没有合适的资源?快使用搜索试试~ 我知道了~
基于人脸识别分类器(SRC)的LBP算法与稀疏表达联合方法的改进
需积分: 9 14 下载量 40 浏览量
2015-05-22
16:22:31
上传
评论 3
收藏 47KB DOC 举报
温馨提示
试读
5页
最近,基于描述子的局部二进制模式(LBP)与基于分类器(SRC)稀疏表示(SRC)成为人脸识别两个杰出的技术。初步结合LBP和SRC技术已经在文献中提出的。然而,在真实世界国家的艺术方法,遭受的“维数灾难”。在本文中,提出了一种新的LBP与Src结合的人脸识别算法。其中的维数问题的分而治之和辨别力是加强通过金字塔增强。所提出的人脸识别方法是在AR人脸数据库上的评价,产生令人印象深刻的结果。
资源推荐
资源详情
资源评论
基于人脸识别分类器(SRC)的 LBP 算法与系数表达联合方法的改进
摘要
最近,基于描述子的局部二进制模式(LBP)与基于分类器(SRC)稀疏表示(SRC)
成为人脸识别两个杰出的技术。初步结合 LBP 和 SRC 技术已经在文献中提出的。然而,在
真实世界国家的艺术方法,遭受的“维数灾难”。在本文中,提出了一种新的 LBP 与 Src 结
合的人脸识别算法。其中的维数问题的分而治之和辨别力是加强通过金字塔增强。所提出
的人脸识别方法是在 AR 人脸数据库上的评价,产生令人印象深刻的结果。
指数条款-人脸识别,局部二值模式,基于稀疏表示的分类,分而治之,金字塔结构
1. 简介
自动人脸识别(AFR)是计算机视觉的一个经典的研究课题。由于在信号处理和机器学
习的快速发展,新的 AFR 的方法,可以在受控环境中达到较高的精度(例如,在生物特征
识别系统),和改善的不同变化引起的性能退化(光照变化,带来的变化,闭塞等)在不
受控制的环境中(例如,在视频监控系统)。许多现有的算法中,局部二进制模式
(LBP)和基于稀疏表示的分类(SRC)两个主要在人脸识别技术的研究。由于在特征提
取和模式分类其突出的能力,,近年来基于人脸识别技术的研究非常活跃,这样的作品。
LBP 是一个人脸表示强大的特征提取。LBP 的人脸描述的成功是由于歧视性的权力和
算子计算简单,鲁棒性和它所引起的,单调的灰度变化,例如,光照变化。收集特征的直
方图也使得 LBP 方法面偏差和姿态的变化有鲁棒性。到目前为止许多人脸识别的扩展的
LBP 的已被提出,例如(不是一个详尽的列表):提高 LBP [ 2 ],LGBP [ 3 ],多尺度 LBP
[ 4 ],MB-LBP [ 5 ],CLBP [ 6 ]等。所有的扩展是为了提高鲁棒性的目标,以及在非最佳
的人脸识别方案的精度。
最近,赖特等人。[ 7 ]介绍了一种通过稀疏表示的对人脸识别鲁棒的框架。在这里,
人脸识别是惩罚在过完备字典上的线性组合系数的 L1 范数。基于稀疏表示的分类(SRC)
已被证明是优于最近邻(NN)和最近的子空间(NS)在不同的子空间为基础的分类(如
PCA 或 LDA)。当应用于人脸识别,它也可以有效地处理由于闭塞和腐败引起错误。之后
赖特等人的工作,在过去的一年中,几个扩展 SRC 的人脸识别提出了。在[ 8 ],周等人。
为了为严重遮挡情况下提高性能,将马尔可夫随机场模型应用于人脸识别。为了降低阻塞
面孔编码的成本,同时提高了精度。Yang 和 Zhang [ 9 ]利用 SRC 图像的 Gabor 特征。在
[ 10 ],杨等人。在人脸识别中的 SRC,回顾了五个有代表性的 L1 最小化的方法。最近,
一个初步的试探性的基于特征 LBP 与基于人脸识别 Src 结合是由陈和基特勒提出的。
作者 表 明, 直 方图 描 述符 , 如 LBP , 本 地相 位 量化 ( LPQ ) 和 Gabor 相 位模 式
(GPP),比用 SRC 整体特征对错位和启示有更好的鲁棒性。他们的方法返回的结果令
人印象深刻
在 Yale 人脸数据库 B 相结合和扩展 Yale 人脸数据库 B(38 人的 64 种不同的光照条件下)。
然而,这样的方法是最真实世界的数据集是不可行的,只有很少的样本可为被使用到。原
因是由于维度“灾难”。 在 SRC,判别的能力,依赖于计算一个欠定的线性方程系统稀疏的
解决方案的正确性。但是在在对等的击穿点(EBP)系数向量对数量的非零项的进入,方
法是非稀疏。换句话说,当训练样本的数目比特征向量的树木是足够大的数量,正确的稀
疏方法才能恢复。不幸的是,用于人脸表征 LBP 直方图的维数,一般是巨大的(16384 在
一个普通的 8×8 块划分)。因此,LBP 和 SRC 直接结合是非现实的。(在[ 11 ],作者仅用
于测试的 2×2 个子块,但 722 个训练图像。)。在进行 SRC 之前,运用降维工具(如 PCA
或 LDA 由杨等人的建议。[ 13 ]),
一个可能的解决方案是降低了提取特征的维数。这确保了所期望的解决方案是稀疏的,
因此“维数灾难”已不再是一个问题。这种方法可以提高性能相对于基线算法。在本文中,
资源评论
晨阴匿
- 粉丝: 0
- 资源: 4
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功