论文部分内容阅读
在近30年的科学技术发展中,人脸识别的研究得到大量研究人员的青睐。人脸识别研究的关键在于人脸特征的有效提取,人脸特征可分为局部特征和全局特征,基于人脸局部特征提取的算法有局部二进制模式(LBP)和尺度不变特征变换(SIFT)等等。基于局部二进制模式的人脸识别方法对光照和旋转等变化具有较高的鲁棒性,主要是提取图像的纹理特征;尺度不变特征变换(SIFT)特征是主要是基于图像上的一些与尺度缩放,光照和旋转无关的稳定点,其可以在杂波和部分遮挡之间稳健地识别物体。而基于人脸全局特征的提取主要采用主成分分析法(PCA)和二维主成分分析法(2DPCA)通过降维的方式寻找人脸图像在其特征空间的人脸表达。本文基于以上算法的研究,针对传统算法在提取人脸特征时的单一性和LBP算法提取人脸纹理特征不具有针对性问题,提出一种基于SIFT和MTLBP(Mul-threshold LBP)算法相结合的人脸局部特征提取方法,并结合2DPCA算法提取人脸全局特征完成整个人脸特征信息的表达。主要研究内容如下:(1)对人脸检测算法进行了研究,通过Adaboost算法提取人脸五官区域。在图像预处理方面,对每一个人脸图像样本做了灰度变换、直方图均衡化和图像滤波等工作。(2)对于人脸图像局部特征的提取,针对LBP特征在人脸纹理特征提取上不具有针对性的问题,首先通过Adaboost算法检测人脸到五官的基础上,使用SIFT算法对人脸五官旋转不变关键点进行提取,最后融合SIFT算法和MTLBP算法提取人脸局部特征。(3)对人脸全局特征的提取,通过PCA和2DPCA算法在提取人脸全局特征中的比较,采用效率更高的2DPCA算法提取人脸全局特征并与局部特征相融合,从而组成完整的人脸信息特征表达。(4)实验部分,分别对局部特征的融合算法和局部特征与全局特征的融合算法进行实验讨论,并使用最近邻分类器进行分类。最后总结实验数据与其他文献的人脸识别方法作对比。