基于低分辨率局部二值模式的人脸识别

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (02): 435-438.

基于低分辨率局部二值模式的人脸识别

戴金波^1,2, 肖霄¹, 赵宏伟¹

1. 吉林大学计算机科学与技术学院, 长春 130012;
2. 长春师范学院计算机科学与技术学院, 长春 130032

收稿日期:2011-12-27 出版日期:2013-03-01 发布日期:2013-03-01
通讯作者: 赵宏伟(1962-),男,教授,博士生导师.研究方向:智能信息系统与嵌入式技术.E-mail:zhaohw@jlu.edu.cn E-mail:zhaohw@jlu.edu.cn
作者简介:戴金波(1971-),女,副教授,博士研究生.研究方向:智能信息系统与嵌入式技术.E-mail:daijinbo@sina.com
基金资助:
国家自然科学基金项目(61101155);吉林省科技发展计划项目(20101504).

Human face recognition based on low resolution local binary pattern

DAI Jin-bo^1,2, XIAO Xiao¹, ZHAO Hong-wei¹

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China;
2. Department of Computer Science and Technology, Changchun Normal University, Changchun 130032, China

Received:2011-12-27 Online:2013-03-01 Published:2013-03-01

摘要/Abstract

摘要： 为提高人脸识别的准确度,提出了一种基于低分辨率局部二值模式的人脸识别方法。该方法将原始人脸图像滤波下采样处理成低分辨率图像,将其划分成若干块矩形块图像,对每一块图像进行局部二值模式计算,统计出每一块LBP图谱的直方图,再连接在一起成为这幅图片的最终特征向量。经实验表明,该算法在ORL和YALE上均取得了更好的识别效果,且对光照、表情、姿势等的变化具备鲁棒性。

关键词: 计算机应用, 局部二值模式, 低分辨率, 特征提取, 人脸识别

Abstract: In order to improve the accuracy of human face recognition, a novel Low Resolution Local Binary Pattern (LRLBP) method is proposed. First, the low-resolution image is obtained from the original image through wave filter and down-sampling. Second, the obtained image is divided into non-overlapping rectangular regions and the histogram of each region is computed independently. Finally, these histograms are concatenated as the feature vector of the human face. Experiment results on ORL and Yale face databases show that the proposed LRLBP method can get high human face recognition rate and that the method is robust to illumination, face expression and position variations.

Key words: computer application, local binary pattern, low resolution, feature extraction, face recognition

中图分类号:

TP391.41

戴金波, 肖霄, 赵宏伟. 基于低分辨率局部二值模式的人脸识别[J]. 吉林大学学报(工学版), 2013, 43(02): 435-438.

DAI Jin-bo, XIAO Xiao, ZHAO Hong-wei. Human face recognition based on low resolution local binary pattern[J]. 吉林大学学报(工学版), 2013, 43(02): 435-438.

参考文献

[1] Ojala T, Pietikainen M, Harwood D. A comparative study of texture measures with classification based on feature distributions[J]. Pattern Recognition, 1996, 29(1): 51-59.

[2] Ojala T, Pietikainen M, Maenpaa T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns[J]. IEEE Trans PAMI, 2002, 24 (7): 971-987.

[3] Rafael C Gonzalez, Richard E Woods. Digital Image Processing[M]. Beijing: Publishing House of Electronics Industry,2010.

[4] Pietikainen M.Image analysis with local binary patterns//SCIA 2005:14th Scandinavian Conference on Image Analysis.Heidelberg:Springer,2005.

[5] Kellokumpu Vili, Zhao Guoying, Pietikäinen Matti. Recognition of human actions using texture descriptors[J]. Machine Vision and Applications,2011,22(5):767-780.

[6] Ahonen T, Pietikainen M. A framework for analyzing texture descriptors//Third International Conference on Computer Vision Theory and Applications.Heidelberg: Springer, 2008.

[7] Ahonen Timo, Pietikainen Matti. Pixelwise local binary pattern models of faces using kernel density estimation//Advances in Biometrics, ICB 2009 Proceedings,Sardinia Island, 2009.

[8] Sokal R, Rohlf F. Biometry[M].Freeman:San Francisco, 1969.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed