加权信息熵与增强局部二值模式结合的人脸识别

摘要：

针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题,提出一种加权信息熵(IEw)与自适应阈值环形局部二值模式(ATRLBP)算子相结合的人脸识别方法(IE(w)ATR-LBP).首先,从原始人脸图像分块提取信息熵,得到每个子块的IEw;然后,利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图;最后,将各个块的IEw与概率直方图相乘,再串联成为原始人脸图像最后的特征直方图,并利用支持向量机(SVM)对人脸进行识别.在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上,IE (w) ATR-LBP方法分别取得了98.37％、94.17％、98.20％和99.34％的识别率.在ORL人脸库上,IE(w) ATR-LBP方法的最大识别率为99.85％;而且在ORL人脸库5次不同训练样本的实验中,与无噪声时相比,加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点.实验结果表明,IE(w) ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率,尤其是存在表情变化及脉冲类噪声干扰时的识别率.

关键词：人脸识别、局部二值模式、加权信息熵、自适应阈值、深度学习

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51275431;四川省科技支撑计划项目2015GZ0200

在线出版日期：2019-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2210-2216