基于LBP與2DPCA的單樣本人臉識(shí)別算法研究.pdf

1、人臉識(shí)別技術(shù)是基于人的臉部特征信息，對(duì)輸入的人臉圖像，首先判斷其是否存在人臉，如果存在，則給出圖像中包含所有的人臉的位置、大小和各個(gè)主要面部器官的相對(duì)位置信息。依據(jù)這些信息，進(jìn)一步提取每個(gè)人臉中所蘊(yùn)含的身份特征，并將其與已知的人臉進(jìn)行對(duì)比，從而識(shí)別每個(gè)人臉的身份。然而在很多實(shí)際場(chǎng)景中，人臉庫(kù)僅能收集到一幅人臉圖像用作訓(xùn)練樣本，但是許多現(xiàn)有的大多數(shù)經(jīng)典人臉識(shí)別方法在單個(gè)訓(xùn)練樣本下的識(shí)別率并不高，甚至識(shí)別性能會(huì)急劇下降。因此，對(duì)單樣本下的人

2、臉識(shí)別技術(shù)的研究具有廣闊的市場(chǎng)應(yīng)用價(jià)值，這也奠定了其長(zhǎng)遠(yuǎn)的探索意義。本文針對(duì)單樣本下人臉識(shí)別率低和識(shí)別時(shí)間長(zhǎng)等低性能進(jìn)行研究。
　　本文主要從以下三個(gè)方面展開(kāi)研究：
　　針對(duì)單樣本中人臉圖像局部紋理特征的忽視問(wèn)題，為了更有效地融合人臉圖像的各個(gè)局部特征，提出改進(jìn)的自適應(yīng)加權(quán)融合LBP單樣本人臉識(shí)別方法。首先選取適當(dāng)?shù)膱D像劃分方法，根據(jù)子圖像分類性能差異，分配不同的權(quán)重，根據(jù)統(tǒng)計(jì)學(xué)相關(guān)知識(shí)提出一種自適應(yīng)加權(quán)融合思想，并結(jié)合LB

3、P算子，進(jìn)行人臉圖像的檢測(cè)和分類識(shí)別。
　　針對(duì)自適應(yīng)加權(quán)融合LBP單樣本人臉識(shí)別的識(shí)別率低的問(wèn)題，提出融合LGBP(Local Gabor Binary Pattern)與SIFT(Scale-invariant Feature Transform)描述子的單樣本人臉識(shí)別方法。其中SIFT描述子與圖像中物體的位置、大小和旋轉(zhuǎn)等變化無(wú)關(guān)，且對(duì)微視角、噪聲以及尺度等具有很高的穩(wěn)定性；Gabor濾波器則可以獲得許多重要視覺(jué)特征。該方法

4、結(jié)合兩者優(yōu)勢(shì)，并針對(duì)SIFT描述子計(jì)算量大，提取的實(shí)際區(qū)分能力特征少等問(wèn)題進(jìn)行改進(jìn)。將兩個(gè)算法進(jìn)行結(jié)合，取長(zhǎng)補(bǔ)短。對(duì)提取特征進(jìn)行融合，選擇最優(yōu)特征向量，進(jìn)行人臉識(shí)別。
　　以當(dāng)前流行的二維主成分分析和BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)并引入多權(quán)值函數(shù)，在二維主成分分析的基礎(chǔ)上，提出基于多權(quán)值函數(shù)BP神經(jīng)網(wǎng)絡(luò)的雙向主成分分析單樣本人臉識(shí)別方法。在橫向和縱向兩個(gè)方向上分別進(jìn)行兩次壓縮，然后在兩個(gè)方向上分別進(jìn)行加