采用LBP金字塔的人脸描述与识别

为了有效地提取人脸图像的全局和局部特征以提高人脸识别的性能,提出一种基于LBP金字塔特征的人脸描述与识别算法.首先通过多尺度分析构建人脸图像金字塔;然后采用LBP算子提取各层图像的LBP特征谱,建立图像的LBP金字塔;最后对LBP金字塔各层特征谱进行分块统计,并将各层的统计直方图序列连接起来作为人脸的鉴别特征用于分类识别.该算法在ORL和FERET人脸数据库上取得了较高的人脸识别率.实验分析表明,LBP金字塔特征具有较强的人脸描述能力和可鉴别性,且对光照、人脸表情及位置的变化具有较高的鲁棒性.

基于多尺度LBP金字塔特征的分类算法

为有效解决旋转变化、光照变化和尺度变化等图像的分类问题,提出一种基于多尺度局部二元模式(LBP)金字塔特征的图像分类算法。通过多尺度LBP金字塔提取各尺度的图像纹理特征,建立图像的多尺度LBP金字塔直方图,并将其作为图像特征向量,采用K-means方法对该特征向量进行降维,以用于图像分类。同时,针对传统二进制权值分布方法对噪声敏感的缺点,提出一种多端权值分布方法。实验结果表明,多尺度LBP金字塔方法具有较好的可鉴别性及图像描述能力,而多端权值分布法也能提高图像的分类精度。

基于PLBP的面部表情识别分析

为了提高面部表情的识别性能,文章提出了基于PLBP(金字塔LBP)的表情识别算法。该方法即通过多尺度分析来建立人脸图像的局部二值模式(Local Binary Pattern,LBP)金字塔特征,能有效地提取人脸图像的全局和局部特征。表情识别系统的整个流程包括人脸特征的点跟踪、人脸的面部区域划分、PLBP特征提取和情感分类。文章在CK+表情数据库上进行了对比实验,实验结果表明,PLBP特征提取在面部表情识别中具有较高的识别率。这体现了全局和局部特征相结合对于图像识别的重要性。

面部多特征融合的驾驶员疲劳检测方法

为了监测驾驶员的疲劳状态,提出了一种基于面部多种疲劳参数的驾驶员状态检测算法。首先利用Gabor滤波和梯度信息增强眼睛和嘴部的边缘信息以进行准确定位,然后采用一种旋转不变的LBP金字塔特征对眼睛进行特征描述,训练线性SVM分类器判别眼睛的开闭状态;并根据嘴部的张开面积及宽高比判断嘴部的开闭状态,同时通过统计眼睛在垂直方向上的运动确定头部位置的变化。最后基于眼睛和嘴部的状态、头部的位置,计算出4个能够描述驾驶员状态的疲劳参数,利用模糊系统推理得出驾驶员最终的疲劳状态。实验结果证明检测和状态判别的算法都有较高的准确率,其中眼睛状态的识别率平均在97%,嘴部状态的识别率也能达到92%;模糊系统的合理性也在实验中得以验证。

融合字典学习的小样本人脸鉴别

基于稀疏表示的人脸鉴别方法通过提高字典的判别力来提高识别准确率,本文针对小样本训练,提出一种新的融合字典学习方法.首先利用Fisher判别准则及LBP金字塔进行数据预处理;其次提出新的融合字典学习模型,该模型由公共字典、类别特色字典及扰动字典三部分构成,分别提取数据共性、不同类别数据的特殊性以及异常情况下的数据扰动性;最后根据融合字典模型提出一种新的分类器,并在AR、YALE、CMU-PIE、LFW人脸数据库进行实验,结果表明本文算法具有更高的识别率和有效性.