基于局部Gabor二值模式的戴眼鏡人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是模式識(shí)別研究領(lǐng)域中一個(gè)熱門研究方向。近年來(lái)，隨著高速硬件的發(fā)展以及商業(yè)和執(zhí)法等方面需求的增長(zhǎng)，人臉識(shí)別的研究和應(yīng)用取得了長(zhǎng)足的進(jìn)步。但是，在非約束環(huán)境，即考慮光照、表情和遮擋物（如眼鏡）等因素的影響下，人臉識(shí)別系統(tǒng)的識(shí)別率和魯棒性仍然不盡如人意?，F(xiàn)實(shí)中，人臉圖像包含眼鏡的情況非常常見(jiàn)，因此，對(duì)戴眼鏡問(wèn)題的處理具有重要的現(xiàn)實(shí)意義。
　　 目前為止，針對(duì)戴眼鏡問(wèn)題的識(shí)別方法主要是通過(guò)檢測(cè)并移除眼鏡進(jìn)行識(shí)別，或利用處理普通遮

2、擋問(wèn)題的基于局部特征提取的方法進(jìn)行識(shí)別。但是，這些方法都有其不足之處。為了有效改進(jìn)人臉識(shí)別系統(tǒng)的識(shí)別率以及魯棒性，本課題將著重探討戴眼鏡人臉識(shí)別方法。
　　 本文首先提出了非均勻局部Gabor二值模式（Nonuniform Local GaborBinary Pattern，NLGBP）方法。該方法利用局部Gabor二值模式來(lái)表征人臉圖像，從而能提取圖像的多尺度多方向的特征信息以及在識(shí)別時(shí)能夠?qū)庹詹幻舾胁?duì)噪聲魯棒。然而，局部

3、gabor二值模式表征的第一步進(jìn)行局部劃分時(shí)，劃分策略只是簡(jiǎn)單的均勻分割。針對(duì)戴眼鏡問(wèn)題，本文提出了一種新穎的非均勻區(qū)域劃分策略，該策略在保證充足的圖像空間信息的獲取的同時(shí)還能夠?qū)?nèi)容信息區(qū)別對(duì)待，從而增強(qiáng)利于判別的特征信息的作用，并減弱眼鏡等不利于判別的干擾信息的作用，最終提高系統(tǒng)的識(shí)別率及魯棒性。
　　 NLGBP方法，雖然能較好的解決戴眼鏡問(wèn)題，但是其試圖通過(guò)構(gòu)建一個(gè)最優(yōu)單一分類器來(lái)獲得最好的識(shí)別率，然而，由于人臉識(shí)別的復(fù)

4、雜性，單一分類器往往弱于多分類器的分類效果。因此，文章對(duì)NLGBP方法進(jìn)行了更進(jìn)一步的改進(jìn)，提出了隨機(jī)非均勻局部Gabor二值模式（Random Nommiform LocalGabor Binary Pattern，RNLGBP）方法。該方法結(jié)合NLGBP方法和目前研究熱點(diǎn)的可構(gòu)建多分類器的隨機(jī)子空間方法，首先利用NLGBP方法獲取圖像的局部直方圖，然后仿照隨機(jī)子空間方法對(duì)局部直方圖進(jìn)行隨機(jī)采樣構(gòu)建多個(gè)子分類器，最后將子分類器融合為總