文件名称：论文研究-基于多种LBP特征集成学习的人脸识别.pdf
文件大小：1.09MB
文件格式：PDF
更新时间：2022-08-11 17:43:31
中心对称局部二进制（CSLBP）,特征点,多特征,K最近邻算法,支持向量机,集成学习
单一的特征与分类器只能对限定条件下的人脸进行较好的识别，当在非限定条件下（如光照、背景等发生变化时）将出现人脸识别率较低问题。针对该问题，提出了一种基于多种局部二进制特征集成学习的人脸识别算法。使用SDM（supervised descent method）算法对人脸特征点定位，应用CSLBP算子提取每个特征点邻域特征，将所有人脸特征点邻域特征合成为精细的纹理特征；同时运用分区LBP直方图算法提取人脸区域的微观空间结构特征，再使用KNN和SVM分别训练这两种特征，得到类别排序列表和投票决策矩阵；最后利用加权求和的规则融合决策矩阵，构成最优集成分类器，从而得到输出类别。通过在非限制性人脸库LFW上的实验结果表明，所提算法采用集成的方法明显优于单一的特征和分类器。