论文部分内容阅读
摘 要：在现代生活中，人脸识别技术发挥着越来越重要的作用。由于技术等方面的限制，人脸识别技术还存在着一定的问题和缺陷。为了推动人脸识别技术的发展，人们正在对多尺度LBP下的人脸识别方法展开新的研究。在本文中，我们通过分析人脸识别技术的发展现状，对其技术中的优缺点进行了研究。同时，我们结合时代技术发展的特点，对基于多尺度LBP下的人脸识别技术的发展和应用进行了探讨。这些研究对人脸识别技术的发展和应用有着重要的意义，有很好的现实价值。
关键词：LBP；人脸识别；技术发展
引言
随着智能设备的发展和应用，人脸识别技术已经成为了人们日常生活中重要的一部分。特别是部分智能手机实现了人脸解锁的功能后，人们对该项技术的兴趣也越来越高。由此推动了人脸识别技术相关研究的发展。而如何实现更高效率的人脸识别也成为了人们关注的重点之一。
经过多年发展，人脸识别技术的发展研究已经取得了比较好的成果。由于技术设备等方面的因素，现有的人脸识别技术普遍存在着一定的不足，严重制约了其在日常生活中的进一步应用。在多尺度LBP下发展人脸识别技术，可以提高其识别的效率和准确度。因此，对于多尺度LBP下人脸识别方法的研究逐渐成为了热门研究课题。
本文拟通过分析人臉识别技术的发展现状和存在的问题，对多尺度LBP下人脸识别技术的发展和应用进行研究探讨。
一、人脸识别技术的发展分析
人脸识别技术是一种基于人的脸部特征信息进行身份识别的生物识别技术，在现代生活中有着广泛的应用。随着人脸识别技术在智能手机上的大规模普及，其在人们生活中扮演的角色越来越重要。而随着时代技术的发展，原有的人脸识别技术逐渐暴露出自身的一些不足。
1.1人脸识别技术发展现状分析
人脸识别技术又被称为人像识别技术和面部识别技术，是指通过摄像机或者摄像头等图像采集设备，对含有人脸的图像或视频流等进行采集，并实现在图像中自动检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。目前，人脸识别技术在日常生活中发挥着重要的作用。对于普通大众来说，现阶段接触到人脸识别技术最多的就是智能手机的人脸解锁功能。
人脸识别技术起源于上世纪60年代。不过由于当时成像技术发展得比较缓慢，人脸识别技术并没有得到长足的发展。直到80年代，随着计算机技术和光学成像技术的发展成熟，人脸识别技术才被人们重视起来，并在90年代进入正式的应用阶段。
进入新时代后，随着信息化技术的发展，人脸识别技术逐渐走向民用。在民用发展的过程中，人们根据人脸识别技术的优缺点，对其提出了新的发展要求。
1.2现有人脸识别技术的优缺点分析
人脸识别技术在现代生活中大受欢迎，自然有其自己独特的优点。目前人脸识别技术最大的优点就在于其自然性和不易察觉性方面。其中，自然性是指人脸识别的方式同人类进行个体识别时所利用的生物特征基本相同。这一点与指纹识别和虹膜识别等有比较大的不同。因为在日常生活中，人们并不会通过指纹、虹膜等进行身份辨别，而是用过脸部观察等进行身份确认。在这一方面人脸识别有比较大的优势。不易察觉性则是指人脸识别技术通过可见光获取人脸信息，而不用像指纹识别一样，需要专门的电子压力传感器进行信息采集，不容易引起人们的反感，也不容易被发现。
人脸识别技术也存在着一些固有的缺陷。例如，由于人脸结构相似而带来的相似性问题。同时，由于人脸的外形不稳定，也容易带来易变性的问题。这些问题的存在限制了人脸识别技术的进一步发展和应用。因此，如何实现人脸识别的高效率和高准确率成为了研究的重点。多尺度LBP下的人脸识别技术则可以满足人们在该方面的需求。
二、基于多尺度LBP的人脸识别技术
为了推动人脸识别技术的发展和应用，我们需要展开在多尺度LBP下的人脸识别技术的研究。本文通过分析多方资料，对基于多尺度LBP的人脸识别特征提取方法、子空间变换和特征构造与人脸特征匹配的方法进行了总结。
2.1基于多尺度LBP的特征提取方法
LBP是指局部二值模式，是一种有效的纹理描述算子，度量和提取图像局部的纹理信息，对光照具有不变性。因此，目前LBP被广泛应用于质量检测、人脸图像分析等领域。
