改进LBP与SVM结合的人脸识别技术：专利与应用

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。