基于lbp人脸身份识别和性别识别的研究

《基于lbp人脸身份识别和性别识别的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、独创性（或创新性）声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期：关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，

2、发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密的论文在解密后遵守此规定）本人签名：日期：导师签名：日期：摘要摘要生物特征识别技术使用了人体本身所固有的生物特征，与传统的身份识别方法不同，该技术具有更高的安全性、可靠性和有效性，因而受到人们越来越多的重视。人脸自动识别技术作为生物特征识别技术的重要组成部分，已经成为计算机视觉，模式识别领域的研究热点，在近三十年里得到了深入的研究和广泛的应用。随着应用需求的推动，基于人脸的性别识别、人脸表情

3、识别和年龄识别等技术也得到了广泛的关注和研究。本文主要研究基于局部二值模式（LocalBinaryPattern，LBP）的人脸身份识别方法和人脸性别识别方法。LBP算子是一种描述图像局部空间结构的非参数算子，具有很强的纹理区分能力。本文采用LBP特征提取方法，实现了两种人脸身份识别方法，分别是基于LBP-HMM和基于LBP-PCA-LDA的人脸身份识别，并在标注的FERET人脸数据库上进行实验，结果表明提出方法的有效性和优越性。针对性别识别问题，本文提出了一种基于分块LBP-SVM的人脸性别识别方法。与传统的LBP特征提取不同，首先按照一定规则把人脸图像划分成多个子块，然后分别

4、提取其LBP直方图特征，并通过级联各块的LBP特征构成最终的人脸特征向量，最后将其与SVM分类器相结合，实现了基于人脸特征的性别识别方法。实验结果表明，与目前已有的性别识别方法相比，该方法具有更好的识别效果。关键词：人脸识别性别识别局部二值模式隐马尔科夫模型支持向量机基于LBP的人脸身份识别和性别识别研究AbstractAbstractBiometrics,becauseofusingtheinherentcreaturecharacteristicofhuman,isdifferentfromtraditionalpersonalidentificationmethod,and

5、hashighsecurity,reliabilityandvalidity.Asanimportantbranchofbiometrics,facerecognitionhasbeenoneofthemostactiveandchallengingtasksforcomputervisionandpatternrecognitioninrecent30years.Withthewideapplicationoffacerecognition,facegenderrecognition,facialexpressionrecognitionandagerecognitiontec

6、hnologyhasalsoreceivedalotofattentionandresearch.Thispaperstudiesfaceidentificationandgenderrecognitionmethodsbasedonlocalbinarypattern(LBP).LBPoperatorisanon-parametricoperatordescribingthelocalspatialstructureofimage,andhasgoodabilitytodistinguishtexture.Inthispaper,twofaceidentificationmet

7、hods,whicharebasedonLBP-HMMandLBP-PCA-LDArespectivelyforfaceidentification,arepresented.TherelatedexperimentsarecarriedonthelabeledFERETfacedatabase.Atthesametime,thispaperproposesagenderrecognitionmethodbasedontheblockingLBP-SVM.Faceimageisb