论文研究基于多种LBP特征集成学习的人脸识别.pdf

单一的特征与分类器只能对限定条件下的人脸进行较好的识别，当在非限定条件下（如光照、背景等发生变化时）将出现人脸识别率较低问题。针对该问题，提出了一种基于多种局部二进制特征集成学习的人脸识别算法。使用SDM（superviseddescentmethod）算法对人脸特征点定位，应用CSLBP算子提取每个特征点邻域特征，将所有人脸特征点邻域特征合成为精细的纹理特征；同时运用分区LBP直方图算法提取人脸区域的微观空间结构特征，再使用KNN和SVM分别训练这两种特征，得到类别排序列表和投票决策矩阵；最后利用加权求和的规则融合决策矩阵，构成最优集成分类器，从而得到输出类别。通过在非限制性人脸库LFW