【文章內(nèi)容簡(jiǎn)介】 高級(jí)研究項(xiàng)目屬于美國(guó)陸軍研究實(shí)驗(yàn)室共同建立的。截至1997年,該人臉庫中總共包含了分別屬于1199人的14126張人臉圖片,人臉圖片分別是在不同的外部條件(光照,姿態(tài),表情,時(shí)間間隔)下進(jìn)行拍照獲得。(③MIT人臉庫MIT人連數(shù)據(jù)庫是由美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室所建立。人臉庫中主要包含了從16名志愿者所提取的2592張人臉圖片。人臉圖片間主要是在光照,姿態(tài),和采集距離遠(yuǎn)近方面存在著明顯的差異。④CMU人臉庫CMU人臉庫是由美國(guó)卡耐基梅隆大學(xué)(CMU)于2000年創(chuàng)立的共包含41368張人臉圖片的較為大型的人連數(shù)據(jù)庫。庫中圖片是從68名志愿者中提取的。該人臉庫針對(duì)每一名志愿者從43種光照條件,4種表情以及13種不同姿態(tài)出發(fā)進(jìn)行人臉閣片的獲取。⑤CAS_PEAL人臉庫CAS_PEAL人連數(shù)據(jù)庫是由中國(guó)科學(xué)院計(jì)算技術(shù)研究所負(fù)責(zé)建立的大規(guī)模的,從不同角度獲得的人臉數(shù)據(jù)庫,同時(shí)也是國(guó)內(nèi)較為全面,標(biāo)準(zhǔn)的人連數(shù)據(jù)庫之一。該數(shù)據(jù)庫中包含了分別屬于1040志愿者的99450張不同的人臉圖片。人臉庫圖片主要分為表情變化,光照變化,事物變化,和姿態(tài)變化等四種變化,同時(shí)還在距離,背景上加以區(qū)分,可以有效的對(duì)人臉識(shí)別算法進(jìn)行評(píng)價(jià)與測(cè)試。⑥0RL人臉庫ORL人連數(shù)據(jù)庫是有贏過劍橋大學(xué)在早起創(chuàng)立的人臉數(shù)據(jù)庫。人臉庫中主要包含了 40人的共400張人臉圖片。人臉數(shù)據(jù)庫中人臉圖片的外部條件變化不是特別明顯,主要適用于人臉?biāo)惴ㄔ谳^為理想外部條件下的測(cè)試工作。還有其它很多人臉庫,如歐洲的M2TVSDB以及XM2TVSDB多模型人臉數(shù)據(jù)庫、日本ATR數(shù)據(jù)庫等,具體參考。不同的人臉數(shù)據(jù)庫,圖像的質(zhì)量和內(nèi)容也是不同的,為了客觀的、全面的測(cè)試人臉識(shí)別算法的性能,考慮不同因素對(duì)識(shí)別方法的影響,本文在ORL和Yale兩個(gè)標(biāo)準(zhǔn)人臉庫上分別進(jìn)行人臉識(shí)別實(shí)驗(yàn)。第三節(jié) 實(shí)驗(yàn)環(huán)境,步驟及參數(shù)設(shè)置 實(shí)驗(yàn)環(huán)境本文實(shí)驗(yàn)是在PC機(jī)上進(jìn)行，系統(tǒng)為Windows7 SP1，中央處理器為 Inter Core i52430M，4G內(nèi)存。本文代碼是基于matlab中的M語言所寫，使用的編譯環(huán)境為Matlab 2010b。本文實(shí)驗(yàn)主要在ORL人臉庫以及Yale人臉庫進(jìn)行，其中ORL人臉庫的變換比較小，比較適合反映在穩(wěn)定外部條件下的算法性能，而Yale人臉庫則是包含顯著光照變化以及姿態(tài)變化，所以比較適合測(cè)試在實(shí)際應(yīng)用狀態(tài)下的人臉識(shí)別算法性能。 Matlba運(yùn)行結(jié)果以及運(yùn)行消費(fèi)總時(shí)間 實(shí)驗(yàn)方法實(shí)驗(yàn)包括了Yale和ORL人臉庫，每個(gè)實(shí)驗(yàn)均采用了最小距離法作為分類器。大量的實(shí)驗(yàn)顯示，所提出的LMCP 方法在L = 4 的情況下，得到的結(jié)果最為滿意。同時(shí)，Ahenon 指出LBP 方法用于人臉識(shí)別，P = 8，R = 2 時(shí)能夠得到最好的效果。所以本文所有的實(shí)驗(yàn)結(jié)果都同時(shí)和 進(jìn)行對(duì)比。