论文部分内容阅读
人脸识别作为一种生物特征识别技术,近年来成为图像处理与模式识别领域的研究热点,在公共安全、身份认证和人机交互等众多领域得到广泛应用。特征提取是人脸识别的关键,关系到自动人脸识别系统的有效性。作为一种有效的人脸描述子,局部二值模式(Local Binary Patterns, LBP)备受研究者的关注。软直方图局部二值模式(Soft Histogram Local Binary Patterns, SLBP)描述子提升了LBP描述子的鲁棒性,但其存在固有的缺陷。本文在分析对比了LBP、SLBP等描述子的基础上,提出了自适应软直方图局部二值模式(Adaptive Soft Histogram Local Binary Patterns, ASLBP)算法。本文的主要工作内容和创新成果如下：1.在SLBP的基础上,本文提出了一种自适应软直方图局部二值模式算法(ASLBP)。首先构建训练样本的能量函数,接着用梯度下降法求解能量函数的局部最优解,最后得到SLBP的最佳模糊隶属度函数。该算法利用Fisher判别率(FDR),将SLBP的模糊隶属度函数定义转化为约束条件下的非线性优化问题。人脸识别系统可以自动地重新定义模糊隶属度函数,以达到提高识别率的目的。2.将上述算法的训练学习过程应用于局部三值模式(Local Ternary Patterns,LTP),得到自适应软直方图局部三值模式(Adaptive Soft Histogram Local Ternary Patterns, ASLTP)算法。3.本文设计了几组对比实验,在CMU-PIE和Extended Yale B数据库充分地验证算法的有效性。实验表明,本文提出的ASLBP算法性能优于LBP和SLBP; ASLTP算法的性能也优于LTP。4.基于前述研究工作,我们开发了一个实时的人脸识别系统。该系统包括图像采集,图像预处理以及人脸识别技术。