資源描述：
《基于支持向量機(jī)的局部二值模式加權(quán)算法在人臉識(shí)別中的應(yīng)用-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、科技通報(bào)第31卷第7期Vol.31No.72015年7月BULLETINOFSCIENCEANDTECHNOLOGYJul.2015基于支持向量機(jī)的局部二值模式加權(quán)算法在人臉識(shí)別中的應(yīng)用陳莉，趙峰（陜西理工學(xué)院物理與電信工程學(xué)院，陜西漢中723000）摘要：針對(duì)人臉特征的提取問(wèn)題，提出了在SVM的基礎(chǔ)上結(jié)合局部二值模式（LBP）加權(quán)算法。首先首先描述了人臉圖像的LBP和深度LBP特征，通過(guò)加權(quán)形成人臉特征向量，通過(guò)這些向量采用支持向量機(jī)進(jìn)行分類(lèi)，依托人臉數(shù)據(jù)庫(kù)進(jìn)行仿真。實(shí)驗(yàn)結(jié)果表明，本文算法提高了人臉平均識(shí)別率以及識(shí)別效率，具
2、有一定的推廣價(jià)值。關(guān)鍵詞：局部二值模式；深度圖像分析；支持向量機(jī)；加權(quán)合并中圖分類(lèi)號(hào)：TP393.02文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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引言有遮擋、光照少的時(shí)候，能夠獲得人臉特征信息[7]的量相當(dāng)?shù)纳?，魯棒性差。還有另外的學(xué)者提出了基于局部二值模式（LBP）的人臉特征提取人臉識(shí)別是圖像處理中的模式識(shí)別問(wèn)題，在算法，通過(guò)實(shí)驗(yàn)證明了LBP獲得比傳統(tǒng)特征提取進(jìn)行建立人臉?lè)诸?lèi)之前，通常需要描述人臉類(lèi)別[8-10]算法更好的效果。然而該算法存在特征長(zhǎng)度特征，而特征描述的好壞直接關(guān)系到人臉識(shí)別的[11，12][1]太大、編碼算法
6、不穩(wěn)定等缺陷。效果。目前，國(guó)內(nèi)外的研究，已經(jīng)具有了一些研[2，3]為了提高人臉識(shí)別正確率，提出一種基于究成果。經(jīng)典的人臉特征提取方法主要有：LBP和梯度LBP合并加權(quán)的人臉識(shí)別算法，通過(guò)主成分分析（PCA）、線性判別分析（LDA），獨(dú)立[4-6]加權(quán)形成人臉特征向量，通過(guò)這些向量采用支持分量分析(ICA)，但是這些算法無(wú)法能夠?qū)τ谙蛄繖C(jī)進(jìn)行分類(lèi)，本文算法不僅提高了人臉總體人臉?lè)蔷€性特征進(jìn)行描述，特別是當(dāng)人臉圖像具收稿日期：2014-07-23基金項(xiàng)目：教育部科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目（212177）；國(guó)家自然科學(xué)基金資助項(xiàng)目（113
7、74216）。作者簡(jiǎn)介：陳莉（1977-），女，講師、碩士，主研方向：圖像處理，通信信號(hào)處理。112科技通報(bào)第31卷平均識(shí)別率，而且提高了人臉識(shí)別的效率。(xp,xc)的深度值；gc是中心像素點(diǎn)的深度值。1.3加權(quán)合并LBP和深度LBP1人臉的特征表示將LBP算法和深度LBP算法進(jìn)行結(jié)合來(lái)進(jìn)行提取人臉特征，但是由于LBP算法和深度LBP1.1LBP算法具有不同的人臉識(shí)別特征，因此采用權(quán)重的LBP算子是在紋理特征提取方面具有計(jì)算復(fù)方式將它們進(jìn)行結(jié)合，分為為λ1和λ2，兩者之和雜度小，旋轉(zhuǎn)不變等優(yōu)點(diǎn)，通過(guò)紋理分類(lèi)、人臉圖為1，其中
8、，考慮到深度LBP在算法中占據(jù)主要的像分析、圖像檢索等領(lǐng)域都取得很好的效果。部分，因此λ2取值大于0.5，從而得到加權(quán)合并LBP算子是通過(guò)3×3的窗口中，將局部圖像的中LBP和深度LBP的人臉特征向量。心像素點(diǎn)與其鄰域像素點(diǎn)進(jìn)行閾值運(yùn)算，得到了f=λ1×LBP+λ2×Dept
