人脸识别的论文研究——基于多种LBP特征集成学习的方法.pdf

简介：
本文探讨了利用多种局部二值模式（LBP）特征进行集成学习的人脸识别方法，提出了一种有效的算法以提高人脸识别系统的准确性和鲁棒性。 单一的特征与分类器只能在特定条件下实现较好的人脸识别效果，在光照、背景等因素变化的情况下识别率会降低。为解决这一问题，提出了一种基于多种局部二进制特征集成学习的人脸识别算法。 该方法首先利用SDM（监督下降法）定位人脸关键点，并通过CSLBP算子提取每个关键点邻域内的纹理信息；随后将所有关键点的邻域特征合并成精细的纹理描述符。同时，采用分区LBP直方图算法来捕获整个面部区域的空间结构特性。 接下来，分别使用KNN和SVM对上述两种特征进行训练，并生成类别排序列表及投票决策矩阵。最后通过加权求和的方式融合这两个决策矩阵形成最优集成分类器以输出最终结果。 实验表明，在非限制性人脸库LFW上应用此算法后，其效果明显优于单一特征或分类器的性能表现。