基于改進(jìn)LBP特征和人臉能量圖的多姿態(tài)人臉識別研究.pdf

1、近年來，人臉識別技術(shù)一直是人工智能以及模式識別等諸多技術(shù)領(lǐng)域的熱門研究課題，人臉作為一類十分重要的生物特征，具有非接觸性、快速性、便捷性、唯一性等優(yōu)點，但是在不同的環(huán)境下采集到的人臉圖像具有一定的變化（如姿態(tài)、光照、遮擋等），姿態(tài)的變化是阻礙人臉識別發(fā)展的要素之一，對于待測試的人臉圖像有相對較大的姿態(tài)變化時，將會導(dǎo)致識別率大幅度下降，甚至無法識別。本文圍繞多姿態(tài)人臉識別的關(guān)鍵技術(shù)，主要進(jìn)行了如下工作及研究：
　　（1）概括的敘述了

2、人臉識別研究的背景及其意義，論述了人臉檢測及識別的研究現(xiàn)狀與關(guān)鍵技術(shù)，并分析了技術(shù)發(fā)展過程中遇到的困難。
　?。?）對人臉識別系統(tǒng)的構(gòu)建過程做了詳細(xì)的介紹，闡述了人臉這一生物特征與別的生物識別方法相比較所具備的獨特優(yōu)勢，并對通常采集的人臉圖片質(zhì)量稍低而影響識別效果的問題，提出了本文需要使用的尺寸歸一化、圖像灰度化和直方圖均衡化三種圖像預(yù)處理方法。
　?。?）詳細(xì)地對AdaBoost算法的原理進(jìn)行了說明，包含矩形特征和積分圖等

3、，并分別論述了弱分類器、強(qiáng)分類器和級聯(lián)分類器的構(gòu)造方法?；贖aar-like特征的AdaBoost算法能夠很好的實現(xiàn)正面人臉的檢測，但是它對具有姿態(tài)變化的圖像檢測魯棒性差，而且Haar特征維數(shù)較高，檢測速度較慢，本文采用基于局部二值模式（Local Binary Pattern，LBP）特征的AdaBoost算的法檢測方法，并訓(xùn)練了多姿態(tài)人臉（左側(cè)臉、正面人臉、右側(cè)臉）檢測分類器。由于提取LBP特征相對于Haar-like特征方便，所

4、以其檢測速度更快，并且對多姿態(tài)人臉圖像的檢測效果較好。
　?。?）分別對多尺度LBP（Multi-Block LBP，MB-LBP）、中心對稱的LBP（Center Symmetric-LBP，CS-LBP）以及多尺度中心對稱的LBP（MB-CSLBP）的特征提取算法做了詳細(xì)的介紹，由于改進(jìn)的LBP具有的獨特優(yōu)勢，本文的大量實驗結(jié)果表明這種紋理表征方法可以用于多姿態(tài)人臉的識別研究，而且它能夠適應(yīng)人臉的不同姿態(tài)。
　?。?）提