《改进lbp的人脸识别算法研究毕业设计论文》由会员分享，可在线阅读，更多相关《改进lbp的人脸识别算法研究毕业设计论文（43页珍藏版）》请在金锄头文库上搜索。
1、专业 专心 专注 编 号： 审定成绩： 毕业设计（论文）设计（论文）题目：改进LBP的人脸识别算法研究学 院 名 称 ：软件工程学院学 生 姓 名 ： 专 业 ：软件工程班 级 ： 学 号 ： 指 导 教 师 ： 答辩组 负责人 ： 填表时间： 2015年 5 月 专业资料 参考首选摘 要在各种生物特征识别方法中，自动人脸识别有其自身特殊的优势，因而在生物识别中有着重要的地位。经过三十多年的发展，人脸识别技术取得了长足的进步，目前最好的人脸识别系统在理想情况下已经能够取得可以接受的识别性能，并已经出现了若干人脸识别系统。但由于人脸识别问题的复杂性和客观条件的多重影响，人脸识别应用系统仍然面临着
2、许多需要解决的关键问题。人脸特征提取是人脸识别的关键，关系到分类识别算法的选取与识别正确率，从一定意义上讲，它关系到自动人脸识别系统的有效性。局部二值模式(LBP全称)是一种灰度范围内的纹理描述方式，它从一种纹理局部近邻定义中衍生出来，最初是为了辅助性地度量局部图像对比度提出。近年来，研究者们成功地将其用于人脸特征描述和识别，并取得了显著的效果。然而，LBP算子本身还不够完善，因为像素值之间对比度的考虑缺失，令一些重要的纹理特征被丢失了，在这里我们提出一种名为LMCP的方法，这个方法通过预处理，减少了纹理特征的丢失，从而有效的解决LBP原算子对像素间对比度缺乏考虑的这个问题，从而完善了LBP原
3、算子在这方面的不足。累赘的描述太多关键的没说到 英文的也要改【关键词】：人脸识别 LBP 光照正常化 对比度分层 ABSTRACTAutomatic Face Recognition (AFR) holds an important position in various biometrics techniques for its superiority. With more than 30 years development, AFR has made great achievements. The state-of-the-art AFR system can perform identi
4、fication successfully under well-controlled environment, and many commercial AFR systems have appeared. However, due to the complexity and uncertainty of face recognition, there are still many key problems to be resolved for further application of AFR. Feature extraction is the crux of face recognit
5、ion problem, which directly related to the selection of the classification algorithm and the accuracy of the system.The local binary pattern (LBP) operator is defined as a gray-scale invariant texture measure, derived from a general definition of texture in a local neighborhood. It was first introdu
6、ced as a complementary measure for local image contrast. Recently, the LBP has been successfully applied to face recognition as texture descriptor and excellent result has achieved. However, there are still many limitations in the basic LBP operator and the LBP-based face recognition algorithm. To r
7、esolve these problems, the dissertation is devoted to the investigation on LBP and its application in face recognition. However, LBP operator itself is not perfect, because the contrast between the pixel values considered missing, to make some important texture are lost, where we propose a method ca
