增强LGBP融合广义平均神经网络的鲁棒人脸识别研究.pdfVIP

第 l4卷 第 24期 2014年 8月 科 学 技 术 与 工 程 Vo1．14 No．24 Aug．2014 1671— 1815(2014)24—0096—07 ScienceTechnologyandEngineering ⑥ 2014 Sci．Tech．Engrg． 增强 LGBP融合广义平均神经网络的 鲁棒人脸识别研究 黎远松 雷 航 (四川理 f学院计算机学院 ，自贡 643000；电子科技大学计算机科学与工程学院 ，成都 610054) 摘 要 针对人脸识别 中由于人脸表情、姿态、尺度等变化而影响识别效果的问题，提出一种融合增强局部Gabor二值模式和 广义平均神经网络方法。首先，对归一化的人脸图像进行多方向、多尺度Gabor小波滤波，将生成的Gabor幅值模式分成多个 子区域；然后，利用增强局部二值模式对每个子区域进行操作形成特征 向量；最后，利用广义神经网络进行识别。在 ORL、FE— RET及LFw 上的实验利用错误接受率、错误拒绝率等错误率和时间复杂度评估方法的有效性。实验结果表明，相比其它几种 较新的方法，取得了更好的识别效果。 关键词 鲁棒人脸识别 Gabor小波 LGBP 广义平均神经网络 姿态变化 中图法分类号 TP391．3； 文献标志码 A 人脸因其在侵扰性、精度 、成本和易于感知方面 平均神经 (generalizedmeanneural，GMN)网络的 超越其他生物特征，从而成为一种广泛接受的有效 人脸识别方法，分离规范化特征 向量，然后将它们 生物特征指标。最近几年，人脸识别及其在生物特 连接成一个单个特征向量组合，通过广义神经 网 征识别、模式识别和计算机视觉上的应用成为研究 络进行分类。实验结果表明，本文方法对光照、姿 的热点 。 态等环境变化具有鲁棒性，且 获得 了较高 的识 过去几十年，学者们提出了许多种人脸识别方 别率。 法，这些方法可大致分为全局特征方法、局部特征法 1 相关研究 和混合方法。在约束条件下 (如没有 明显的光照、 姿态、表情等变化)，传统的主成分分析 (principal 由于局部外观特征对光照和姿态变化具有鲁棒 componentanalysis，PCA)J、线性判别分析 (1inear 性，所以，学者们提出了多种基于空间局部描述符的 discriminantanalysis，LDA)j、独立成分分析(inde— 算法。文献 [8]提出使用神经网络在低分辨率图像 pendentcomponentanalysis，ICA) 、局部二值模式 上进行人脸识别，在全局环境人脸识别中具有可行 (1ocalbinarypattem，LBP) 等方法均能表现出很 性，然而，在有姿态变化的情况下，识别效率会急剧 好的识别效果，然而，当人脸的面部表情、姿态或光 下降。文献[9]提出一种基于多方向和多尺度 Ga— 照变化时，这些方法的识别效果并不理想，因此，如 bor小波来提取多姿态人脸图像特征，能成功识别 何解决人脸识别中的这些变化带来的问题变得至关 在颜色、位置、大小、方位、姿态和表情等方面有变化 重要 。 情况下的人脸图像。文献 [10]提出一种基于可控 为了更好的解决人脸识别问题，提出了一种基 金字塔分解 的人脸识别方法，通过计算各个方 向的 于局部 Gabor二值模式直方图序列 (1ocalGaborbi— 导数来采集人脸 图像 中多方位信息，应用局部二值 narypatternhistogramsequence，LGBPHS)融合广义 模式 (LBP)获取局部可控金字塔二值模式 (LSPBP) 特征向量，识别精度