第4節(jié) 實(shí)驗(yàn) 基于Yale人臉庫的實(shí)驗(yàn)Yale人臉庫中包含了十個(gè)人的人臉圖像，每一個(gè)人都有64張?jiān)诓煌庹障屡臄z的正面圖像，我們?cè)诖藢⑦@些圖像按照不同的光源角度分為五個(gè)部分，set1到set5，從set1開始光照條件逐漸減弱。然后實(shí)驗(yàn)分成3個(gè)子實(shí)驗(yàn)，實(shí)驗(yàn)1用set1當(dāng)作訓(xùn)練樣本，實(shí)驗(yàn)2以set3當(dāng)作訓(xùn)練樣本，實(shí)驗(yàn)3以每個(gè)人光照比較好的一張圖片當(dāng)作訓(xùn)練樣本。 作為實(shí)驗(yàn)1中的set1部分訓(xùn)練樣本表 1 在Yale人臉庫中對(duì)LMCP和LBP進(jìn)行實(shí)驗(yàn)1的對(duì)比 （%）Set2Set3Set4Set5Ave圖 表 2 在Yale人臉庫中對(duì)LMCP和LBP進(jìn)行實(shí)驗(yàn)2的對(duì)比 （%）Set1Set2Set4Set5Ave圖 表 3 在Yale人臉庫中對(duì)LMCP和LBP進(jìn)行實(shí)驗(yàn)3的對(duì)比 （%）Set1Set2Set3Set4Set5Ave 基于ORL人臉庫的實(shí)驗(yàn)我們抽取了0RL人臉庫中40個(gè)人,每人10張閣片共400張圖片，采用了 2張訓(xùn)練圖片8張測(cè)試圖片；4張訓(xùn)練圖片，6張測(cè)試圖片這兩組來進(jìn)行了實(shí)驗(yàn),測(cè)試次數(shù)為400次。 第一組實(shí)驗(yàn)中編號(hào)s21志愿者的訓(xùn)練樣本表 4 ORL 人臉庫（2張訓(xùn)練圖片，8張測(cè)試圖片）（%）方法識(shí)別率 第二組實(shí)驗(yàn)中編號(hào)s21志愿者的訓(xùn)練樣本表 5 ORL 人臉庫（4張訓(xùn)練圖片，6張測(cè)試圖片）（%）方法識(shí)別率第5節(jié) 結(jié)果與分析傳統(tǒng)的LBP方法只考慮了局部像素點(diǎn)與周邊鄰近像素點(diǎn)之間灰度值的大小關(guān)系，而忽略掉了對(duì)比度值。這些丟棄的對(duì)比度值卻往往蘊(yùn)含著大量的紋理特征，也是表示物體表面細(xì)節(jié)特征的重要組成部分。針對(duì)這個(gè)缺點(diǎn)，提出了一種LMCP方法，在進(jìn)行光照歸一化操作后，將人臉圖像的光照情況控制在一定范圍內(nèi)，然后將局部像素與周圍像素之間的對(duì)比度值映射到一個(gè)對(duì)比度層次，從而增加局部紋理特征的描述能力。另外，還通過統(tǒng)計(jì)映射的方法降低了LMCP 的特征維度。實(shí)驗(yàn)數(shù)據(jù)充分驗(yàn)證了提出的LMCP方法的有效性。第5章 總結(jié)與致謝2015年2月，我開始了我的畢業(yè)論文工作，經(jīng)過長(zhǎng)時(shí)間的寫作到現(xiàn)在論文基本完成。論文的寫作是一個(gè)長(zhǎng)期的過程，需要不斷的進(jìn)行精心的修改，不斷地去研究各方面的文獻(xiàn)，認(rèn)真總結(jié)。歷經(jīng)了這么久的努力，終于完成了畢業(yè)論文。在這次畢業(yè)論文的寫作的過程中，我擁有了無數(shù)難忘的感動(dòng)和收獲。2月初，在與導(dǎo)師的交流討論中我的題目定了下來，是：基于改進(jìn)LBP的人臉識(shí)別算法研究， 當(dāng)開題報(bào)告定下來之后，我便立刻在網(wǎng)上著手資料的收集工作中，當(dāng)時(shí)面對(duì)眾多網(wǎng)絡(luò)資料庫的文章真是有些不知所措，不知如何下手。我將這一困難告訴了指導(dǎo)老師，在老師的細(xì)心的指導(dǎo)下，終于使我了解了應(yīng)該怎么樣利用網(wǎng)上的浩瀚的資源找到自己需要的關(guān)于人臉識(shí)別方面的資源，找了大概40篇左右相關(guān)的論文，認(rèn)真的閱讀，總結(jié)筆記，為自己的論文打好基礎(chǔ)。主要是為了發(fā)現(xiàn)過去那些論文之中的觀點(diǎn)，然后避免有重復(fù)的觀點(diǎn)出現(xiàn)。在搜集資料后，我在電腦中都進(jìn)行分類的整理，然后針對(duì)自己不同部分的寫作內(nèi)容進(jìn)行歸納和總結(jié)。盡量使我的資料和論文的內(nèi)容符合，這有利于論文的撰寫。