刘 斌，米 强，徐 岩

(山东科技大学 电子通信与物理学院，山东 青岛 266590)

0 引 言

人脸识别[1,2]技术主要包含3部分，分别是人脸检测、特征提取以及分类器设计。能否提取有差异性的人脸特征对系统而言十分重要，在近几年里，许多高效和新颖的人脸识别算法被提出来，这极大提高了人脸识别系统的性能[3]，比如基于子空间的特征降维方法[4]、流形学习方法等[5]。主流的特征降维方法有线性判别分析(LDA)[6]和独立成分分析(ICA)[7,8]，其在模式识别领域被广泛应用。如今人脸识别技术已经非常先进，在理想的没有干扰的环境中可以取得很高的正确识别率，但是传统人脸识别技术的性能在人脸图像的姿态、表情及光照变化较大的环境中会急剧下降，为了在光照变化较大的环境中提高人脸识别系统的性能，很多学者对此进行了深入的研究并取得了不错的成果。比如为了抵消光照变化的影响，可以通过光照归一化算法对光照变化进行补偿，其中常见的光照归一化方法有直方图均衡化以及Gamma校正。除此之外，也可以提取一些对光照变化具有不变性的特征，比如Gabor特征[9]、LBP特征[10]。在文献[11]中作者把深度学习算法融入到人脸识别系统当中，在光照变化的环境中提取人脸图像的LBP特征，并将提取到的人脸特征输入到由深度学习算法建立的分类器中，取得了很高的人脸识别率。

本文则提出了一种基于LBP特征和MB-LBP加权融合的特征提取方法，首先分别提取每幅人脸图像的标准LBP分块直方图特征、圆形邻域LBP分块直方图特征以及MB-LBP分块直方图特征，采用一定的权重系数将3种特征加权融合，最终的实验结果表明这种方法可以进一步提高人脸识别系统的性能。……