基于偏振编码和局部二值模式的人脸识别算法研究

摘要

人脸识别是模式识别和计算机视觉领域中的一个研究热点，主要研究内容包含图像处理、人脸检测、人脸特征提取、分类识别等。虽然经过长期的研究发展，技术越来越成熟，现如今已经被广泛应用到公共安全和日常生活的方方面面。但是，由于受到图像自身以及外部环境等方面的限制，人脸识别的应用仍然面临很多的挑战。特征提取部分是人脸识别过程中的关键，通过人脸检测阶段获得人脸图像以后，对获取到的人脸图像进行特征的提取，然后通过提取到的特征向量与训练库中人脸图像的特征向量的对比，对人脸所属类别进行判定，给出最终的识别结果。
　　本文系统介绍了图像预处理、人脸检测、LBP以及其相关算法在人脸特征提取中的应用，并针对其不足设计了一种新的特征提取算法:偏振编码方式的AP-LDP特征用于人脸识别，最后，完成包含人脸检测与识别完整功能的人脸识别原型系统。主要工作和研究成果如下:
　　(1)在LBP和LDP算子的基础上，改进了提取局部一阶差分图像的方法，引入偏振特性，提出了一种偏振编码方式的AP-LDP算法。通过构造类斯托克斯矢量，利用偏振角的计算方法，实现了人脸图像的多方向纹理特征的提取，并在ORL和YALE人脸数据库中进行实验，验证了该算法的高识别率，并且在噪声条件下具有较好的鲁棒性。
　　(2)开发了一套人脸识别原型系统，实现了对静态图像和动态视频的人脸检测和识别。采用Adaboost算法进行人脸检测，利用本文提出的AP-LDP算法用于分类前的特征提取，结合最近邻分类方法对检测到的人脸图像进行分类识别，系统界面中能够同时显示人脸特征以及检测和识别结果。

目录

声明

致谢

摘要

第一章 绪论

1．1 选题背景与研究意义

1．2 人脸识别系统的基本功能

1．3 国内外研究现状

1．3．1 人脸检测概述

1．3．2 人脸识别概述

1．3．3 常用人脸库的介绍

1．4 论文主要工作和结构安排

第二章 人脸检测和图像预处理

2．1 Adaboost人脸检测算法

2．1．1 Haar特征和积分图

2．1．2 训练分类器

2．1．3 级联分类器

2．2 人脸图像预处理

2．2．1 光照预处理

2．2．2 图像去噪处理

2．2．3 尺寸归一化处理

2．3 本章小结

第三章 LBP及其相关人脸特征提取算法

3．1 LBP描述算子

3．1．1 基本LBP描述算子

3．1．2 旋转不变LBP描述算子

3．1．3 均匀模式LBP算子

3．1．4 分块LBP

3．2 LBP相关特征提取算法

3．2．1 多阈值LBP

3．2．2 Gabor多尺度LBP

3．2．3 LDP算法基本原理

3．3 本章小结

第四章 偏振编码方式的改进LDP人脸特征提取算法

4．1 偏振特性及偏振角

4．2 偏振编码方式改进LDP特征

4．2．1 类斯托克斯矢量的构建

4．2．2 提取AP-LDP特征

4．2．3 加权AP-LDP特征

4．3 KNN分类算法

4．4 实验测试与分析

4．4．1 算法的时间复杂度分析

4．4．2 算法的鲁棒性分析

4．5 本章小结

第五章 人脸识别系统的设计实现

5．1 系统简介

5．1．1 开发环境

5．1．2 功能介绍

5．1．3 OpenCV配置和matlab混合编程配置

5．2 系统功能设计与演示

5．2．1 人脸数据库模块

5．2．2 获取人脸图像

5．2．3 偏诊编码模块

5．2．4 人脸识别模块

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况