然后及時(shí)拿給老師進(jìn)行溝通，聽取老師的意見后再進(jìn)行相關(guān)的修改。老師的意見總是很寶貴的，可以很好的指出我的資料收集的不足以及需要什么樣的資料來完善文章。 4月初，資料已經(jīng)查找完畢了，程序也已經(jīng)調(diào)試完畢，我開始著手論文初稿的寫作。初稿的寫作顯得邏輯結(jié)構(gòu)有點(diǎn)不清晰，總是想到什么相關(guān)的問題就去寫，而沒有很好的分出清晰的層次，讓文章顯得有點(diǎn)凌亂，這樣的文章必然是不符合要求的，但畢竟是初稿，在老師的指導(dǎo)下還要進(jìn)行反復(fù)的修改。 寫作畢業(yè)論文是我們每個(gè)大學(xué)生必須經(jīng)歷的一段過程，也是我們畢業(yè)前的一段寶貴的回憶。當(dāng)我們看到自己的努力有收獲的時(shí)候，總是會(huì)有那么一點(diǎn)點(diǎn)自豪和激動(dòng)。任何事情都是這樣子，需要我們腳踏實(shí)地的去做，一步一個(gè)腳印的完成，認(rèn)真嚴(yán)謹(jǐn)，有了好的態(tài)度才能做好一件事情，一開始都覺得畢業(yè)論文是一個(gè)很困難的任務(wù)，大家都難免會(huì)有一點(diǎn)畏懼之情，但是經(jīng)過長(zhǎng)時(shí)間的努力和積累，經(jīng)過不斷地查找資料后總結(jié)，我們都很好的按老師的要求完成了畢業(yè)論文的寫作，這種收獲的喜悅相信每個(gè)人都能夠體會(huì)到。這是一次意志的磨練，是對(duì)我實(shí)際能力的一次提升，相信對(duì)我未來的學(xué)習(xí)和工作有很大的幫助。 在這次畢業(yè)論文中同學(xué)之間互相幫助，共同商量相關(guān)專業(yè)問題,這種交流對(duì)于即將面臨畢業(yè)的我們來說是一次很有意義的經(jīng)歷,大學(xué)四年都一起走過了,在最后我們可以聚在一起討論學(xué)習(xí),研究專業(yè)問題,進(jìn)而更好的了解我們每個(gè)人的興趣之所在,明確我們的人生理想,進(jìn)而在今后的生活和工作中更好的發(fā)揮自己的優(yōu)勢(shì),學(xué)好自己的專業(yè),成為一個(gè)對(duì)于社會(huì)有用的人. 在此更要感謝我的專業(yè)老師，是你們的細(xì)心指導(dǎo)和關(guān)懷，使我能夠順利的完成畢業(yè)論文。老師對(duì)于學(xué)生總是默默的付出,盡管很多時(shí)候我們自己并沒有特別重視論文的寫作,沒有按時(shí)完成老師的任務(wù),但是老師還是能夠主動(dòng)的和我們聯(lián)系,告訴我們應(yīng)該怎么樣修改論文,怎么樣按要求完成論文相關(guān)的工作。老師的檢查總是很仔細(xì)的，可以認(rèn)真的看論文的每一個(gè)細(xì)小的格式要求，認(rèn)真的讀每一個(gè)同學(xué)的論文，然后提出最中肯的意見，這是很難得的。參考文獻(xiàn) [1] E. Newham. The Biometric Report[R]. SJB Services, New York, 1995.[2] Biometrics Market and Industry Report 20072012[R]. International Biometric Group, 2007.[3] H. Chan and . A manmachine facial recognition system: some preliminary results[R]. Technical report, Panoramic Research Inc., Cal, 1965.[4]T. Ojala, M. Pietikainen, D. Harwood. A parative study of texture measures with classification based on feature distributions[J]. Pattern Recognition, 1996, 29(1):5159.[5]T. Ojala, M. Pietikainen, T. Maenpaa. Multiresolution gray scale and rotation invariant texture classification with local binary patterns[J]. IEEE Trans. on Pattern Analysis and Machine Intelligence, 2002, 24(7):971987.