基于多种LBP特征集成学习的人脸识别

• 作者: 何云 吴怀宇 钟锐
• 来源期刊: 计算机应用研究
• 关键词: 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
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 图形图像技术
• 页码范围: 292-295
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.01.062

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴怀宇	武汉科技大学信息科学与工程学院	100	816	14.0	23.0
2	钟锐	武汉科技大学信息科学与工程学院	6	47	4.0	6.0
3	何云	武汉科技大学信息科学与工程学院	2	26	2.0	2.0