基于改進(jìn)LBP的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別技術(shù)屬于模式識(shí)別中一個(gè)非常重要的研究領(lǐng)域，近幾十年來(lái)，取得了豐碩的研究成果，人臉識(shí)別技術(shù)現(xiàn)在已經(jīng)在很多地方得到了廣泛的應(yīng)用，比如機(jī)場(chǎng)安檢、智能門衛(wèi)、公安布控、智能視頻監(jiān)控、出入境管理、司機(jī)駕照驗(yàn)證等。為了提高識(shí)別率，學(xué)者們提出了很多種人臉識(shí)別方法，這這些方法中一個(gè)共同的重要環(huán)節(jié)就是特征提取，利用特征提取技術(shù)提取的人臉圖片特征會(huì)直接影響相應(yīng)方法后續(xù)的識(shí)別性能。在特征提取技術(shù)中，局部二值模式（LBP）算子是一種既簡(jiǎn)單又有效的特征提取

2、算子，被學(xué)者們廣泛地使用。本文以局部二值模式算子和主成分分析為基礎(chǔ)，對(duì)人臉識(shí)別方法進(jìn)行了研究和探討，主要內(nèi)容如下：
　　第一，提出了一種多尺度局部二值模式和主成分分析相結(jié)合的人臉識(shí)別方法，先把一幅人臉圖像用不同的方形窗口來(lái)進(jìn)行LBP編碼，每種方形窗口代表了一種尺度，然后對(duì)每一種尺度得到的LBP特征進(jìn)行連接，再把所有尺度下得到的LBP特征連接起來(lái)，即為這幅人臉圖像的多尺度的LBP特征。然后用主成分分析對(duì)多尺度的 LBP特征進(jìn)行降維，

3、最后用歐氏距離來(lái)判別測(cè)試圖像所屬的類別。在Yale-B人臉數(shù)據(jù)庫(kù)上進(jìn)行的仿真實(shí)驗(yàn)，結(jié)果表明本文算法和多尺度LBP算法的識(shí)別能力相當(dāng)，但是識(shí)別時(shí)間比多尺度LBP要短，顯示了本文算法的有效性。
　　第二，提出了一種改進(jìn)的局部二值模式和主成分分析相結(jié)合的人臉識(shí)別方法，首先對(duì)人臉圖像局部區(qū)域中心像素和其局部鄰域像素灰度差的符號(hào)分量進(jìn)行編碼，反應(yīng)人臉局部結(jié)構(gòu)；再利用人臉圖像局部區(qū)域中心像素和其局部鄰域像素灰度差的幅值分量作為像素局部二值模式