基于局部二值模式的三维人脸识别技术研究

摘要

人脸识别技术作为一种生物识别技术，在许多领域如国家信息安全、公共安全领域等都有十分广泛的应用前景。传统的二维人脸识别方法虽然在一定程度上能够满足人们的要求，但在光照和姿态等发生变化的情况下识别率会受到一定的影响。目前，三维人脸识别技术逐渐被人们熟知并得到了广泛的关注，复杂情况下的人脸识别逐渐成为人脸识别领域的研究热点。人脸识别的关键在于特征提取方法，特征提取的好坏直接影响人脸识别的识别率。局部二值模式(LBP)是一种十分有效的特征提取方法，在人脸识别技术中有着广泛的应用。本文基于局部二值模式，主要从以下几点进行研究:
　　(1)深入了解传统LBP算法及其改进算法在三维人脸识别中存在的问题，并在此基础上提出了一种局部二值信息熵模式(LBEP)算法。该算法首先通过深度相机获取低分辨率的彩色和深度结合(RGB-D)图像，然后对图像进行信息熵处理，有效的加强图像的分辨率，然后对RGB-D图像分别采取局部和整体混合的局部二值模式算法，求出各区域的特征直方图，最后与数据库中信息进行匹配，实现人脸识别。
　　(2)为了进一步减小噪声对人脸识别的影响，本文在局部二值信息熵模式的基础上，又提出了一种基于分频的人脸识别算法。由于在图像的高低频信息中存在着不同的细节信息，该算法对高低频信息使用了不同的滤波方式，在去除噪声的同时最大化保留人脸的特征信息，最后结合局部二值信息熵模式对人脸数据进行特征信息匹配。
　　(3)本文在改进算法的基础上设计并实现了基于改进LBP算法的人脸识别系统。通过采用C++和MATLAB混合编程方式，对系统中的每个模块进行了详细的分析与设计。系统主要分为数据采集、人脸检测、特征点定位、特征提取和人脸识别五大模块。其中特征提取和人脸识别模块使用了本文提出的改进LBP算法。

目录

声明

摘要

1．1 课题的背景和意义

1．2 国内外三维人脸识别的研究现状

1．3 本文的主要内容研究内容

1．4 论文组织结构

第2章 局部二值模式、信息熵和高通滤波

2．1 人脸识别的原理与流程

2．2 局部二值模式

2．2．1 LBP原理

2．2．2 LBP应用及缺点

2．3 信息熵的基本知识

2．4 高通滤波

2．5 本章小结

第3章 局部二值的信息熵模式

3．2 局部二值的信息熵模式

3．3 基于LBEP的人脸识别

3．4 结果分析

3．5 本章小结

4．1 介绍

4．2 分频高通滤波

4．3 基于LBEPFH算法的人脸识别

4．4 结果分析

4．5 本章小结

第5章 三维人脸识别系统设计与实现

5．1 系统设计的目的及意义

5．2 三维人脸识别总体设计

5．3 数据采集模块

5．4 人脸检测模块

5．5 特征点定位模块

5．6 人脸识别模块

6．1 本文总结

6．2 未来工作展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