基于鲁棒的局部二值模式人脸识别算法

：本文针对LBP 算法特征包含outlier 和维度过高的问题提出了一种基于鲁棒的局部二值模式(RobustLBP)的快速有效的人脸识别算法。RobustLBP 算法的思想是在LBP 算法的基础上加上一个Robust 函数除去outlier达到降维的目的。首先通过计算LBP 特征各个维度和中心元素的马氏距离作为Robust 函数的输入，使得Robust函数收敛估算出重要信息。然后利用这些信息求出变换矩阵除去原始LBP 特征的outlier。最后比对降维后特征间的卡方距离实现人脸识别。在FERET、CAS-PEAL-R1、LFW 人脸数据库上的实验证明本文提出方法在是人脸识别上具有优越性。

近年来，人脸识别技术越来越被人们所关注，并 推出了很多的人脸识别系统。人脸识别系统中人脸表征是人脸识别过程的最为重要环节，它的好坏直接影响到后续识别工作的成败。

Ojala[1]提出来的LBP 算法*资助信息：中科院半导体所开放课题(项目号：IOSKL1012KF13)。

344