基于局部Gabor二值模式的戴眼鏡人臉識別算法研究.pdf

1、人臉識別是模式識別研究領域中一個熱門研究方向。近年來，隨著高速硬件的發(fā)展以及商業(yè)和執(zhí)法等方面需求的增長，人臉識別的研究和應用取得了長足的進步。但是，在非約束環(huán)境，即考慮光照、表情和遮擋物（如眼鏡）等因素的影響下，人臉識別系統(tǒng)的識別率和魯棒性仍然不盡如人意?，F(xiàn)實中，人臉圖像包含眼鏡的情況非常常見，因此，對戴眼鏡問題的處理具有重要的現(xiàn)實意義。
　　 目前為止，針對戴眼鏡問題的識別方法主要是通過檢測并移除眼鏡進行識別，或利用處理普通遮

2、擋問題的基于局部特征提取的方法進行識別。但是，這些方法都有其不足之處。為了有效改進人臉識別系統(tǒng)的識別率以及魯棒性，本課題將著重探討戴眼鏡人臉識別方法。
　　 本文首先提出了非均勻局部Gabor二值模式（Nonuniform Local GaborBinary Pattern，NLGBP）方法。該方法利用局部Gabor二值模式來表征人臉圖像，從而能提取圖像的多尺度多方向的特征信息以及在識別時能夠?qū)庹詹幻舾胁υ肼曯敯簟Ｈ欢?，局?/p>

3、gabor二值模式表征的第一步進行局部劃分時，劃分策略只是簡單的均勻分割。針對戴眼鏡問題，本文提出了一種新穎的非均勻區(qū)域劃分策略，該策略在保證充足的圖像空間信息的獲取的同時還能夠?qū)?nèi)容信息區(qū)別對待，從而增強利于判別的特征信息的作用，并減弱眼鏡等不利于判別的干擾信息的作用，最終提高系統(tǒng)的識別率及魯棒性。
　　 NLGBP方法，雖然能較好的解決戴眼鏡問題，但是其試圖通過構(gòu)建一個最優(yōu)單一分類器來獲得最好的識別率，然而，由于人臉識別的復

4、雜性，單一分類器往往弱于多分類器的分類效果。因此，文章對NLGBP方法進行了更進一步的改進，提出了隨機非均勻局部Gabor二值模式（Random Nommiform LocalGabor Binary Pattern，RNLGBP）方法。該方法結(jié)合NLGBP方法和目前研究熱點的可構(gòu)建多分類器的隨機子空間方法，首先利用NLGBP方法獲取圖像的局部直方圖，然后仿照隨機子空間方法對局部直方圖進行隨機采樣構(gòu)建多個子分類器，最后將子分類器融合為總