基于局部模式的人脸识别研究

发布时间：2021-03-21 01:54

　　随着现代计算机视觉技术的不断发展和硬件计算能力的不断提高,人脸识别相比于指纹识别等其他生物特征识别技术,由于其非侵扰、高效率、友好性等诸多优势,已广泛应用于电子商务、罪犯识别、电子支付、门禁考勤等多个场景,近年来得到大量研究人员的关注。由于基于局部模式的人脸识别方法主要对图像的局部纹理进行分析并提取局部特征,因此对于表情、光照等局部变化表现出一定的鲁棒性。但是,目前局部模式方法单一的特征表达很难抵抗不同环境,导致对不同使用场景的鲁棒性较差。另外,由于局部模式过于关注单张图像局部信息,仅利用局部模式学习到的特征有限,如果不融合其他特征,很难实现对人脸特征的充分表达。基于这些考虑,本文综合局部采样、模式编码优化及利用多尺度特征补充等多方面改进,以增强算法的识别效果。主要工作如下:（1）针对局部方向数（LDN）类方法的人脸识别通常仅利用梯度信息且存在信息提取不充分的问题,提出双偏差双空间局部方向模式（DVDSLDP）。该方法首先通过像素采样扩大关联邻域信息,再利用边缘响应算子和局部前后向差分,分别获得相对偏差和绝对偏差以构成双偏差信息,充分挖掘局部梯度空间信息;然后与所提取像素的灰度空间特征... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

人脸检测

AR 库单一干扰的实验结果

杭州电子科技大学硕士学位论文53的严重破坏，ECLBP、FLGS方法识别率都要明显高于LGS等同类特征提取方法，这表明了均衡局部模式提取的人脸特征拥有更强的判别能力和良好的鲁棒性。另外，尤其需要说明的是，通过DOG金字塔与均衡局部模式的融合，DOG-FLGS、DOG-ECLBP在表情、光照子集下识别率达到了100%，它们的曲线始终在最上方且基本趋于平稳，在围巾的严重干扰下，DOG-FLGS方法的识别率也仅下降1%。这表明通过金字塔与局部特征提取方法的融合，算法有着显著的性能提升并且对各种干扰有更强的鲁棒性。实验2：为了进一步验证在混合光照、表情、遮挡、年龄等多重干扰后，所提方法是否有效。本实验根据AR库的样本特性，在不区分样本拍摄时间的情况下随机打乱样本顺序后，选择26张图片的任意3、6、10、13张参与训练，剩余图片参与测试。取10次实验的平均值作为结果。表4.4及图4.21统计了在不同比例下各算法的识别结果。表4.4AR库混合多重干扰不同样本比例的识别率（%）算法训练/测试3/236/2010/1613/13LBP[8]50.4370.1182.4490.18NI-LBP[68]51.3671.3584.1990.46ECLBP57.8877.8989.1393.68LGS[67]51.5470.3084.1889.66SLGS[72]52.6971.1285.9590.13ESLGS[70]54.6775.5587.8192.11FLGS61.8080.4491.1595.29DOG-ECLBP68.5285.4094.1896.58DOG-FLGS71.0487.5095.2097.82图4.21AR库混合多重干扰不同样本比例的实验结果


本文编号：3092088