基于局部二值模式的人臉識別和表情識別研究.pdf

1、近年來，隨著人工智能技術(shù)的復(fù)蘇，國內(nèi)外又掀起了一場人工智能開發(fā)的熱潮。人臉識別和人臉表情識別是智能識別兩個十分重要的分支，也一直被科學(xué)家們作為研究重點。人臉識別與指紋識別、步態(tài)識別、掌紋識別、虹膜識別等都屬于生物特征識別，涉及到計算機視覺、生理學(xué)等眾多學(xué)科，由于其直觀性、非接觸性、用戶易于接受等顯著特點逐漸成為科學(xué)家們研究的熱點，并且現(xiàn)已成功地應(yīng)用于安防等系統(tǒng)。但由于環(huán)境的復(fù)雜性和識別技術(shù)本身具有的缺陷，人臉識別系統(tǒng)并不能普遍適用，仍然

2、有很多問題急需解決。近年來，人臉表情識別技術(shù)作為計算機科學(xué)與人機交互領(lǐng)域的新興研究課題，受到越來越多的關(guān)注。面部表情識別技術(shù)是一項涉及心理學(xué)、生理學(xué)、機器視覺等多個研究方向的交叉性學(xué)科，具有十分廣泛的應(yīng)用價值。
　　局部二值模式(localbinarypatterns，LBP)是一種紋理描述算子，因其計算非常簡單，且經(jīng)LBP算子濾波后能夠獲得高分辨力的特征，這使得很多研究者將其應(yīng)用于到不同的領(lǐng)域并且取得了很好的效果。本文將局部二值

3、模式應(yīng)用到人臉識別和人臉表情識別，局部二值模式算子提取特征具有不完全性，針對這個特點，本文主要完成的工作如下所示:
　　(1)提出了一種改進局部二值模式算子(MergeLocalBinaryPatterns，MLBP)。該算子比原始局部二值模式算子提取特征更完整，并且對光照變化和遮擋更具有魯棒性。將該算子應(yīng)用于AR人臉庫、CMU-PIE人臉庫中做驗證實驗進行分析，實驗結(jié)果表明此算子具有有效性并且比傳統(tǒng)LBP算子更具有優(yōu)越性。

4、>　　(2)針對局部二值模式算子在光照變化時人臉識別率極低的缺點，本文提出將小波變換和局部二值模式結(jié)合起來，首先選取光照不均勻的人臉圖片，將其進行小波變換處理，保留受光照影響較小的高頻部分，然后再用局部二值模式對其進行特征提取。此算法很好的降低了光照對識別率的影響，大大提高了光照不均勻時的人臉識別率，在CMU-PIE庫和YALEB庫中的實驗證明了該算法的可行性。
　　(3)人臉表情識別更加注重表情細節(jié)，針對此特點，本文提出了一種基

5、于奇偶分解的局部二值模式算子(DividedLocalBinaryPatterns，DLBP)，該算子在傳統(tǒng)的LBP算子的基礎(chǔ)上繼續(xù)分解，將原始LBP算子按照傅里葉奇偶分解的思想分成兩個LBP子算子。改進的DLBP算子不僅大大降低了特征維數(shù)，而且更好的提取表情細節(jié)，通過在日本女性表情庫中的實驗說明了DLBP算子的優(yōu)越性。
　　本文主要研究了局部二值模式在人臉識別和表情識別中的應(yīng)用，在不同的應(yīng)用場合對原始LBP算子做了不同的改進，提