基于LBP特征的人臉識別算法研究與應(yīng)用.pdf

1、人臉識別技術(shù)具有非接觸性、采集設(shè)備成本低、交互界面友好等諸多優(yōu)點，在安防、金融等方面得到廣泛應(yīng)用。但是由于實時采集的人臉圖像容易受到自身（如姿態(tài)、表情、遮擋、年齡等）以及外界（主要是光照）諸多因素的影響，使得人臉識別技術(shù)仍需進一步改進和完善。
　　本研究主要內(nèi)容包括：⑴針對小樣本問題，提出了一種權(quán)值融合原始和虛擬樣本的人臉識別方法。該方法首先通過幾何變換構(gòu)建原始訓練樣本的鏡面對稱虛擬訓練樣本，再分別提取原始訓練樣本和虛擬訓練樣本的

2、LBP特征直方圖，最后利用權(quán)值融合兩種特征直方圖進行分類。由于構(gòu)建的鏡面虛擬訓練樣本保留了原始樣本的某些特征，卻又和原始樣本不一樣，代表了樣本的多樣性，使得人臉識別率得到提高。⑵研究了當前比較流行的基于稀疏表示和基于協(xié)同表示的分類算法，分析了稀疏表示和協(xié)同表示的差異。通過基于協(xié)同表示的兩級分類人臉識別算法實驗，驗證了在沒有提取特征的情況下，協(xié)同表示分類依然表現(xiàn)出較好的分類能力。然后在針對協(xié)同表示在小樣本情況下識別效果不理想及對光照、表情

3、等魯棒性不好的問題，提出了一種自適應(yīng)加權(quán)融合的雙重分類人臉識別方法。該方法首先提出了一種自適應(yīng)融合機制，該機制能夠自動分析樣本特征，為每種數(shù)據(jù)分配最優(yōu)的權(quán)重，移植性更佳，且克服了不同的樣本特征使用相同的權(quán)值組合影響最佳識別效果的弊端。自適應(yīng)加權(quán)融合的雙重分類人臉識別方法同樣先分別提取原始樣本和虛擬樣本的LBP特征直方圖，然后將測試樣本分別在原始樣本集字典和虛擬樣本集字典上進行協(xié)同表示編碼，各自將測試樣本歸為殘差最小的一類，實現(xiàn)第一次預(yù)分