基于分块加权LBP技术的人脸识别算法.pdf

"基于分块加权LBP技术的人脸识别算法" 人脸识别是生物识别技术的一种，通过人的脸部特征信息进行身份识别。LBP（Local Binary Patterns）算法是一种灰度范围内的纹理描述方式，但传统LBP算子提取的特征信息只能体现局部的人脸信息，不能完整表达全部人脸信息。 本文提出基于分块加权LBP技术的人脸识别算法，将人脸分为5×3子分块，根据人脸五官在人脸识别中的不同贡献度赋予不同的权重提取人脸信息特征。通过在ORL和YALE两种人脸数据库中训练不同的样本数，比较传统LBP方法、5×3分块LBP方法和5×3分块加权LBP方法的人脸识别准确率，实验证明分块加权LBP技术在人脸识别中可以有效提高识别准确率。 人脸识别技术已经成为了国内外科研人员密切关注的热门课题，我国的人脸识别技术也逐渐成熟。人脸识别技术最为关键的技术内容就是人脸特征信息的提取。根据人脸特征信息提取的范围，可分为基于全局人脸特征和基于局部人脸特征两种。人脸的全局特征信息，主要有肤色、轮廓、五官的分布情况等整体信息。而局部特征用来描述人脸细节，比如大嘴巴、高鼻梁、眯眯眼等和一些面部特殊标志，如痣、伤疤等。 基于全局人脸特征的方法主要有主元分析PCA（Principal Component Analysis）、线性判决分析LDA（Linear Discriminant Analysis）等。基于全局人脸特征识别技术虽然能从整体对人脸进行提取，可以很好地留下图像的纹理特征信息，但是这种方法对于光线 条件和人脸姿态比较敏感。 基于局部人脸特征的方法主要有局部二值模式LBP（Local Binary Pattern）、局部特征分析LFA（Local Features Analysis）、Gabor小波等。基于局部人脸特征对光线条件、人脸形态和面部遮挡等变化具有更好的鲁棒性，所以局部特征提取方法近年来得到了一定的发展，更多地运用在人脸识别方向上。 本文提出的基于分块加权LBP技术的人脸识别算法是一种有效的生物识别技术，可以用于身份认证等领域。