[6]X. Qing, Y. Jie, D. Siyi. Texture segmentation using LBP embedded region petition[J]. Electronic Letters on Computer Vision and Image Analysis, 2005, 5(1):4147.[7]T. Ahonen, A. Hadid, M. Pietikainen. Face recognition with local binary patterns[C]. In:Proc. of 8th European Conference on Computer Vision, Prague, Czech, 2004: 469481.[8]蔣思洋. 基于擴(kuò)展LBP特征的人臉識(shí)別系統(tǒng)研究[D].電子科技大學(xué),2012.[9]康健. 基于多閾值多尺度LBP的人臉識(shí)別研究[D].北京郵電大學(xué),2013.[10]胥淘. 基于局部二值模式的人臉識(shí)別算法研究[D].中南大學(xué),2010.[11]李銳杰. 基于LBP的人臉圖像集識(shí)別算法的研究[D].吉林大學(xué),2014.[12]陸華. 基于局部二值模式的人臉識(shí)別和表情識(shí)別研究[D].山東大學(xué),2014.[13]郭強(qiáng). 基于改進(jìn)LBP特征的人臉識(shí)別系統(tǒng)[D].西安電子科技大學(xué),2013.[14]岳林. 基于MBLBP特征的人臉識(shí)別方法研究[D].西安電子科技大學(xué),2013.[15]胥淘. 一種基于改進(jìn)LBP算子的人臉識(shí)別算法研究[J]. 電腦與信息技術(shù),2010,06:3638.[16]王月華. 基于LBP的特征空間研究及其在自動(dòng)人臉識(shí)別中的應(yīng)用[D].南京航空航天大學(xué),2006.[17]翁寧龍,劉冉,吳子章. 一種改進(jìn)的LBP特征的人臉識(shí)別方法[J]. 信息通信,2011,03:34.[18]馬麗,劉高原,呂海蓮. 基于二階LBP的人臉識(shí)別研究[J]. 河南大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,06:703706.[19]王一丁,李鎏,楊虹. 使用漢明距離約束的LBP人臉識(shí)別算法[J]. 計(jì)算機(jī)工程與應(yīng)用,2009,27:188190+236.[20]趙葛宏. 基于小波多層次LBP算法的生物特征識(shí)別與分類[D].昆明理工大學(xué),2012.[21]毛科. 基于局部二值模式的人臉識(shí)別算法研究[D].華南理工大學(xué),2010.[22]王凱. 基于圖像紋理特征提取算法的研究及應(yīng)用[D].西南交通大學(xué),2013.[23]趙懷勛,徐鋒,陳家勇. 基于多尺度LBP的人臉識(shí)別[J]. 計(jì)算機(jī)應(yīng)用與軟件,2012,01:257259+279.[24]王憲,張彥,慕鑫,張方生. 基于改進(jìn)的LBP人臉識(shí)別算法[J]. 光電工程,2012,07:109114.[25]黃非非. 基于LBP的人臉識(shí)別研究[D].重慶大學(xué),2009.[26]周凱. 基于局部二值模式的人臉識(shí)別方法研究[D].中南大學(xué),2009.[27]閆偉紅. 基于LBP統(tǒng)計(jì)特征的人臉識(shí)別方法研究[D].安徽大學(xué),2010.附 錄 英文原文：Feature local binary patterns with application to eye detectionAbstractThis paper presents a new Feature Local Binary Patterns (FLBP) method that encodes the information of both local texture and features. The features are broadly defined by, for example, the edges, t