基于分块加权LBP技术的人脸识别算法

被引：4

作者：

管灵霞

杨会成

鲁春

童英

机构：

[1] 安徽工程大学电气工程学院

来源：

四川理工学院学报(自然科学版) | 2018年 / 31卷 / 02期

关键词：

人脸识别; 局部二值模式; 特征提取; 分块加权;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

人脸识别属于生理特征识别,是基于人的脸部特征信息进行身份识别的生物识别技术,是我国人工智能技术领域的首个成熟技术。LBP(Local Binary Patterns)算法,又称局部二值模式算法,是一种灰度范围内的纹理描述方式。传统LBP算子提取的特征信息只能体现局部的人脸信息,不能完整表达全部人脸信息。在基本LBP算法的基础上提出基于分块加权LBP技术的人脸识别算法,将人脸分为5×3子分块,根据人脸五官在人脸识别中的不同贡献度赋予不同的权重提取人脸信息特征。通过在ORL和YALE两种人脸数据库中训练不同样本数,比较传统LBP方法、5×3分块LBP方法和5×3分块加权LBP方法的人脸识别准确率,实验证明分块加权LBP技术在人脸识别中可以有效提高识别准确率。

引用

页码：83 / 88

页数：6

共 20 条

[1] 局部二进制模式方法综述
刘丽
谢毓湘
魏迎梅
老松杨
[J]. 中国图象图形学报, 2014, 19 (12) : 1696 - 1720
[2] 分块LBP的素描人脸识别
周汐
曹林
[J]. 中国图象图形学报 , 2015, (01) : 50 - 58
[3] 一种基于改进LBP特征的人脸识别
郭贺飞
陆建峰
董忠汶
[J]. 现代电子技术, 2015, 38 (04) : 98 - 101+105
[4] Learning the parts of objects by non-negative matrix factorization. Lee DD,Seung H. Nature . 1999
[5] 基于MB-LBP算子和Multilinear PCA算法的人脸识别
杨海燕
刘国栋
[J]. 计算机应用研究, 2012, 29 (12) : 4733 - 4735+4739
[6] 基于完整LBP特征的人脸识别
袁宝华
王欢
任明武
[J]. 计算机应用研究, 2012, 29 (04) : 1557 - 1559
[7] Face Description with Local Binary Patterns: Application to Face Recognition. Timo Ahonen,Abdenour Hadid,Matti Pietikainen. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2006
[8] Multiresolution gray-scale and rotation invariant texture classification with local binary patterns. Ojala T,Pietikainen M,Maenpaa T. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002
[9] Uncertainty relation for resolution in space, spatial frequency, and orientation optimized by two-dimensional visual cortical filters. Daugman JG. Journal of the Optical Society of America A: Optics, Image Science and Vision . 1985
[10] 基于分块加权局部二值模式的新生儿疼痛表情识别[D]. 李旭.南京邮电大学 2014

← 1 2 →