鄢丽娟,张彦虎

(广东松山职业技术学院 计算机与信息工程学院,韶关 512126)

随着计算机图形图像处理能力的进步与发展,人脸识别成为近年科研人员研究的热点之一,人脸识别常用的技术方案有两种[1],一种是基于人脸的全局特征进行识别,能够有效的反映脸部特征的整体概况,比较典型的方法有主成分分析(PCA)[2]、线性判别分析(LDA)[3]等.另一种是基于人脸的局部特征进行识别,侧重于体现脸部的细节信息,比较典型的有局部二值模式(LBP)[4]、尺度不变特征变换(SIFT)[5]、梯度方向直方图(HOG)[6].

针对第二种方法,研究人员做了大量的探索与改进,文献[7,8]针对HOG 算法进行了不同程度的改进,在光照、旋转等方面取得较好的效果；文献[9]将分块LBP 应用于人脸识别中取得了良好的识别效果；文献[10]提出一种通过提取MSF-VQ 特征进行人脸识别的算法；文献[11]提出一种通过改进加权稀疏进行人脸识别的算法；文献[12]提出一种基于分块CBP 特征和稀疏表示进行人脸识别的算法；文献[13]提出完备局部二值模式(CLBP)人脸识别算法,在LBP 原基础上增加了局部差异值和中心像素灰度值的分析进行分类识别；文献[14]提出基于最值平均人脸识别算法,利用模板方差的大小选择不同的阈值,提取更多细节信息；文献[15]提出一种加权核主成分分析(WKPCA)的人脸识别算法,通过将高、低分辨率人脸图像进行融合后,形成新的特征进行识别；文献[16] 提出一种基于梯度脸(Gradient Faces,GF)的特征描述方法,使用人脸的梯度信息进行特征提取,对光照变化的人脸有较好的识别效果；……