基于LBP和Fisher face的人臉識(shí)別算法研究.pdf

1、在基于生物特征的身份鑒別中,人臉識(shí)別研究起步較早,技術(shù)也較為成熟,被廣泛應(yīng)用于計(jì)算機(jī)智能識(shí)別領(lǐng)域。人臉特征提取與表達(dá)是人臉識(shí)別中的關(guān)鍵一環(huán),人臉識(shí)別的效果好與壞和人臉特征提取與表達(dá)密切相關(guān)。一方面,不同的特征表達(dá)方法和特征向量的維數(shù)對(duì)識(shí)別率都會(huì)產(chǎn)生影響,在通常情況下,采用同樣的特征表達(dá)方法,如果特征向量的維數(shù)越高,那么其識(shí)別率也將越高;另一方面,從人臉圖像中提取的特征向量的維數(shù)大小也將直接影響著計(jì)算的復(fù)雜度,提取的特征向量的維數(shù)越高,識(shí)

2、別算法運(yùn)行的時(shí)間也就越長(zhǎng)。
　　本文在重點(diǎn)分析基于局部模式描述子的人臉特征表達(dá)與識(shí)別方法的基礎(chǔ)上,探討了利用Fisher face方法對(duì)特征向量進(jìn)行降維的同時(shí)提高其識(shí)別效果,從而滿足人臉識(shí)別系統(tǒng)的實(shí)際需要。論文的主要工作體現(xiàn)在以下兩個(gè)方面:
　　(1)深入研究了基于局部二值模式(Local Binary Pattern,LBP)、局部三值模式(local ternary pattern,LTP)、主成分分析(Principa

3、l Component Analysis,PCA)、Fisher線性判別分析(Fisher Linear Discriminant Analysis,FLD)的人臉特征提取方法。與全局模式描述子相比較,人臉識(shí)別采用局部模式的人臉特征表達(dá)效果更加理想,大大提高了人臉識(shí)別的識(shí)別率;與局部二值模式描述子相比較,基于局部三值模式的描述子抗噪聲的能力更強(qiáng)。
　　(2)考慮到Fisher face方法對(duì)特征向量來(lái)說(shuō),不僅能夠有效地對(duì)提取的特征