李 闻, 陈 熙, 刘增力, 黄青松

(昆明理工大学 信息工程与自动化学院, 云南 昆明 650500)

基于LBP与CS-LDP自适应特征融合的人脸识别

李 闻, 陈 熙*, 刘增力, 黄青松

(昆明理工大学 信息工程与自动化学院, 云南 昆明 650500)

为了提取更丰富的人脸纹理特征以提高人脸识别率，提出了局部二值模式LBP(Local Binary Pattern)与中心对称局部微分模式CS-LDP (Center-Symmetric Local Derivative Pattern)自适应特征融合算法。识别过程中首先用LBP算法对原始图像进行特征提取，然后用二阶微分CS-LDP算法对图像进行特征提取，并将LBP与CS-LDP的特征向量融合得到最终的模板向量，通过直方图交叉距离计算模板向量的相似度。结果表明：LBP提取图像的一阶微分特征，而CS-LDP提取图像的二阶微分特征，融合两种特征获得更丰富的图像纹理信息。该方法在ORL、YaleB和FERET人脸库中的人脸识别率均达到了90%以上，为人脸识别技术提供了一种切实可行方案。

LBP；CS-LDP；特征融合；人脸识别

人脸识别是人机交互中一个非常重要的研究内容。它具有采集方便、非接触性等优势，在国家安全和生活中有广泛的应用前景，所以成为生物特征识别领域的研究热点[1-2]，受到各个领域的关注。

经过几十年的发展，人脸识别研究也取得了较大进展。特征提取是人脸识别的关键步骤，研究人员提出了多种特征提取算法。用于人脸识别的方法归纳起来大概分为三类：第一类基于人脸整体特征[3]的识别方法，如PCA[4](PrincipleComponentAnalysis)和LDA[5](LinerDiscriminantAnalysis)。由于人脸的局部特征更具有鉴别能力，因此第二类是基于人脸局部特征[6]的识别方法，如LBP[7](LocalBinaryPattern)及LDP[8](LocalDerivativePattern)算法抗干扰能力强、对旋转及光照变化识别性强。……