基于LBP算子和类覆盖捕获图的人脸检测算法.pdfVIP

第43卷第7期 数学的实践与认识 V01．43．NO．7 2013年4月 MATHEMATICSINPRACTICEANDTHEORY Apr．，2013 基于LBP算子和类覆盖捕获图的人脸检测算法 赵海峰，孙姗姗，闫伟红，王宜龙，孙登第 (安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室，安徽 合肥230039) 摘要：针对传统人脸检测中的过分类问题，提出一种结合LBP算子与类覆盖捕获 图的人脸检测算法．该算法首先用￡一LBP算子提取人脸图像纹理特征，并把对应不 同￡值提取的LBP特征数据加权融合起来，形成人脸图像特征向量，然后采用类覆 盖捕获图构造分类器，最终对人脸图像实现有效检测．与传统方法相比，基于随机图 理论的类覆盖捕获图能够克服过分类缺陷，比其他近邻图分类器更具优势，性能也 比较稳定．实验结果表明，该算法可以有效检测人脸图像，尤其对存在模糊和光照异 常的人脸图像具有较高的精确度和鲁棒性． 关键词： 人脸检测；纹理特征；LBP算子；类覆盖捕获图 1引言 人脸检测是人脸图像分析的首要环节，目的是区分由大量图像组成的图像库中的人脸图 像，或者检测给定图像中的人脸区域具体位置与大小．人脸检测…是人脸识别过程中重要的 前期处理部分，是进行后续人脸识别的关键吼传统的人脸识别技术主要针对无背景的人脸 图像，即在人脸图像位置确定并且已经得到人脸图像的前提下进行研究，而忽视了人脸检测 技术【3]．而对于包含复杂背景的图像进行人脸识别则必须首先检测出人脸区域．因此随着自 动人脸识别系统的提出，人脸检测技术逐渐受到了人们的重视． 人脸检测实际上是一种二分类问题，即包括人脸与非人脸两类．其中人脸图像是一类具 有明显独特纹理特征的图像，因此常通过图像纹理特征进行区分．Gabor滤波器是一种经典 的纹理特征提取方法，但该方法计算复杂，速度较慢．近年来，局部二元模式(LBP)作为一种 新型快速的纹理特征提取方法被提出，并在人脸识别中收到明显效果． 早期的研究已将多种基于统计的分类技术引入人脸检测中．但是在图像库中，人脸图像 的数目往往小于非人脸图像的数目；对于单幅图像，其中人脸所占的区域也远远小于非人脸 部分所占的区域．因此基于统计的分类方法不可避免地会产生过分类问题．基于图论的分类 方法对数据分布鲁棒性更强，可以弥补过分类缺陷．其中基于随机图理论的类覆盖捕获图在 解决二分类问题中达到了很高的分类精度，因而已受到广泛关注． 本文将介绍一种新的人脸检测方法，此方法能够对灰度人脸图像进行快速检测．首先，本 文用改进的E—LBP算子提取人脸的纹理特征，并将对应不同E值的￡一LBP算子提取的特征 数据加权融合起来，作为分类器的输入，这样比传统单独的LBP纹理特征具有更高的区分性， 有利于提高检测率．然后本文采用类覆盖捕获图构造分类器，最终对人脸图像实现有效检测． 收稿日期：2012—10—15 万方数据 7期 赵海峰，等：基于LBP算子和类覆盖捕获图的人脸检测算法 51 与传统方法相比，该方法能够克服过分类缺陷，有效检测人脸图像，尤其对存在模糊和光照异 常的人脸图像具有较高的精确度和鲁棒性． 2基于S-LBP的特征提取 局部二元模式【4](LocalBinary 全局纹理信息的算子． 2．1 LBP算子 LBP首先计算图像中每个像素与其局部邻域点在灰度上的二值关系；然后对二值关系 按一定规则加权形成局部二值模式；最后，采用多区域直方图序列作为图像的二值模式．最 局部纹理T的分布可假设认为是局部区域内像素灰度的联合分布密度，以图像中某个像素 为中心点g。，对周围的8个像素点90，…，97，纹理T的分布定义如下： T一(go—g。，…，97一g。) (1) 将中心点g。的灰度值作为参考对周围8个像素点进行二值化处理，如下所示： T^一t(s(go—gc)，…，t(97一gc)) (2) 通过式(2)得到一个8位的二进制数，按照公式(3)对像素不同位置进行加权求和，即得 到该窗口的LBP