基于lbp和adaboost人脸识别算法的研究

《基于lbp和adaboost人脸识别算法的研究》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、AThesisinAppliedMathematicsResearchofFaceRecognitionAlgorithmBasedonLBPandAdaboostByZhoushiqiSupervisor：ProfessorZhangxiangdeNortheasternUniversityJuly2010独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡

2、献均已在论文中作了明确的说明并表示谢意。学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。左纠十一>、●l～箬口]●：矾名纠到乙者作：史期沦位学日彳锣入●●f，仞0D≯‰沁荆剁了得两弘艮獬谚潞瑚秘隧阳肄师字r}篓削]导签寸斗扮年湖一茸～知垌¨同一名h币鏖况厢一鹤帅得口睹和[作：东北大学硕士学位论文摘要基于LBP和Adaboost的人脸

3、识别算法研究摘要人脸识别作为一种生物特征识别技术，受到了广泛的关注，成为应用数学、信息技术紧密结合的前沿热点问题。识别算法是人脸识别系统的核心部分，直接影响到系统的性能。结合现代应用数学技术，本文主要研究了基于局部二进制模式(LocalBinaryPattern，简称LBP)和Adaboost的人脸识别算法。主要内容如下：第一，在应用LBP算子构造特征的过程中，提出了新的跳跃式分块方式。用此方法构造的特征能够在信息冗余较低的情况下，反映人脸不同尺度、不同位置的特征，便于机器学习算法高效地选择最佳特征。第二，在Adaboost算法的

4、训练过程中提出了快速计算样本方法和计算阈值方法，提高了Adaboost算法的训练速度。并提出对样本进行随机排序，提高训练结果的鲁棒性。第三，针对LBP算子的一些不足，采用了拓展局部二进制模式(ExtendedLocalBinaryPattern，简称ELBP)构造特征。使得到的特征不仅反映纹理变化的大小，而且反映了纹理变化的趋势。并且在训练过程中，应用统计方法构造了ELBP算子的统一模式，减小了训练的计算量。本文算法分别在中科院CASIANIR近红外人脸数据库、中科院CAS-PEAL．R1可见光人脸数据库上进行了实验，系统的正确识

5、别率分别达到了99．O％和99．2％。关键词：人脸识别；局部二进制模式；Adaboost算法；ELBP算子东北大学硕士学位论文AbstractResearchofFaceRecognitionAlgorithmBasedonLBPandAdaboostAbstractAsoneofbiometrics，facerecognitionhasgottenmuchinterestandbecomearesearchfocusinappliedmathematicsandinformationtechnology．Facerecognit

6、ionalgorithmisthecriticalpartoffacerecognitionsystem，anditcalldirectlyaffecttheperformanceofthesystem．Inthispaperfacerecognitionalgorithmbasedonlocalbinarypattern(LBP)andadaboostisresearchedwithmodemappliedmathematics．Themaincontributionofthispaperisasfollowing：First，

7、anewwayofjumpingblockofLBPisproposedtoformfeatures．Facecharacteristicsofdifferentregionsandsizearereflectedatthesametimebythefeatures．Andtheinformationhasrelativelylowerrepeatability,whichCanmakethemachinelearningalgorithmselectthebestfeaturesmoreeasilyandefficiently．

8、Second，afastmethodtomaketrainingsamplesandcalculatethresholdisdesignedtogreatlyimprovethespeedoftraining．Randomsortofthetrai