基于多尺度LBP的人脸特征提取方法目前基本遵循原始人脸图像、多尺度滤波、求取LBP图谱、分块统计直方图、求取LBP图谱、分块统计直方图、投影变换、LBP子模式特征、连接多尺度LBP模式特征的工作流程。这种工作流程方案比较成熟，而且能够很好地实现对人脸信息的处理和人脸特征的提取，因此被广泛的采用。在具体的处理过程中，要注意对去噪效果强的滤波器的应用。同时，在进行特征谱划分的时候，要选择具有不重复属性的模块区域。
2.2多尺度LBP下的子空间变换和特征构造
多尺度LBP下的子空间变换和特征构造是实现高效图像信息处理的关键。子空间变换是指LBP模块的投影变换不能面向所有的尺度。这是由于在上述的处理方法中，采用的是在不同尺度下的脸部特征的提取，并以此为基础进行的LBP模块构建。如果对所有尺度都进行投影变换，则会造成图像信息失真或者出错等。因此，针对不同的尺度需要采用不同级层的投影矩阵算法进行计算工作。
多尺度LBP的特征构造是指通过对图像模块的详细分析，对其中重要的特征信息进行收集采取。目前比较成熟的直方图数字序列获取方式是利用图像LBP金字塔进行实现。随后再进行相应的投影变换等工作，进而实现人脸图像特征描述的目的。
2.3多尺度LBP下的人脸特征匹配
要实现对人脸的识别，需要对其重要特征进行匹配。上述的多尺度LBP下的特征提取方法和子空间变换与特征构造等都是为了实现高效率和高准确度的人脸特征匹配。在进行人脸特征匹配的过程中，重点在于对相关特征的识别性。目前一般采用邻近分类器等方式实现对子模式特征的划分工作。而不同图像之间的相似性度量的工作则通过欧式距离来实现。一般来说，如果欧式距离的距离值越小，则特征的相似性越高。随后，再通过对不同子模式的加权工作，实现对整个人脸的特征匹配。
三、结束语
人脸识别技术对未来社会的发展有着重要的意义。为了推动人脸识别技术的应用，本文通过分析人脸识别技术的发展现状和其优缺点的分析，对人脸识别技术目前存在的问题进行了研究。同时，我们结合时代技术发展的特点，对在多尺度LBP下的人脸识别方法进行了探讨。这些研究对人脸识别技术的应用和发展有很好的帮助。
参考文献：
[1] 刘海媚，王玲，李兰花.基于方向边缘幅值的尺度块LBP人脸识别[J].计算机工程与应用，2015.
[2] 叶继华，陈亚慧，胡蕾.融合加权颜色相关图和改进LBP的彩色人脸图像识别[J].小型微型计算机系统，2015.
[3] 李世豪.基于LBP的人脸识别技术设计与实现[J].信息通信，2018.
作者简介：
梁乔晓，出生年月：1995.11.04，性别：男，民族：壮族，籍贯：广西省百色市，学历：本科，研究方向：人脸识别.
关键词：LBP；人脸识别；技术发展
引言
随着智能设备的发展和应用，人脸识别技术已经成为了人们日常生活中重要的一部分。特别是部分智能手机实现了人脸解锁的功能后，人们对该项技术的兴趣也越来越高。由此推动了人脸识别技术相关研究的发展。而如何实现更高效率的人脸识别也成为了人们关注的重点之一。
经过多年发展，人脸识别技术的发展研究已经取得了比较好的成果。由于技术设备等方面的因素，现有的人脸识别技术普遍存在着一定的不足，严重制约了其在日常生活中的进一步应用。在多尺度LBP下发展人脸识别技术，可以提高其识别的效率和准确度。因此，对于多尺度LBP下人脸识别方法的研究逐渐成为了热门研究课题。
本文拟通过分析人臉识别技术的发展现状和存在的问题，对多尺度LBP下人脸识别技术的发展和应用进行研究探讨。
一、人脸识别技术的发展分析
人脸识别技术是一种基于人的脸部特征信息进行身份识别的生物识别技术，在现代生活中有着广泛的应用。随着人脸识别技术在智能手机上的大规模普及，其在人们生活中扮演的角色越来越重要。而随着时代技术的发展，原有的人脸识别技术逐渐暴露出自身的一些不足。
1.1人脸识别技术发展现状分析
人脸识别技术又被称为人像识别技术和面部识别技术，是指通过摄像机或者摄像头等图像采集设备，对含有人脸的图像或视频流等进行采集，并实现在图像中自动检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。目前，人脸识别技术在日常生活中发挥着重要的作用。对于普通大众来说，现阶段接触到人脸识别技术最多的就是智能手机的人脸解锁功能。
人脸识别技术起源于上世纪60年代。不过由于当时成像技术发展得比较缓慢，人脸识别技术并没有得到长足的发展。直到80年代，随着计算机技术和光学成像技术的发展成熟，人脸识别技术才被人们重视起来，并在90年代进入正式的应用阶段。
