基于robust lbp人脸识别系统的研究

《基于robust lbp人脸识别系统的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据分类号：TP319@单位代码：11232密级：◆f京信息科技太皆工学硕士学位论文基于RobustLBP人脸识别系统的研究学院：理学院学科(专业)：微电子学与固体电子学学号：2011020326作者：程雷鸣指导教师：其木苏荣教授完成日期：二零一四年一月十四日万方数据学位论文版权使用授权书川㈣I

2、

3、

4、

5、圳II

6、

7、

8、Ⅲ

9、

10、ll

11、㈣⋯洲Y2659508本人完全了解北京信息科技大学关于收集、保存、使用学位论文的规定，按照学校要求提交学位论文的印刷本和电子版本。学校有权保留学位论文并向中国科学技术信

12、息研究所等国家主管部门或其指定机构送交论文的电子版和纸质版，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。学校有权适当复制、公布论文的全部或部分内容。学校有权将本人的学位论文加入《中国优秀硕士学位论文全文数据库》和编入《中国知识资源总库》。学位论文作者签名：硇呜7汐忡年f月心日口公开口保密(——年——月)(保密的学位论文在解密后应遵守此协议)指导教师签名：学位论文作者签名：年月日年月日万方数据硕士学位论文原创性声明本人郑重声明：所呈交的论文题目为《基于视频的实时人脸

13、识别系统》学位论文，是本人在导师指导下，进行研究工作所取得的成果。尽我所知，除了文中特别加以标注的内容外，本学位论文的研究成果不包含任何他人创作的、己公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均己在文中以明确方式标明并表示了谢意。本学位论文原创性声明的法律责任由本人承担。作者签字：岳塞鸯鸣秒，LP年／月I厂日万方数据摘要人脸识别技术是生物特征模式识别领域中非常重要的技术之一，在公共安全、信息安全等方面有着广泛的应用前景。目前在理想条件下的识别率己经达

14、到相当高的水平，但是在非理想条件下的识别还面临着诸多问题，例如：人脸特征点的精确配准、鲁棒的人脸表征等。本文以开发设计一个实时有效的人脸识别系统为目标，着重探讨了上述问题。本文的主要贡献总结如下：(1)研究了特征点精确配准问题，提出了边界约束的主动形状模型(BoluldedConsn面ntActiVeShapeModel，BC-ASM)。人脸特征点精确定位是实现高性能的人脸识别系统的前提条件。主动形状模型(ActiveSh印eModel，ASM)和主动外观模型(ActiveAppearanceM

15、odel，AAM)是目前主流的方法。本文在对它们的优缺点综合分析之后，提出了边界约束的主动形状模型。该模型的优点包括：(1)保留了ASM模型的局部纹理匹配优势；(2)加强了ASM模型的轮廓点确定的鲁棒性。实验表明BC．ASM模型能够更好精确地定位面部特征点。(2)在人脸表征方面，研究了传统局部二值模式(LocalBinaryPattem，LBP)方法，提出了鲁棒的局部二值模式(RobustLBP)方法。人脸识别系统中人脸表征是人脸识别过程最为重要的环节，它的好坏直接决定着后续识别工作的成败。目前

16、LBP特征被广泛应用于人脸表征。本文针对传统LBP特征的不足：包含奇异点(outlier)和维度过高，提出了RobustLBP特征。RobustLBP特征具有如下优势：(1)在保留了传统LBP特征优点的同时利用Robust函数除去outlier仅保留有效信息，增加了识别的准确率；(2)由于除去特征中的outlier从而降低了特征维度，减少了识别时间。实验表明R-obustLBP特征能够更好地表征人脸，提高了识别的准确率和速度。(3)大规模人脸识别精度测试为了更真实的反映算法性能，本文除了使用公开

17、库测试外还做了大规模的实际测试。实际测试中，在样本选取的问题上本文提出了一种二维搜索代替常用的一维搜索模式，大大降低了搜索时间。在实际测试中验证了这种样本选取方法的优越性。(4)搭建了一个人脸识别系统开发并实现了一个实时人脸识别算法仿真平台，详细的介绍了该平台各个模块的功能。万方数据摘要关键词：人脸识别：主动形状模型(ASM)；边界约束的主动形状模型(BC-ASM)；局部二值模式(LBP)；鲁棒的局部二值模式(R-obustLBP)；二维搜索方法万方数据ABS7IRACTABSTRACTFace

18、recogIlition，11asbroad印plicationproSpectsin廿lemoIlitoriI培system，publicsecuri饥aIldhomeemenaillmem，isoneoft11emostiIIlportaIlttechnologiesinmefieldofpattemrecognitionbaLsedonbiometric．FacerecogIlitionratehasachjeVeda11i曲leVelunderidealconditionsinrecen