基于LBP和Adaboost的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別作為一種生物特征識(shí)別技術(shù)，受到了廣泛的關(guān)注，成為應(yīng)用數(shù)學(xué)、信息技術(shù)緊密結(jié)合的前沿?zé)狳c(diǎn)問題。
　　識(shí)別算法是人臉識(shí)別系統(tǒng)的核心部分，直接影響到系統(tǒng)的性能。結(jié)合現(xiàn)代應(yīng)用數(shù)學(xué)技術(shù)，本文主要研究了基于局部二進(jìn)制模式（Local Binary Pattern，簡稱LBP）和Adaboost的人臉識(shí)別算法。主要內(nèi)容如下:
　　第一，在應(yīng)用LBP算子構(gòu)造特征的過程中，提出了新的跳躍式分塊方式。用此方法構(gòu)造的特征能夠在信息冗余較低的

2、情況下，反映人臉不同尺度、不同位置的特征，便于機(jī)器學(xué)習(xí)算法高效地選擇最佳特征。
　　第二，在Adaboost算法的訓(xùn)練過程中提出了快速計(jì)算樣本方法和計(jì)算閾值方法，提高了Adaboost算法的訓(xùn)練速度。并提出對(duì)樣本進(jìn)行隨機(jī)排序，提高訓(xùn)練結(jié)果的魯棒性。
　　第三，針對(duì)LBP算子的一些不足，采用了拓展局部二進(jìn)制模式(Extended LocalBinary Pattern，簡稱ELBP)構(gòu)造特征。使得到的特征不僅反映紋理變化的大小