、 (x1,y2)、 (x2,y1)、 (x2,y2)为像素点(x,y)轴所在区域相邻的四个 区域的 中心像素点坐标， θ1和 θ2为该像素点的梯度方向大小在梯度方向直方图中最相近的bin值， bx和by是(x,y)距离各中心点的X轴方向的距离以及y方向上的距离， bz为该像素点梯度方向 大小距离相邻bin的大小； 将多个区域并为块， 并对块进行对比度归一化， 每个区域被多个 块共享， 并对块的直方图的bin作最大值的控制， 进行归一化； 最后将所有重叠块的梯度方 向直方图描述组合在一 起， 形成最终的特 征向量。权　利　要　求　书 2/2 页 3 CN 115100719 A 3