基于HOG特征LBP特征的人臉識別方法研究.pdf

1、隨著高科技的進步與發(fā)展，數(shù)字圖像已經(jīng)成為一種重要的多媒體形式，人類生活方方面面都會涉及大量數(shù)字圖像。如何對這些圖像進行標識和分類已逐漸成為人們關(guān)注的焦點。面對海量數(shù)字圖像僅僅靠人力已經(jīng)遠遠不夠，我們需要借助機器來實現(xiàn)圖像識別。這時將模式識別知識應用到數(shù)字圖像領(lǐng)域，便可解決圖像識別問題。人臉識別技術(shù)作為圖像識別技術(shù)的重要代表，其應用十分廣泛，例如檔案管理系統(tǒng)、住宅安全、信用卡驗證、銀行自助提款機等。所以人臉識別技術(shù)的研究具有很重要的實用價

2、值和現(xiàn)實意義。
　　首先，本文概述了人臉識別技術(shù)的背景、意義和國內(nèi)外研究現(xiàn)狀;其次，敘述了人臉識別技術(shù)的基礎(chǔ)知識，包括圖像識別系統(tǒng)的流程、特征提取與選擇以及模式分類，其中重點說明了特征臉、Fisher臉方法以及HOG特征、LBP特征的獲取方法，并且又詳細敘述了三個分類器的算法，一個是經(jīng)典且簡單的K-近鄰分類器，一個是實用的線性回歸分類器，另一個是熱門的稀疏表示分類器。文章重點是探究優(yōu)良的特征與適當?shù)姆诸惼鹘Y(jié)合以實現(xiàn)高的人臉分類精度

3、，通過控制變量法來研究特征提取方法與分類器結(jié)合的分類效果。本文研究結(jié)論如下:
　　(1)將HOG特征、LBP特征引入到線性回歸分類器(LRC)中能大大提高該分類器的分類精度，尤其在訓練樣本較少的情況下更能展現(xiàn)其分類實力，進而延伸至與最近鄰分類器(NN)、稀疏表示分類器(SRC)結(jié)合也展現(xiàn)了該方面的能力;
　　(2)盡管HOG特征和LBP特征都對光照變化等因素具有魯棒性，但HOG特征在應對有明顯光照變化和表情變化的圖像分類問題

4、時更具有優(yōu)勢;
　　(3)特征臉特征在參與有明顯光照變化的圖像分類時并不能發(fā)揮其好的分類作用;
　　(4)我們在做HOG特征和LBP特征與LRC結(jié)合實驗時發(fā)現(xiàn)，在有遮擋塊的圖像分類中二者有利于提高線性回歸分類器的分類精度。但由于本文實驗的圖像重點不在于有遮擋的圖像上，所以并未在其他分類器上做深入的探討;
　　(5)以各個特征方法為控制變量研究分類器性能時，隨著訓練樣本數(shù)一定程度上的增加，三個分類器的分類精度整體上是遞增