基于二元模式的人臉識別與表情識別研究.pdf

1、人們的工作和生活越來越多地和計算機聯(lián)系在一起，使得人類與計算機之間的關系越來越緊密。另外，各種各樣的機器人也相繼問世并且會越來越多地出現(xiàn)在我們的周圍。人們渴望自然和諧的人機交互——計算機首先要識別主人的身份，然后判別主人的表情以做出相應的動作。因此，本文以快速準確的人機交互為目標，旨在研究如何提高基于人臉的身份識別與表情識別的識別率及識別速度。論文的主要研究工作與成果包括以下幾個方面的內容： 1）提出一種基于局部二元模式直方圖映

2、射（LBPHP）的快速人臉識別方法。此方法將局部二元模式直方圖映射到保局投影（LPP）空間獲得低維的LBPHP特征，在此低維特征空間判別新樣本大大提高了識別速度，由于LPP強大的鑒別特性，此方法的識別率也很高，相比于傳統(tǒng)的基于局部二元模式（LBP）的人臉識別方法，此方法不僅識別速度更快、識別率更高，尤其在大型人臉庫上凸顯其優(yōu)勢，適于此類人臉庫上的實際應用如身份識別等。 2）在表情特征提取方面，傳統(tǒng)LBP算子存在不足：產生的直方圖

3、維數(shù)過長、鑒別力不高、對噪聲反應敏感。針對此問題，提出中心化二元模式（CBP）算子。CBP算子相對于LBP算子具有三大優(yōu)勢：（1） CBP算子通過比較“近鄰點對”之間的差異捕捉到梯度信息，不僅增強其鑒別能力而且大大降低特征維數(shù)。（2）CBP算子充分考慮中心像素點的作用并給它分配最高權重，此舉大大提高其鑒別能力。（3）從圖像中提取到的CBP特征在有噪聲情形下更加魯棒、更加穩(wěn)定。此外，為提高識別結果，首次將中心最近鄰分類器引入表情識別中，它

4、的分類效能優(yōu)于目前常用的最近鄰分類器。 3）為進一步提高人臉表情識別率，對中心化二元模式（CBP）做拓展：（1）將梯度信息融入CBP；（2）提出多尺度CBP（簡稱MCBP）；（3）為增強算法對表情圖像中細小變形的魯棒性，首次引入圖像歐式距離（IMED）并將其嵌入MCBP方法。嵌有IMED的MCBP（簡稱MCBP—IMED）方法提取出的特征具有優(yōu)點：維數(shù)大大降低、很強的鑒別能力、對噪聲不敏感、不易受細小變形的干擾。 4）提