基于最值平均的人脸识别LBP算法

付 波 徐 超 赵熙临 郑 璇

(湖北工业大学太阳能高校利用及储能运行控制湖北省重点实验室 湖北 武汉 430068)

0 引 言

随着技术发展，人脸识别已成为当前计算机技术领域的一个研究热点[1]，并逐渐融入社会生活，目前已经广泛应用到安全监测、目标跟踪等方面。该技术通过提取人的脸部特征点，利用统计学原理获得特征表达，建立人脸特征模板与被测者的人脸进行特征匹配，从而确定被测者的身份信息。

对于人脸部特征的提取，当前较成熟的技术是LBP算法。LBP算法最早由 Ojala等[2-3]在1994年提出，通过比较3×3模板中心像素与其邻域像素的大小，得到邻域像素的二进制代码，从而得到LBP特征，该算法原理简单、计算量小，但容易缺失局部纹理细节。赵建民等[4]在局部二值模式的纹理提取基础上,引进一种新型局部三值模式(LTP)纹理特征提取方法,此方法对光照变化和噪声更加鲁棒,但其编码存在不确定性，在其灰度范围内不具有严格的单调不变性。王宪等[5]提出了基于分块的完备局部二值模式 (CLBP)人脸识别算法，该算法对原始人脸图像进行分块处理，对每一分块的图像进行局部差异值和中心像素灰度值分析，加强了中心像素与邻域像素的联系，但计算复杂、耗时长。

本文提出的最值平均LBP算法，取3×3模板九个像素值的方差，若方差在限定范围内，将中心像素周围八个像素的最大值与最小值的平均值作为阈值进行比较，否则取九个像素的中值作为阈值进行比较，避免了LBP出现部分因中心像素值偏大或偏小以致湮没细节的现象，保留更多局部细节。……