基于特征學習的人臉識別算法研究.pdf

1、人臉識別算法因其在實際應用中廣闊的前景而收到關注，它是人工智能、模式識別、計算機視覺等相關學科交叉領域的研究熱點。人臉識別的核心問題是根據(jù)提供的人臉圖像用機器提取出具有判別能力的特征來鑒別個人的身份。目前人臉識別算法受制于光照變化、姿態(tài)多樣、飾物遮擋、表情變化和多模態(tài)圖像影響，在實際應用中算法識別率不理想。
　　本文以局部特征提取的框架為基礎，對人臉識別中的遇到的難點提出相應的解決方法。主要的研究成果有:
　　(1)研究了局

2、部二值模式(LBP)算法的原理以及基于該算法的變種。綜合分析LBP模式的優(yōu)點和缺點，提出了類LBP識別框架，同時給類LBP模式指出了相應的改進方向。
　　(2)局部序數(shù)模式(LIOP)提出使用鄰域之間的序數(shù)關系對于紋理的描述有重要的作用。但是它只能應用在很小的鄰域點上，得到的特征向量的判別能力較弱。局部量化模式(LQP)能夠簡化模式數(shù)量。于是我們研究了LIOP和LQP的相關原理，提出了基于局部序數(shù)描述的增強量化模式人臉特征提取算法

3、。實驗驗證了該算法具有良好的識別能力，能夠對表情、背景和遮擋有一定的魯棒性。并進一步使用白化主成分分析使特征向量的分布更為緊湊，降低了特征向量的維度，提高了總體的識別性能。
　　(3)針對異質圖像的識別問題，提出了基于成對判別濾波核學習的局部特征異質圖像識別方法。與傳統(tǒng)的使用圖像灰度特征直接進行異質圖像的共同特征的提取不同的是，我們先將圖像進行判別濾波減去不同模態(tài)帶來的圖像差異，接著使用增強量化模式為圖像編碼并提取直方圖特征用于最