加权信息熵与增强局部二值模式结合的人脸识别

作者：丁莲静; 刘光帅^*; 李旭瑞; 陈晓文

来源：计算机应用, 2019, 39(08): 2210-2216.

• 人脸识别
• 局部二值模式
• 加权信息熵
• 自适应阈值
• 深度学习

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。

• 单位
  西南交通大学