基于MB-LBP和张量HOSVD的人脸识别算法

宋艳萍，黄 华，库福立，樊丹丹

(新疆农业大学 数理学院，新疆 乌鲁木齐 830052)

0 引 言

近年来，人脸识别一直是模式识别和计算机视觉领域中的研究热点和难点，并且在众多领域中有着广泛的应用。然而，在不易受控的条件下如何提升人脸识别算法的识别精度和鲁棒性等仍是需要深入研究。

在人脸识别研究中，特征提取是提高人脸识别精度的关键技术。目前，主要有全局特征和局部特征方法[1]，其中，全局特征法可以表示人脸轮廓、肤色和人脸特征等完整的结构信息，但在不易受控的复杂光照、表情、姿态等条件下，其识别效果会随之下降；局部特征法可提取人脸图像的纹理等局部特征信息，这类方法有局部二值模式、Gabor变换以及方向梯度直方图法等，在面对不易受控条件下具有更强的鲁棒性。目前，基于不同特征提取算法提出的人脸识别方法有：主成分分析[2,3]、判别分析[4]、反射感知模型[5]、局部二值模式法[6-9]、Gabor滤波器法[10]、张量的图像识别方法[11-13]和基于深度学习的人脸图像识别方法[14-16]等。

不同的识别算法各有优缺点，其中，局部二值模式是基于图像纹理的描述算子，具有灰度不变性、旋转不变性等优点；基于张量的人脸识别算法，利用张量工具可以更有效地表示高维数据，同时，张量奇异值分解是一种完全数据驱动的分解方式，能有效提取多维数据中的结构特征。因此，本文利用局部二值模式和张量工具研究人脸识别问题，通过优选不同尺度MB-LBP算子组合，融合多尺度分块局部二值模式和张量高阶奇异值分解提出一种人脸识别算法，并进行算法验证分析。……