基于LBP與2DPCA的單樣本人臉識別算法研究.pdf

1、人臉識別技術(shù)是基于人的臉部特征信息，對輸入的人臉圖像，首先判斷其是否存在人臉，如果存在，則給出圖像中包含所有的人臉的位置、大小和各個主要面部器官的相對位置信息。依據(jù)這些信息，進一步提取每個人臉中所蘊含的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。然而在很多實際場景中，人臉庫僅能收集到一幅人臉圖像用作訓練樣本，但是許多現(xiàn)有的大多數(shù)經(jīng)典人臉識別方法在單個訓練樣本下的識別率并不高，甚至識別性能會急劇下降。因此，對單樣本下的人

2、臉識別技術(shù)的研究具有廣闊的市場應(yīng)用價值，這也奠定了其長遠的探索意義。本文針對單樣本下人臉識別率低和識別時間長等低性能進行研究。
　　本文主要從以下三個方面展開研究：
　　針對單樣本中人臉圖像局部紋理特征的忽視問題，為了更有效地融合人臉圖像的各個局部特征，提出改進的自適應(yīng)加權(quán)融合LBP單樣本人臉識別方法。首先選取適當?shù)膱D像劃分方法，根據(jù)子圖像分類性能差異，分配不同的權(quán)重，根據(jù)統(tǒng)計學相關(guān)知識提出一種自適應(yīng)加權(quán)融合思想，并結(jié)合LB

3、P算子，進行人臉圖像的檢測和分類識別。
　　針對自適應(yīng)加權(quán)融合LBP單樣本人臉識別的識別率低的問題，提出融合LGBP(Local Gabor Binary Pattern)與SIFT(Scale-invariant Feature Transform)描述子的單樣本人臉識別方法。其中SIFT描述子與圖像中物體的位置、大小和旋轉(zhuǎn)等變化無關(guān)，且對微視角、噪聲以及尺度等具有很高的穩(wěn)定性；Gabor濾波器則可以獲得許多重要視覺特征。該方法

4、結(jié)合兩者優(yōu)勢，并針對SIFT描述子計算量大，提取的實際區(qū)分能力特征少等問題進行改進。將兩個算法進行結(jié)合，取長補短。對提取特征進行融合，選擇最優(yōu)特征向量，進行人臉識別。
　　以當前流行的二維主成分分析和BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)并引入多權(quán)值函數(shù)，在二維主成分分析的基礎(chǔ)上，提出基于多權(quán)值函數(shù)BP神經(jīng)網(wǎng)絡(luò)的雙向主成分分析單樣本人臉識別方法。在橫向和縱向兩個方向上分別進行兩次壓縮，然后在兩個方向上分別進行加