收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于局部二值模式的人脸识别和表情识别研究

陆华  
【摘要】:近年来,随着人工智能技术的复苏,国内外又掀起了一场人工智能开发的热潮。人脸识别和人脸表情识别是智能识别两个十分重要的分支,也一直被科学家们作为研究重点。人脸识别与指纹识别、步态识别、掌纹识别、虹膜识别等都属于生物特征识别,涉及到计算机视觉、生理学等众多学科,由于其直观性、非接触性、用户易于接受等显著特点逐渐成为科学家们研究的热点,并且现已成功地应用于安防等系统。但由于环境的复杂性和识别技术本身具有的缺陷,人脸识别系统并不能普遍适用,仍然有很多问题急需解决。近年来,人脸表情识别技术作为计算机科学与人机交互领域的新兴研究课题,受到越来越多的关注。面部表情识别技术是一项涉及心理学、生理学、机器视觉等多个研究方向的交叉性学科,具有十分广泛的应用价值。 局部二值模式(local binary patterns, LBP)是一种纹理描述算子,因其计算非常简单,且经LBP算子滤波后能够获得高分辨力的特征,这使得很多研究者将其应用于到不同的领域并且取得了很好的效果。本文将局部二值模式应用到人脸识别和人脸表情识别,局部二值模式算子提取特征具有不完全性,针对这个特点,本文主要完成的工作如下所示: (1)提出了一种改进局部二值模式算子(Merge Local Binary Patterns, MLBP)。该算子比原始局部二值模式算子提取特征更完整,并且对光照变化和遮挡更具有鲁棒性。将该算子应用于AR人脸库、CMU-PIE人脸库中做验证实验进行分析,实验结果表明此算子具有有效性并且比传统LBP算子更具有优越性。 (2)针对局部二值模式算子在光照变化时人脸识别率极低的缺点,本文提出将小波变换和局部二值模式结合起来,首先选取光照不均匀的人脸图片,将其进行小波变换处理,保留受光照影响较小的高频部分,然后再用局部二值模式对其进行特征提取。此算法很好的降低了光照对识别率的影响,大大提高了光照不均匀时的人脸识别率,在CMU-PIE库和YALEB库中的实验证明了该算法的可行性。 (3)人脸表情识别更加注重表情细节,针对此特点,本文提出了一种基于奇偶分解的局部二值模式算子(Divided Local Binary Patterns, DLBP),该算子在传统的LBP算子的基础上继续分解,将原始LBP算子按照傅里叶奇偶分解的思想分成两个LBP子算子。改进的DLBP算子不仅大大降低了特征维数,而且更好的提取表情细节,通过在日本女性表情库中的实验说明了DLBP算子的优越性。 本文主要研究了局部二值模式在人脸识别和表情识别中的应用,在不同的应用场合对原始LBP算子做了不同的改进,提出了不同的改进LBP算子,对于推动自动人脸识别系统和自动人脸表情识别系统的进一步发展和应用具有积极的意义。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978