改进LBP与SVM结合的人脸识别技术:专利与应用
需积分: 12 187 浏览量
更新于2024-09-02
收藏 398KB PDF 举报
本篇论文介绍了一种基于改进局部二值模式(Local Binary Patterns, LBP)算子和支持向量机(Support Vector Machine, SVM)的高效人脸识别方法。该发明的主要创新之处在于将传统的LBP算法进行了优化,并将其与SVM分类技术相结合,以提高人脸识别的准确性和鲁棒性。
首先,发明者提出了一种新颖的人脸识别流程,包括以下几个关键步骤:
1. **人脸数据库构建**:通过选择至少10个人,每人至少截取15张人脸图像,并使用自适应算法来采集不同角度、表情和光照条件下的样本,这些数据被存储在一个专用的数据库中,用于后续的训练和识别。
2. **人脸图像预处理**:对收集到的图像进行细致处理,包括人脸检测、校正、转换为灰度图像以及降噪,以减小环境因素对识别结果的影响。
3. **特征提取**:利用改进的LBP算子来提取人脸图像的特征,这种改进可能涉及到增强对纹理和形状的敏感性,使得特征表达更加直观和有效。接着,通过主成分分析(Principal Component Analysis, PCA)进一步降低特征向量的维度,减少计算复杂度。
4. **特征分类与识别**:最后,提取的特征向量通过支持向量机进行分类,支持向量机的优势在于能够在高维空间中找到最优决策边界,以实现精准的人脸识别。这种方法能够确保即使在光照和表情变化较大的情况下,也能获得良好的识别性能。
整个方法的特点是既保持了LBP算法的简单性和高效性,又借助SVM的分类能力,提高了人脸识别的稳定性和准确性。专利申请的公布日期为2019年9月27日,表明这项技术已经经过了初步的技术验证和法律保护。
这项技术对于人脸识别领域具有实际应用价值,尤其是在安全监控、生物认证和智能设备中,可以提升用户体验和系统安全性。它为研究者提供了改进现有人脸识别技术的新思路,推动了该领域的发展。
2021-09-23 上传
2020-04-12 上传
2021-08-26 上传
2021-09-23 上传
2021-09-23 上传
2021-09-23 上传
2021-09-23 上传
2021-09-23 上传
anitachiu_2
- 粉丝: 31
- 资源: 801
最新资源
- BottleJS快速入门:演示JavaScript依赖注入优势
- vConsole插件使用教程:输出与复制日志文件
- Node.js v12.7.0版本发布 - 适合高性能Web服务器与网络应用
- Android中实现图片的双指和双击缩放功能
- Anum Pinki英语至乌尔都语开源词典:23000词汇会话
- 三菱电机SLIMDIP智能功率模块在变频洗衣机的应用分析
- 用JavaScript实现的剪刀石头布游戏指南
- Node.js v12.22.1版发布 - 跨平台JavaScript环境新选择
- Infix修复发布:探索新的中缀处理方式
- 罕见疾病酶替代疗法药物非临床研究指导原则报告
- Node.js v10.20.0 版本发布,性能卓越的服务器端JavaScript
- hap-java-client:Java实现的HAP客户端库解析
- Shreyas Satish的GitHub博客自动化静态站点技术解析
- vtomole个人博客网站建设与维护经验分享
- MEAN.JS全栈解决方案:打造MongoDB、Express、AngularJS和Node.js应用
- 东南大学网络空间安全学院复试代码解析