基于均匀LBP和稀疏编码的人脸识别算法.pdfVIP

第32卷第1期 计算机应用与软件 Vo1．32 No．1 2015年 1月 ComputerApplicationsandSoftware Jan．2015 基于均匀LBP和稀疏编码的人脸识别算法 董文或 冯 瑞 郭跃飞 (复旦大学计算机科学技术学院 上海 201203) 摘 要 人脸识别一般都要先对入脸特征做维数约简，再做识别。有些传统的维数约简算法对训练样本的数量有一定的要求，比 如对分类比较有效的LDA算法。而现实应用中，数据库往往只能为每个人脸对象提供数量非常有限的图片，甚至是单样本。提出 一 种基于均匀LBP(LocalBinaryPattern)算子和稀疏编码的人脸识别方法，使用少量关键特征代替维数约简过程，解决训练样本稀 少的问题。在Stirling人脸库上进行测试，获得较高的识别率和鲁棒性，证实了算法的有效性。 关键词 LBP算子 稀疏编码 人脸识别 单训练样本 鲁棒性 中图分类号 TP391．4 文献标识码 A DOI：10．3969／j．issn．1000—386x．2015．O1．045 FACE RECoGNITIoN BASED oN UNIFoRM LBP AND SPARSE CoDING DongWenyu FengRui GuoYuefei (SchoolofComputerScience，FudanUnive~ity，Shanghai201203，China) Abstract Facerecognitiongenerallyrequiresfacialfeaturedimensionalityreductionbeforerecongition．However，forsometraditionaldi- mensionalityreductionalgorithms，theyhavecertainrequirementsonthenumberoftrainingsamples，suchasLDA(1ineardiscriminantanaly- sis)，thoughitisquiteeffectiveincategorisation，whereasinreal—worldapplications，oftenthedatabasescanonlyprovideverylimitedBum— berofpicturesofreachhumanface，orevenasingletrainingsample．Thispaperpresentsafacerecongitionmethod，itisbasedontheuni— form LBPoperatorandsparsecoding，andUSeSfewkeyfeaturestoreplacethedimensionalityreductionprocess，thusovercomestheproblem oflimitednumberoftrainingsamples．ThemethodistestedonStirlingfacedatab／iseandachieveshigherrecognitionrateandrobustness，this confirmstheeffectivenessof thealgorithm． Keywords Localbinarypattern (LBP) Sparsecoding Humanfacerecognition Singletrainingsmaple Robustness 特征分类问题涉及范围极广，常用方法包括 SVM方法、线 0 引 言 性判别法和最近邻法等。分类问题还包括距离度量 ，常用的有 欧氏距离、马氏距离 、明科夫斯基距离等。