基于支持向量机的局部二值模式加权算法在人脸识别中的应用-论文.pdf

《基于支持向量机的局部二值模式加权算法在人脸识别中的应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、科技通报第31卷第7期Vol.31No.72015年7月BULLETINOFSCIENCEANDTECHNOLOGYJul.2015基于支持向量机的局部二值模式加权算法在人脸识别中的应用陈莉，赵峰（陕西理工学院物理与电信工程学院，陕西汉中723000）摘要：针对人脸特征的提取问题，提出了在SVM的基础上结合局部二值模式（LBP）加权算法。首先首先描述了人脸图像的LBP和深度LBP特征，通过加权形成人脸特征向量，通过这些向量采用支持向量机进行分类，依托人脸数据库进行仿真。实验结果表明，本文算法提高了人脸平均识别率以及识别效率，具

2、有一定的推广价值。关键词：局部二值模式；深度图像分析；支持向量机；加权合并中图分类号：TP393.02文献标识码：A文章编号：1001-7119（2015）07-0111-04ApplicationofLocalBinaryPatternWeightingAlgorithmBasedonSupportVectorMachineinFaceRecognitionChenLi，ZhaoFeng（CollegeofPhysics&ElectronicEngineering，ShaanxiUniversityofTechnology，

3、Hanzhong723000，China）Abstract：Withregardtotheproblemoffacialfeatureextraction,aweightedalgorithmisproposedonthebasisoftheSVMandcombinedwiththelocalbinarypattern(LBP).First,theLBPandin-depthLBPfeaturesoffaceimagesaredescribed,toformfacialfeaturevectorsthroughweightin

4、g.Thesevectorsareclassifiedbyusingsupportvectormachine(SVM),andsimulationisperformedrelyingonthefacedatabase.Theexperimentalresultsshowthatthealgorithmimprovestheaveragerecognitionrateofhumanfacesandtheefficiencyofrecognition,andthusisworthpopularizing.Keywords：loca

5、lbinarypattern；depthdifferences；supportvectormachine；weightedcombination0引言有遮挡、光照少的时候，能够获得人脸特征信息[7]的量相当的少，鲁棒性差。还有另外的学者提出了基于局部二值模式（LBP）的人脸特征提取人脸识别是图像处理中的模式识别问题，在算法，通过实验证明了LBP获得比传统特征提取进行建立人脸分类之前，通常需要描述人脸类别[8-10]算法更好的效果。然而该算法存在特征长度特征，而特征描述的好坏直接关系到人脸识别的[11，12][1]太大、编码算法

6、不稳定等缺陷。效果。目前，国内外的研究，已经具有了一些研[2，3]为了提高人脸识别正确率，提出一种基于究成果。经典的人脸特征提取方法主要有：LBP和梯度LBP合并加权的人脸识别算法，通过主成分分析（PCA）、线性判别分析（LDA），独立[4-6]加权形成人脸特征向量，通过这些向量采用支持分量分析(ICA)，但是这些算法无法能够对于向量机进行分类，本文算法不仅提高了人脸总体人脸非线性特征进行描述，特别是当人脸图像具收稿日期：2014-07-23基金项目：教育部科学技术研究重点项目（212177）；国家自然科学基金资助项目（113

7、74216）。作者简介：陈莉（1977-），女，讲师、硕士，主研方向：图像处理，通信信号处理。112科技通报第31卷平均识别率，而且提高了人脸识别的效率。(xp,xc)的深度值；gc是中心像素点的深度值。1.3加权合并LBP和深度LBP1人脸的特征表示将LBP算法和深度LBP算法进行结合来进行提取人脸特征，但是由于LBP算法和深度LBP1.1LBP算法具有不同的人脸识别特征，因此采用权重的LBP算子是在纹理特征提取方面具有计算复方式将它们进行结合，分为为λ1和λ2，两者之和杂度小，旋转不变等优点，通过纹理分类、人脸图为1，其中

8、，考虑到深度LBP在算法中占据主要的像分析、图像检索等领域都取得很好的效果。部分，因此λ2取值大于0.5，从而得到加权合并LBP算子是通过3×3的窗口中，将局部图像的中LBP和深度LBP的人脸特征向量。心像素点与其邻域像素点进行阈值运算，得到了f=λ1×LBP+λ2×Dept