基于LBP直方图的复杂光照下的人脸识别-计算机工程与应用.PDFVIP

Computer Engineering and Applications 计算机工程与应用 2012 ，48 （15） 181 基于LBP 直方图的复杂光照下的人脸识别 王 茜，肖国强，吴 松，林 宽 WANG Qian, XIAO Guoqiang, WU Song, LIN Kuan 西南大学 计算机与信息科学学院，重庆 400715 School of Computer Information Science, Southwest University, Chongqing 400715, China WANG Qian, XIAO Guoqiang, WU Song, et al. Face recognition based on Local Binary Patterns under diffi- cult lighting condition. Computer Engineering and Applications, 2012, 48 （15）：181-186. Abstract ：This paper proposes a robust method for face recognition under uncontrolled lighting condition. The ef- fects of illumination variation are reduced by Gamma correction, DoG （Difference of Gauss filtering ）and contrast equalization. The original image is divided into several non-overlapping cells and their corresponding histograms of Local Binary Pattern （LBP ）are generated according to the characteristics of the local binary patterns in face im- age. PCA （Principal Component Analysis ）is used to reduce the dimension of feature vector.The classification is made by SVM （Support Vector Machine）. The experimental results show that the average precision of the pro- posed algorithm is up to 99.68%, which indicates the performance of the proposed algorithm is better than that of the existing methods. Key words ：face recognition; Local Binary Pattern （LBP ）; Principal Component Analysis （PCA ）; Support Vector Machine （SVM） 摘 要：提出一种具有较强光照鲁棒性的人脸识别方法。通过Gamma 校正、高斯差分（DoG ）滤波和对比度均 衡化算法对图像进行光照预处理，降低光照敏感度；利用局部二值模式（LBP ）算子提取局部纹理特征，将图像 划分为若干个不重叠的子区域，提取每个子区域LBP 直方图，形成人脸图像特征，用主成分分析（PCA ）进行降 维处理；使用支持向量机（SVM）进行分类识别。在Yale-B 数据库进行实验的结果表明，该算法的平均识别率 可达99.68% ，其性能优于目前该领域的典型算法。 关键词：人脸识别；局部二元模式；主成分分析；支持向量机 文章编号：1002-8331（2012 ）15-0181-06 文献标识码：A 中图分类号：TP391.41 1 引言 姿态、遮挡等，使得人脸识别具有较大的挑战性，这 近年来，随着人脸识别在国家安全、合法监控、 也是当前人脸识别技术中的难点。其中，剧烈光照 金融、公安等领域的广泛应用，它逐渐成为模式识别 变化是影响人脸识别率的一个重要因素。 和人工智能领域内一个热门的研究课题。人脸识别