基于LBP閾值特征的人臉識別方法研究.pdf

1、人臉識別技術(shù)是模式識別與人工智能研究領(lǐng)域的重要研究方向，近年來隨著技術(shù)的不斷進步，人臉識別系統(tǒng)的識別性能有了很大的提高，目前已經(jīng)廣泛應(yīng)用于公安、邊防、實時監(jiān)控以及電子商務(wù)等領(lǐng)域。例如:2012年4月鐵路部門宣布在車站安檢區(qū)域啟用人臉識別系統(tǒng)。
　　 目前已經(jīng)投入使用的人臉識別系統(tǒng)往往要求人臉圖像在十分苛刻的環(huán)境條件下才可以達到良好的識別效果。但是在光照、表情、姿態(tài)、飾物遮擋以及攝像機的距離等因素的影響下會嚴重降低人臉圖像的識別精

2、度。在這多方面影響因素中，尤其以光照變化影響特別明顯，如何消除變化光照對人臉圖片的影響是一個重要研究點。
　　 局部二值模式(LBP)方法因計算簡單、有較好的抗光照能力等在人臉識別領(lǐng)域已經(jīng)得到廣泛運用，但是LBP方法容易受到噪聲干擾，以及在劇烈光照下提取到圖像特征不夠準確。本文針對LBP算法在具體應(yīng)用中存在的問題分析，取得了如下的主要成果:
　　 1.提出了多分辨率多閾值LBP特征(Multiple Resolution

3、 and ThresholdLBP，MRTLBP)的人臉識別方法，該方法能夠有效的提取到人臉的全局以及局部特征信息以提高人臉的鑒別力。首先將原始人臉圖像上運用haar小波進行兩次分解得到不同分辨率的低頻圖像，再對兩級低頻圖像選取兩種不同的閾值進行LBP編碼，將一級分解后的圖片劃分成3×3個子區(qū)域，統(tǒng)計每一子區(qū)域LBP直方圖特征進行級聯(lián)。對二級分解圖像作為一個整體統(tǒng)計其直方圖特征，最后將一二級各子區(qū)域的直方圖特征級聯(lián)起來作為最終人臉特征，

4、進行分類識別。實驗結(jié)果表明該算法對姿態(tài)、光照、表情等的變化具備魯棒性。
　　 2.提出了動態(tài)閾值特征局部二值模式(Dynamic threshold Local BinaryPattern,DTLBP)的人臉識別方法，傳統(tǒng)的LBP算法由于只考慮了單一的閾值特征而沒有考慮到閾值與鄰居像素點的關(guān)系，所以會丟失掉有利于分類的特征信息。通過計算圖像中心像素點與局部鄰域點的對比度關(guān)系，確定動態(tài)閾值進行編碼，采用多區(qū)域直方圖級聯(lián)進行人臉特征