基于局部特征分析的人臉識別算法研究.pdf

1、自動人臉識別是當前模式識別領域中的一個極具挑戰(zhàn)性的研究課題，因其在法律、商業(yè)、軍事等領域具有廣泛的應用前景而日漸受到各國政府以及科研單位的廣泛關注和高度重視。如何有效地從人臉圖像中提取出區(qū)別于其他個體的特征是人臉識別領域中的一個關鍵課題。 特征提取是模式識別研究中的最基本問題之一，對于圖像識別而言，提取有效的圖像特征是完成識別任務的一個關鍵環(huán)節(jié)。近年來，局部算法因其識別率較高、對光照、人臉表情變化不敏感而在特征提取領域得到了廣泛

2、應用，本文以人臉識別為應用背景，以局部特征提取方法為主題進行了相關研究，論文的主要工作和貢獻如下： (1)針對人臉識別的識別率易受人臉圖像旋轉、尺度縮放、光照等影響的問題，本文將SIFT(Scale Invariant Feature Trarlsform)算法用于人臉識別，并根據人臉圖像的特點，給出了一種具體的局部特征匹配算法。首先，用DOG算子對人臉圖像進行關鍵點檢測。然后，用歐氏距離對關鍵點進行特征匹配。最后對特征點進行錯

3、配消除。實驗表明SIFT算法對旋轉、尺度縮放、視角變化、光照變化等圖像變化因素保持一定的不變性；對圖像噪聲等因素也保持較好的可匹配性。 (2)針對人臉識別算法中的效率和魯棒性問題，改進了LVPS算法，即基于改進的局部分塊LNP直方圖的人臉識別算法。首先，利用k均值聚類算法獲得LVPS碼本。然后，利用獲得的LVPS對人臉進行建模，該方法比傳統(tǒng)的建模方法計算更簡單。最后，利用分塊后的LVPS加權直方圖索引進行人臉識別。實驗表明本文所

4、提出的方法比傳統(tǒng)的LNP方法具有更好的識別效果。 (3)針對人臉識別算法中的高維和魯棒性問題，采用了LGBP算子和SIFT算子在特征級進行融合的方法。首先將Gabor小波和LBP(局部二值模式)結合以提取特征。然后將SIFT方法用于人臉識別，并利用SIFT方法提取人臉特征。最后將LGBP特征和SIFT特征在信息融合的特征級進行融合，并選取特征值的前50％作為待分類的新特征。實驗表明本文所用方法不僅具有降維的作用，而且比用單一的人