8、lled LMCP, this method by pretreatment reduced loss of texture, so as to effectively solve the original operator of the LBP-pixel contrast between the lack of consideration of this issue, and thus improve the original LBP operator is insufficient in this regard.【Key words】Face Recognition Local Bina
9、ry Pattern Normalization of illumination Contrast stratified目录摘 要- 1 -ABSTRACT- 1 -第一章 绪 论- 3 -第一节 课题的研究背景及意义- 3 -一、 生物识别技术- 3 -二、 生物识别的过程- 4 -第二节 人脸识别技术概况- 5 -一、 人脸识别技术国内外现状- 5 -二、 人脸识别的难点和研究意义- 6 -第三节 人脸识别算法分类- 6 -第四节 本文的研究内容及组织- 7 -一、 本文主要研究内容- 7 -二、 本文组织安排- 8 -第二章 LBP 算子基本原理及应用- 9 -第一节 LBP 算子概述-
10、 9 -一、 纹理概述- 9 -二、 LBP 算子- 9 -第二节 LBP 的特点- 11 -第三节 LBP 算子的发展和演化- 12 -一、 LGBP- 12 -二、 LTP- 13 -第四节 小结- 14 -第三章 LMCP方法- 15 -第一节 LBP方法的缺点- 15 -第二节 获取LMCP特征- 15 -第三节 将LMCP特征用于人脸识别- 16 -弄的和你上面的目录一样 你的重点是这个 不是LBP第四节 图像与处理- 17 -第四章 实验与结果分析- 19 -第一节 引言- 19 -第二节 人脸库- 19 -第三节 实验环境,步驟及参数设置- 20 -一、 实验环境- 20 -二、
11、 实验方法- 21 -第四节 实验- 21 -一、 基于Yale人脸库的实验- 21 -二、 基于ORL人脸库的实验- 23 -第五节 结果与分析- 24 -第五章 总结与致谢- 24 -第一章 绪 论第一节 课题的研究背景及意义一、 生物识别技术 身份鉴定是人类社会日常生活中的基本活动之一，人们几乎每时每刻都需要证明自己的身份。而随着计算机及网络技术的高速发展，电子商务、网上银行、公共安全等领域的信息安全显示出前所未有的重要性，个人身份鉴定是保证系统安全的必要前提。关于个人身份鉴定的问题可以分为两类：认证(Verification)和辨识(Identification)1。“认证”指的是验证
12、用户是否为他所声明的身份，“辨识”指的是确定当前用户的身份。传统的个人身份鉴定的方法主要依靠信物(如各种证件、钥匙、磁卡等)或身份标识信息(如口令和密码)，信物携带不便且容易丢失、被盗、损坏；身份标识信息容易遗忘、被他人窃取或破解；更为严重的是传统身份认证方法往往无法区分信物或身份标识信息真正的拥有者和冒充者。一旦他人获得信物或身份标识信息就具有与拥有者相同的权力，使真正拥有者的利益受到威胁。显然，这些致命的缺点使得传统的身份鉴定方法已经完全不能满足现代社会的要求，于是人们亟需寻找一种更方便、更可靠、更安全的身份验证方式。生物识别技术正是在这样的需求下应运而生的。 生物特征识别2，是指利用人体
13、所固有的且能够唯一标识其身份生理特征或行为特征来进行个人身份认证的一种技术。人体所固有的生物特征有许多，一般认为，能够用来认证身份的生物特征应该具有以下的特性：普遍性：每个正常人都应该具有这种特征； 惟一性：不同的人应该具有各不相同的特征；可采集性：所选择的特征可以定量测量；稳定性：所选择的特征至少在一段较长的时间内是不变的，并且特征的采集不随条件、环境的变化而变化。安全性：用欺诈的方法骗过系统的难易程度；理论依据：是否具有相关的、可信的研究背景作为技术支持；当然，在应用过程中，还要考虑其他的实际因素，比如：识别精度、识别速度、对人体无伤害、可接受性、隐私保护等等。目前，用于身份认证的生物特征
14、可分为两类：生理特征和行为特征。生理特征与生俱来，多为先天性的，包括指纹、掌纹、手形、脸型、虹膜、视网膜、耳廓、DNA(脱氧核糖核酸)等；行为特征则是习惯使然，多为后天性的，包括笔迹、话音、步态、击键动作等。这些特征都在一定程度上是“人人拥有、人各不同、长期不变”的，都能反映个体特点，并与个体的身份一一对应，从而可以用来验证个体身份的真伪。基于这些特征，人们发展了指纹识别、面部识别、发音识别等多种生物识别技术。与传统的身份验证方法相比，生物特征识别突出的优势表现在生物特征是人类自身拥有的，不会丢失、不易伪造和假冒，也不会像持有的信物那样容易被窃取或转移，从而具有更高的可靠性、安全性和可用性。因
15、而，人们对生物特征识别技术寄予厚望，期望能够籍此技术来应对现行系统安全所面临的挑战。二、 生物识别的过程 一个优秀的生物识别系统要求能实时迅速有效地完成其识别过程。一般来说，生物识别系统都包括如下几个处理过程：1、采集样本很显然，在我们通过生物识别验证个人身份之前，首先要捕捉选择好的生物学特征的样本。这个样本就成为生物识别的模板，以后验证时取得的新样本要以原始模板为参考进行比较，通常要取多份样品以得到有代表性的模板。取样的过程和结果对于生物识别成功与否至关重要。对于不同的生物识别技术，取样的原理和方法是不同的。例如，面孔识别系统通过分析脸部特征的唯一形状、模式和位置来辩识人。声音识别是对基于生理学和行为特征的说话者
