人臉識(shí)別的核心算法技術(shù)是對(duì)人臉的關(guān)鍵特征點(diǎn)進(jìn)行檢測(cè)定位后，經(jīng)過(guò)預(yù)處理后，將主要的人臉區(qū)域剔除并輸入后端識(shí)別算法。 1。對(duì)人臉的關(guān)鍵特征點(diǎn)進(jìn)行檢測(cè)定位后，經(jīng)過(guò)預(yù)處理后，可以將主人臉區(qū)域剔除并輸入后端識(shí)別算法。識(shí)別算法需要完成人臉特征的提取，并與庫(kù)存已知的人臉進(jìn)行比較，完成最終的分類(lèi)。 我們?cè)谠擃I(lǐng)域的主要工作包括: 問(wèn)題: (1)基于lgbp的人臉識(shí)別方法統(tǒng)計(jì)學(xué)習(xí)已經(jīng)成為人臉識(shí)別領(lǐng)域的主流方法，但實(shí)踐表明，基于統(tǒng)計(jì)學(xué)習(xí)的方法往往存在“泛化能力弱”的問(wèn)題，尤其是在待識(shí)別的圖像中。 當(dāng)屬性未知時(shí)，很難確定使用哪種訓(xùn)練圖像來(lái)訓(xùn)練人臉模型。因此，在研究統(tǒng)計(jì)學(xué)習(xí)方法的同時(shí)，我們也考慮了一類(lèi)非統(tǒng)計(jì)模式識(shí)別方法。 思路: 對(duì)于給定的人臉圖像，LGBP方法首先將其與不同尺度和方向的Gabor濾波器卷積(卷積結(jié)果稱(chēng)為Gabor feature map)，以獲得多分辨率的變換圖像。 然后將每個(gè)Gabor feature map劃分為幾個(gè)不相交的局部空間區(qū)域。從每個(gè)區(qū)域提取局部鄰域像素的亮度變化規(guī)律，從每個(gè)局部空間區(qū)域提取這些變化規(guī)律的空間區(qū)域直方圖。 所有Gabor feature map和所有區(qū)域的直方圖都被串聯(lián)到一個(gè)高電平上。Witt直方圖用于對(duì)面部圖像進(jìn)行編碼。 最終的人臉識(shí)別是通過(guò)匹配直方圖之間的相似度(如直方圖交集)來(lái)實(shí)現(xiàn)的。下表為FERET 4人臉圖像測(cè)試集與FERET97人臉圖像測(cè)試集的對(duì)比結(jié)果?？梢?jiàn)，該方法具有良好的識(shí)別性能。 此外，LGBP算法計(jì)算速度快，不需要大樣本學(xué)習(xí)，泛化能力強(qiáng)。