基于LBP統(tǒng)計(jì)特征的人臉識(shí)別方法研究.pdf

1、人臉在生物遺傳學(xué)中是極具吸引力的一個(gè)研究?jī)?nèi)容，而人臉圖像分析技術(shù)又成為了當(dāng)今計(jì)算機(jī)視覺以及模式識(shí)別領(lǐng)域的一個(gè)熱點(diǎn)。人臉圖像分析技術(shù)涵蓋了人臉圖像檢測(cè)、人臉識(shí)別等技術(shù)。人臉作為生物的一個(gè)重要特征之一，在進(jìn)行身份識(shí)別中具有直接、形象、有效等一些獨(dú)特的特點(diǎn)和優(yōu)點(diǎn)，也正是因此，人臉圖像分析技術(shù)在案件偵破、安全防護(hù)、信息搜集以及電子信息方面應(yīng)用前景十分廣泛。同時(shí)隨著計(jì)算機(jī)以及信息技術(shù)的不斷發(fā)展，對(duì)人臉圖像的研究以及分析更具有了重要和深遠(yuǎn)的意義，從

2、而吸引了眾多研究者對(duì)此領(lǐng)域進(jìn)行研究。
　　 人臉識(shí)別是一個(gè)比較復(fù)雜的過(guò)程，總體來(lái)說(shuō)包括人臉特征提取、人臉檢測(cè)與人臉?lè)诸愖R(shí)別。人臉檢測(cè)可分為對(duì)靜態(tài)圖像的人臉檢測(cè)和對(duì)動(dòng)態(tài)圖像的人臉檢測(cè)，即不論給定一系列含有人臉的照片還是一個(gè)視頻流，要確定出其中的人臉個(gè)數(shù)以及人臉的具體位置。人臉?lè)诸愖R(shí)別是人臉檢測(cè)的后期工作，即對(duì)已知人臉圖像，判斷識(shí)別出具體是哪個(gè)人的人臉圖像，隨之可以確定此人的身份、性別、年齡等一系列信息。由此可知，不管是人臉檢測(cè)還是

3、人臉識(shí)別，都具有重要的研究?jī)r(jià)值和實(shí)際意義。但對(duì)人臉圖像分析的整個(gè)人臉識(shí)別的過(guò)程具有復(fù)雜性，并且研究的任務(wù)是多方面的，而且是一項(xiàng)艱巨的研究。本文重點(diǎn)研究人臉圖像分析過(guò)程的以下兩方面。
　　 實(shí)驗(yàn)證明，基于隨機(jī)圖理論的CCCD圖分類器相比較基于近鄰圖的分類器更具優(yōu)勢(shì)，而且性能比較穩(wěn)定，近年來(lái)，有人將基于boosted的CCCD（Class Cover Catch Digraphs）圖分類器用在了人臉檢測(cè)領(lǐng)域取得了較好的效果，本文也將

4、對(duì)此進(jìn)行嘗試和研究。另外，不管是人臉檢測(cè)與分類，若有較好的人臉特征數(shù)據(jù)，即選取有效的人臉特征提取方法，是保證效果良好的前提。而LBP（LocAlbinary pattern）算子被實(shí)驗(yàn)證明能夠有效提取人臉圖像的紋理特征，因此，本文利用將改進(jìn)的-LBP算子與CCCD圖分類器相聯(lián)合來(lái)實(shí)現(xiàn)人臉檢測(cè)的方法。本文用-LBP算子提取人臉圖像紋理特征，把對(duì)應(yīng)不同值提取的人臉特征數(shù)據(jù)加權(quán)融合起來(lái)，將加權(quán)融合后的特征數(shù)據(jù)來(lái)描述人臉，然后在此特征數(shù)據(jù)為的基

5、礎(chǔ)上，建立CCCD圖分類器，進(jìn)而對(duì)人臉圖像實(shí)現(xiàn)有效檢測(cè)。
　　 在人臉識(shí)別方面，利用LBP算子提取人臉紋理特征的高性能以及ISOMAP(ISOmetric feature MAPping)能有效降低高維數(shù)據(jù)的特性，本文提出了一種基于改進(jìn)LBP算子和ISOMAP相結(jié)合的人臉圖像識(shí)別算法。用LBP算子提取的人臉紋理特征維數(shù)會(huì)較高，對(duì)此降維而又要保持?jǐn)?shù)據(jù)的本質(zhì)特征是提高分類識(shí)別的一個(gè)關(guān)鍵，而ISOMAP方法恰能起到這樣的功能。因此，本