基于LPDOGP特征的實(shí)用人臉識(shí)別算法研究.pdf

1、隨著信息和網(wǎng)絡(luò)時(shí)代的到來(lái)，安全有效的身份認(rèn)證已成為迫切的需求。基于生物特征的身份認(rèn)證技術(shù)因其可靠性越來(lái)越受到人們的關(guān)注，而其中人臉識(shí)別以其非接觸式、隱蔽性、非強(qiáng)制性和低成本的優(yōu)勢(shì)逐漸成安防鄰域內(nèi)的研究熱點(diǎn)。在人臉識(shí)別領(lǐng)域中，最基礎(chǔ)且最為重要的研究?jī)?nèi)容就是尋找有效的特征提描述并表達(dá)人臉。而在特征提取方面，現(xiàn)有的特征提取方法都存在各自的缺陷；在特征表達(dá)方面，傳統(tǒng)的方法存在破壞局部信息完整性和無(wú)法描述局部區(qū)域重要性等缺陷。因此，人臉識(shí)別技術(shù)雖

2、然有著廣大的應(yīng)用前景，但是目前技術(shù)上仍然受到很大程度的限制。、本文從實(shí)用性和理論的角度，分別研究了剔除眼鏡框和光斑的算法，人臉特征提取及其表達(dá)，并最終設(shè)計(jì)實(shí)現(xiàn)了嵌入式近紅外人臉識(shí)別系統(tǒng)。
　　本研究主要內(nèi)容包括：⑴提出了基于RPCA剔除眼鏡框和光斑的算法。該算法充分利用了眼鏡框和光斑在整幅人臉圖像上的稀疏性。并通過(guò)提取具有高度重復(fù)性的圖像塊，利用圖像塊之間的線性相關(guān)性構(gòu)建了具有低秩特性的矩陣 D，并通過(guò)求解矩陣分解相關(guān)的凸優(yōu)化問(wèn)題

3、，得到了眼鏡框和光斑所有像素點(diǎn)在人臉圖像中的位置信息矩陣E和恢復(fù)出來(lái)的矩陣A，再根據(jù)矩陣E對(duì)眼鏡框和光斑在矩陣A上進(jìn)行了圖像填充，從而剔除了眼鏡框和光斑。為接下來(lái)的人眼定位和人臉識(shí)別減少了影響，并也解決了實(shí)際應(yīng)用中的人眼定位問(wèn)題，使得實(shí)用系統(tǒng)有了更優(yōu)的性能。⑵LPDP和LPDOGP特征提取方法的提出。深入研究了現(xiàn)有的局部特征提取方法，發(fā)現(xiàn)現(xiàn)有的單一特征提取方法都會(huì)存在其缺陷，尤其是LBP和LDP特征提取方法，其中，LBP存在對(duì)光照變化不

4、魯棒；LDP會(huì)對(duì)圖像旋轉(zhuǎn)很敏感。但是其也都有自己的優(yōu)勢(shì)，譬如LBP及其改進(jìn)的算子可以在更大鄰域內(nèi)提取像素之間的信息，從而更充分的提取局部鄰域內(nèi)的模式信息；LDP則基于Kirsch masks提取局部鄰域內(nèi)的邊界響應(yīng)和角點(diǎn)信息，其相比LBP提取的像素之間的差值信息更加穩(wěn)定。為了更有效的提取信息，本文提出了避免兩者缺陷同時(shí)融入兩種優(yōu)勢(shì)的特征提取方法—LPDP，其能更大范圍、更充分地提取相對(duì)更穩(wěn)定的局部鄰域角點(diǎn)或邊界信息。同時(shí)，本文受現(xiàn)有結(jié)合

5、多種特征提取方法的思路啟發(fā)，進(jìn)而提出了基于LPDP結(jié)構(gòu)算子提取相對(duì)像素級(jí)信息更穩(wěn)定的梯度信息的特征提取方法-LPDOGP。⑶結(jié)合AdaBoost和LPDOGP的特征表達(dá)方法?；趥鹘y(tǒng)的基于網(wǎng)格劃分區(qū)域提取特征方法存在會(huì)破壞局部區(qū)域信息完整性、不能智能地給出特征圖像不同區(qū)域權(quán)值（即無(wú)法準(zhǔn)確地描述不同區(qū)域的重要性）和傳統(tǒng)的特征表達(dá)方法提取的區(qū)域大小和位置非常受限等缺陷，提出了結(jié)合AdaBoost和LPDOGP的特征表達(dá)方法，實(shí)現(xiàn)了對(duì)特征圖像