基于改进的LBP和PCA算法的人脸识别.docVIP

基于改进的LBP和PCA算法的人脸识别 　　摘要：针对LBP算法的特征描述只与中间点和邻域点的灰度值大小有关，而忽略了各个邻域点之间灰度值相关性的问题，提出了一种改进的LBP算法。该方法在特征提取时，不再仅仅依赖于中心点，而是结合中心点与其相邻邻域点之间的关系，然后再利用PCA降维处理，算法不但降低了特征维度，而且提高了运算速度。OKL人脸库上的实验结果表明，改进的LBP算法与原始的LBP算法相比，在识别率上有所提高。 　　关键词：局部二值模式；特征提取；主成分分析；降维；识别率 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）17-0173-02 　　1概述 　　人脸识别，是对人的脸部特征信息进行身份识别的一种生物识别技术，它的应用前景十分广泛。如视频监控、公安、司法和刑侦等安全领域。人脸识别的关键是如何提取出合适的信息来识别人脸。在过去的几十年里，相关的研究者们提出了许多有关于特征提取的算法。基于几何特征的方法、线性鉴别分析法、特征脸方法和神经网络方法等能很好地将人脸的形状、纹理等信息描述出来，但是这些方法很难处理维数过高的图像，且容易受到光照等客观因素的影响。近几年，基于局部的方法越来越受到研究者的欢迎，这是由于基于局部的方法不但能解决数据维数过高的问题，而且对光照和表情等具有不变性。 　　局部二值模式（Local Binary