基于LBP的人脸识别算法研究开题报告

全文总字数：3209字

1. 研究目的与意义（文献综述）

随着信息时代科学技术的不断发展，各行业发展需求的变化，以前简单的传统类型识别方式已经不再适用于当今社会。涉及到各行业以及个人财产安全等领域，身份鉴定技术已经成为一个很重要的研究发展方向。传统识别方式多依赖于证卡以及账号密码，存在容易失密、遭受攻击等缺陷。生物特征识别技术不断发展，凭借其自身具有的安全性和不变性而被广泛运用到身份鉴定这一领域。大家熟知的包括：指纹、虹膜、人脸等具有生物唯一标识信息的特征都可以被用于识别技术当中，具有广大的前景。

人脸识别技术具有识别系统成本低、操作隐蔽、非接触性等特点，目前在诸多领域被广泛运用。人脸识别研究涉及了模式识别、计算机视觉、人工智能、机器学习等多门学科，促进了各学科之间的交流与发展。各类机构无论是政府机构还是大型国企或者跨国机构都对身份识别有着巨大的需求，越来越多的研究被投入到这一领域。

2. 研究的基本内容与方案

人脸识别过程主要包括图像预处理、人脸检测、特征提取以及特征匹配四个部分。首先需要实现图像采集，然后进行简单的预处理包括对去除部分噪声以及对尺寸大小进行相应的处理，有效的降低外界因素对识别过程的干扰。人脸检测过程需要在不同环境、不同动作的情况下在图片中准确定位人脸部分。再接下来是对人脸进行特征提取，在提取过程中可以采用各种算法进行面部特征提取。常见的方法包括基于特征子空间的方法，例如主成分分析法等；以及基于局部特征的方法，例如局部二值模式、梯度方向直方图法等。基于局部二值模式的方法是利用LBP直方图来表示人脸图像的特征向量，通过比较特征向量间的相似度来识别人脸图像。最后的过程是进行特征分类匹配，常见的分类器有最近邻分类器、人工神经网络以及支持向量机等。本文主要基于LBP实现特征提取，基本思想是利用纹理描述算子构建若干局部的人脸描述，然后把局部描述组合形成全局描述，同时使用K近邻分类器来作为分类器实现人脸识别算法研究。在理论基础上使用MATLAB平台和适当的面部数据库实现上述过程，研究比较分析LBP算法的优点和存在的不足。

3. 研究计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题，硬软件总体设计；

第7周—第12周 分步实施，实验及分析，撰写论文初稿；

4. 参考文献（12篇以上）

[1]徐金林. 基于改进lbp算子的人脸识别算法研究[d].安徽理工大学,2018.

[2]金铸浩. 基于lbp特征提取的人脸识别算法研究[d].武汉理工大学,2017.

[3]刘衍琦, 詹福宇, 蒋献文, 周华英. matlab 计算机视觉与深度学习实战[m]. 电子工业出版社,2017