论文部分内容阅读
近几十年来,自动人脸识别技术取得到了很大的进步,各种各样的人脸识别算法相继被提出。另外,受到公共安全、金融安全、人机交互等领域潜在的需求的驱动,计算机人脸识别技术面临着很大的发展机遇,成为计算机视觉领域的研究热点。虽然,自动人脸识别技术取得了一些成功,但是自动人脸识别仍然面临着许多难题。其原因在于,人脸图像在获取过程中会受到诸如姿态、表情、光照、拍摄时间等外界以及自身因素的影响。因此,一个实际的、有效的人脸识别算法应该对这些干扰具有很好的鲁棒性。近来,Gabor小波被广泛地应用到人脸识别领域,取得了很好的效果。除了Gabor小波,局部二值模式算子(LBP)也被成功的应用到人脸识别研究中。利用Gabor小波与LBP结合提取人脸特征,所提取的特征维数通常很高。因此,对人脸高维特征进行降维是一个丞待解决的问题。针对Gabor与LBP结合提取人脸特征维数过高以及提取鲁棒性特征问题,本文对其进行了研究,并提出了两个提取人脸特征的算法。本文的主要工作如下:①针对Gabor小波与LBP结合提取人脸图像特征维数过高问题,本文提出了基于Gabor小波与中心对称局部二值模式(CS-LBP)结合的人脸识别算法。算法中:把CS-LBP算子引入人脸识别中代替LBP算子,降低LBP提取特征维数;对Gabor滤波图像按不同方向和尺度进行叠加,减少Gabor滤波图像;对叠加以后的图像进行CS-LBP编码,并提取分块直方图特征;将分块直方图特征进行顺序级联,形成人脸图像特征向量。ORL、Yale、FERET标准人脸库上的实验结果表明,该算法很大程度上降低了所提取特征的维数,减少了存储空间,提高了计算速度,并取得了相当的识别率。②针对CS-LBP算子提取的纹理特征不够丰富、不够全面,提出了基于多级CS-LBP特征融合的人脸识别算法。算法中:利用CS-LBP算子对人脸图像进行一次特征提取;对特征图像再进行相同方式的特征提取,如此提取多级CS-LBP特征;将不同级特征图像划分成等大、不重叠的子图像,并统计子图像直方图特征;将子图像直方图特征进行顺序级联,形成人脸图像特征向量。ORL、Yale标准人脸库上的实验结果表明,相比一级CS-LBP特征,基于多级CS-LBP特征融合算法的人脸识别率有明显提高。