基于LBP和深度學(xué)習(xí)的人臉特征提取.pdf

1、在當(dāng)今信息化時(shí)代，如何準(zhǔn)確鑒定一個(gè)人的身份、保護(hù)信息安全，已成為一個(gè)必須解決的關(guān)鍵社會(huì)問(wèn)題。人臉識(shí)別技術(shù)是最有發(fā)展?jié)摿Φ纳锾卣髯R(shí)別技術(shù)之一，由于其具有簡(jiǎn)單直觀、不易復(fù)制、安全性高、操作容易等特點(diǎn)而在身份驗(yàn)證和識(shí)別場(chǎng)合具有巨大的應(yīng)用價(jià)值和廣闊的應(yīng)用前景。而特征提取的好壞對(duì)人臉的正確識(shí)別有著至關(guān)重要的影響，因此，如何提取穩(wěn)定有效的人臉特征，使得提取的特征盡可能多的含有有利于識(shí)別的類別信息，以及如何將多種不同的特征相結(jié)合來(lái)實(shí)現(xiàn)更為理想的分類

2、結(jié)果等都是現(xiàn)階段人臉識(shí)別的研究熱點(diǎn)。
　　通過(guò)對(duì)現(xiàn)有人臉識(shí)別相關(guān)文獻(xiàn)的閱讀，本文在總結(jié)前人研究成果的基礎(chǔ)上，深入研究了基于局部二值模式和深度學(xué)習(xí)的特征提取方法，并在此基礎(chǔ)上做了以下工作：
　　(1)針對(duì)選用一種特征不足以捕捉人臉圖像多方面的識(shí)別信息問(wèn)題，綜合考慮局部二值模式（LBP）的改進(jìn)算法ELBP與離散余弦變換（DCT）的優(yōu)缺點(diǎn)，提出了一種將 ELBP與離散余弦變換（DCT）相結(jié)合來(lái)進(jìn)行特征提取的方法，該方法將人臉圖像經(jīng)

3、DCT變換后的少量低頻系數(shù)作為人臉的頻域特征，將人臉圖像中眼部和嘴部區(qū)域的ELBP特征作為人臉的空域特征，并使用PCA方法對(duì)所提取的空頻域特征進(jìn)行有效融合，得到更有效的人臉特征，通過(guò)在ORL人臉庫(kù)和Yale人臉庫(kù)上的實(shí)驗(yàn)驗(yàn)證了該方法的有效性。
　　(2)針對(duì)深度信念網(wǎng)絡(luò)（DBNs）忽略了圖像局部結(jié)構(gòu)，難以學(xué)習(xí)到人臉圖像的局部特征以及網(wǎng)絡(luò)訓(xùn)練時(shí)間過(guò)長(zhǎng)等問(wèn)題進(jìn)行了研究，提出將 LBP特征作為 DBNs的輸入，并在 DBNs的訓(xùn)練過(guò)程中