基于LBP和深度學習的人臉特征提取.pdf

1、在當今信息化時代，如何準確鑒定一個人的身份、保護信息安全，已成為一個必須解決的關(guān)鍵社會問題。人臉識別技術(shù)是最有發(fā)展?jié)摿Φ纳锾卣髯R別技術(shù)之一，由于其具有簡單直觀、不易復制、安全性高、操作容易等特點而在身份驗證和識別場合具有巨大的應(yīng)用價值和廣闊的應(yīng)用前景。而特征提取的好壞對人臉的正確識別有著至關(guān)重要的影響，因此，如何提取穩(wěn)定有效的人臉特征，使得提取的特征盡可能多的含有有利于識別的類別信息，以及如何將多種不同的特征相結(jié)合來實現(xiàn)更為理想的分類

2、結(jié)果等都是現(xiàn)階段人臉識別的研究熱點。
　　通過對現(xiàn)有人臉識別相關(guān)文獻的閱讀，本文在總結(jié)前人研究成果的基礎(chǔ)上，深入研究了基于局部二值模式和深度學習的特征提取方法，并在此基礎(chǔ)上做了以下工作：
　　(1)針對選用一種特征不足以捕捉人臉圖像多方面的識別信息問題，綜合考慮局部二值模式（LBP）的改進算法ELBP與離散余弦變換（DCT）的優(yōu)缺點，提出了一種將 ELBP與離散余弦變換（DCT）相結(jié)合來進行特征提取的方法，該方法將人臉圖像經(jīng)

3、DCT變換后的少量低頻系數(shù)作為人臉的頻域特征，將人臉圖像中眼部和嘴部區(qū)域的ELBP特征作為人臉的空域特征，并使用PCA方法對所提取的空頻域特征進行有效融合，得到更有效的人臉特征，通過在ORL人臉庫和Yale人臉庫上的實驗驗證了該方法的有效性。
　　(2)針對深度信念網(wǎng)絡(luò)（DBNs）忽略了圖像局部結(jié)構(gòu)，難以學習到人臉圖像的局部特征以及網(wǎng)絡(luò)訓練時間過長等問題進行了研究，提出將 LBP特征作為 DBNs的輸入，并在 DBNs的訓練過程中