改进LBP与SVM结合的人脸识别技术:专利与应用

需积分: 12 2 下载量 40 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。