基于改進(jìn)LBP特征和人臉能量圖的多姿態(tài)人臉識(shí)別研究.pdf

1、近年來(lái)，人臉識(shí)別技術(shù)一直是人工智能以及模式識(shí)別等諸多技術(shù)領(lǐng)域的熱門(mén)研究課題，人臉作為一類(lèi)十分重要的生物特征，具有非接觸性、快速性、便捷性、唯一性等優(yōu)點(diǎn)，但是在不同的環(huán)境下采集到的人臉圖像具有一定的變化（如姿態(tài)、光照、遮擋等），姿態(tài)的變化是阻礙人臉識(shí)別發(fā)展的要素之一，對(duì)于待測(cè)試的人臉圖像有相對(duì)較大的姿態(tài)變化時(shí)，將會(huì)導(dǎo)致識(shí)別率大幅度下降，甚至無(wú)法識(shí)別。本文圍繞多姿態(tài)人臉識(shí)別的關(guān)鍵技術(shù)，主要進(jìn)行了如下工作及研究：
　?。?）概括的敘述了

2、人臉識(shí)別研究的背景及其意義，論述了人臉檢測(cè)及識(shí)別的研究現(xiàn)狀與關(guān)鍵技術(shù)，并分析了技術(shù)發(fā)展過(guò)程中遇到的困難。
　?。?）對(duì)人臉識(shí)別系統(tǒng)的構(gòu)建過(guò)程做了詳細(xì)的介紹，闡述了人臉這一生物特征與別的生物識(shí)別方法相比較所具備的獨(dú)特優(yōu)勢(shì)，并對(duì)通常采集的人臉圖片質(zhì)量稍低而影響識(shí)別效果的問(wèn)題，提出了本文需要使用的尺寸歸一化、圖像灰度化和直方圖均衡化三種圖像預(yù)處理方法。
　?。?）詳細(xì)地對(duì)AdaBoost算法的原理進(jìn)行了說(shuō)明，包含矩形特征和積分圖等

3、，并分別論述了弱分類(lèi)器、強(qiáng)分類(lèi)器和級(jí)聯(lián)分類(lèi)器的構(gòu)造方法?；贖aar-like特征的AdaBoost算法能夠很好的實(shí)現(xiàn)正面人臉的檢測(cè)，但是它對(duì)具有姿態(tài)變化的圖像檢測(cè)魯棒性差，而且Haar特征維數(shù)較高，檢測(cè)速度較慢，本文采用基于局部二值模式（Local Binary Pattern，LBP）特征的AdaBoost算的法檢測(cè)方法，并訓(xùn)練了多姿態(tài)人臉（左側(cè)臉、正面人臉、右側(cè)臉）檢測(cè)分類(lèi)器。由于提取LBP特征相對(duì)于Haar-like特征方便，所

4、以其檢測(cè)速度更快，并且對(duì)多姿態(tài)人臉圖像的檢測(cè)效果較好。
　?。?）分別對(duì)多尺度LBP（Multi-Block LBP，MB-LBP）、中心對(duì)稱(chēng)的LBP（Center Symmetric-LBP，CS-LBP）以及多尺度中心對(duì)稱(chēng)的LBP（MB-CSLBP）的特征提取算法做了詳細(xì)的介紹，由于改進(jìn)的LBP具有的獨(dú)特優(yōu)勢(shì)，本文的大量實(shí)驗(yàn)結(jié)果表明這種紋理表征方法可以用于多姿態(tài)人臉的識(shí)別研究，而且它能夠適應(yīng)人臉的不同姿態(tài)。
　?。?）提