基于局部特征分析的人臉識別算法研究.pdf

1、自動(dòng)人臉識別是當(dāng)前模式識別領(lǐng)域中的一個(gè)極具挑戰(zhàn)性的研究課題，因其在法律、商業(yè)、軍事等領(lǐng)域具有廣泛的應(yīng)用前景而日漸受到各國政府以及科研單位的廣泛關(guān)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(gè)體的特征是人臉識別領(lǐng)域中的一個(gè)關(guān)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(wù)的一個(gè)關(guān)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(lǐng)域得到了廣泛

2、應(yīng)用，本文以人臉識別為應(yīng)用背景，以局部特征提取方法為主題進(jìn)行了相關(guān)研究，論文的主要工作和貢獻(xiàn)如下： (1)針對人臉識別的識別率易受人臉圖像旋轉(zhuǎn)、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(jù)人臉圖像的特點(diǎn)，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(jìn)行關(guān)鍵點(diǎn)檢測。然后，用歐氏距離對關(guān)鍵點(diǎn)進(jìn)行特征匹配。最后對特征點(diǎn)進(jìn)行錯(cuò)

3、配消除。實(shí)驗(yàn)表明SIFT算法對旋轉(zhuǎn)、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(jìn)了LVPS算法，即基于改進(jìn)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(jìn)行建模，該方法比傳統(tǒng)的建模方法計(jì)算更簡單。最后，利用分塊后的LVPS加權(quán)直方圖索引進(jìn)行人臉識別。實(shí)驗(yàn)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(jìn)行融合的方法。首先將Gabor小波和LBP(局部二值模式)結(jié)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(jìn)行融合，并選取特征值的前50％作為待分類的新特征。實(shí)驗(yàn)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