基于局部gabor变化直方图序列的人脸描述与识别

提出了一种在gabor变换幅值域内提取局部变化模式空间直方图序列(histogramsequenceoflocalgaborbinarypatterns,简称hslgbp)的人脸描述及其识别方法.鉴于gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率gabor小波滤波,并提取其对应不同方向、不同尺度的多个gabor幅值域图谱(gabormagnitudemap,简称gmm),然后在每个gmm上采用局部二值模式(localbinarypattern,简称lbp)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.gabor变换、lbp、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计fisher加权的hslgbp匹配方法.在通过feret人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.