进入新时代后，随着信息化技术的发展，人脸识别技术逐渐走向民用。在民用发展的过程中，人们根据人脸识别技术的优缺点，对其提出了新的发展要求。
1.2现有人脸识别技术的优缺点分析
人脸识别技术在现代生活中大受欢迎，自然有其自己独特的优点。目前人脸识别技术最大的优点就在于其自然性和不易察觉性方面。其中，自然性是指人脸识别的方式同人类进行个体识别时所利用的生物特征基本相同。这一点与指纹识别和虹膜识别等有比较大的不同。因为在日常生活中，人们并不会通过指纹、虹膜等进行身份辨别，而是用过脸部观察等进行身份确认。在这一方面人脸识别有比较大的优势。不易察觉性则是指人脸识别技术通过可见光获取人脸信息，而不用像指纹识别一样，需要专门的电子压力传感器进行信息采集，不容易引起人们的反感，也不容易被发现。
人脸识别技术也存在着一些固有的缺陷。例如，由于人脸结构相似而带来的相似性问题。同时，由于人脸的外形不稳定，也容易带来易变性的问题。这些问题的存在限制了人脸识别技术的进一步发展和应用。因此，如何实现人脸识别的高效率和高准确率成为了研究的重点。多尺度LBP下的人脸识别技术则可以满足人们在该方面的需求。
二、基于多尺度LBP的人脸识别技术
为了推动人脸识别技术的发展和应用，我们需要展开在多尺度LBP下的人脸识别技术的研究。本文通过分析多方资料，对基于多尺度LBP的人脸识别特征提取方法、子空间变换和特征构造与人脸特征匹配的方法进行了总结。
2.1基于多尺度LBP的特征提取方法
LBP是指局部二值模式，是一种有效的纹理描述算子，度量和提取图像局部的纹理信息，对光照具有不变性。因此，目前LBP被广泛应用于质量检测、人脸图像分析等领域。
基于多尺度LBP的人脸特征提取方法目前基本遵循原始人脸图像、多尺度滤波、求取LBP图谱、分块统计直方图、求取LBP图谱、分块统计直方图、投影变换、LBP子模式特征、连接多尺度LBP模式特征的工作流程。这种工作流程方案比较成熟，而且能够很好地实现对人脸信息的处理和人脸特征的提取，因此被广泛的采用。在具体的处理过程中，要注意对去噪效果强的滤波器的应用。同时，在进行特征谱划分的时候，要选择具有不重复属性的模块区域。
2.2多尺度LBP下的子空间变换和特征构造
多尺度LBP下的子空间变换和特征构造是实现高效图像信息处理的关键。子空间变换是指LBP模块的投影变换不能面向所有的尺度。这是由于在上述的处理方法中，采用的是在不同尺度下的脸部特征的提取，并以此为基础进行的LBP模块构建。如果对所有尺度都进行投影变换，则会造成图像信息失真或者出错等。因此，针对不同的尺度需要采用不同级层的投影矩阵算法进行计算工作。
多尺度LBP的特征构造是指通过对图像模块的详细分析，对其中重要的特征信息进行收集采取。目前比较成熟的直方图数字序列获取方式是利用图像LBP金字塔进行实现。随后再进行相应的投影变换等工作，进而实现人脸图像特征描述的目的。
2.3多尺度LBP下的人脸特征匹配
要实现对人脸的识别，需要对其重要特征进行匹配。上述的多尺度LBP下的特征提取方法和子空间变换与特征构造等都是为了实现高效率和高准确度的人脸特征匹配。在进行人脸特征匹配的过程中，重点在于对相关特征的识别性。目前一般采用邻近分类器等方式实现对子模式特征的划分工作。而不同图像之间的相似性度量的工作则通过欧式距离来实现。一般来说，如果欧式距离的距离值越小，则特征的相似性越高。随后，再通过对不同子模式的加权工作，实现对整个人脸的特征匹配。
三、结束语
人脸识别技术对未来社会的发展有着重要的意义。为了推动人脸识别技术的应用，本文通过分析人脸识别技术的发展现状和其优缺点的分析，对人脸识别技术目前存在的问题进行了研究。同时，我们结合时代技术发展的特点，对在多尺度LBP下的人脸识别方法进行了探讨。这些研究对人脸识别技术的应用和发展有很好的帮助。
参考文献：
[1] 刘海媚，王玲，李兰花.基于方向边缘幅值的尺度块LBP人脸识别[J].计算机工程与应用，2015.
[2] 叶继华，陈亚慧，胡蕾.融合加权颜色相关图和改进LBP的彩色人脸图像识别[J].小型微型计算机系统，2015.
[3] 李世豪.基于LBP的人脸识别技术设计与实现[J].信息通信，2018.
作者简介：
梁乔晓，出生年月：1995.11.04，性别：男，民族：壮族，籍贯：广西省百色市，学历：本科，研究方向：人脸识别.