主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张文超,山世光,张洪明,陈杰,陈熙霖,高文.基于局部Gabor变化直方图序列的人脸描述与识别.软件学报,2006,17(12):2508-2517
基于局部Gabor变化直方图序列的人脸描述与识别
Histogram Sequence of Local Gabor Binary Pattern for Face Description and Identification
投稿时间:2005-07-13  修订日期:2005-12-31
DOI:
中文关键词:  人脸识别  Gabor滤波器  局部二值模式(LBP)  直方图
英文关键词:face recognition  Gabor filter  local binary pattern (LBP)  histogram
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60332010, 60673091 (国家自然科学基金); the "100 Talents Program"of CAS(中国科学院"百人计划");the ISVISION Technologies Co.,Ltd(上海银晨智能识别科技有限公司资助项目)
作者单位
张文超 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
山世光 中国科学院,计算技术研究所,北京,100080 
张洪明 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
陈杰 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001 
陈熙霖 中国科学院,计算技术研究所,北京,100080 
高文 哈尔滨工业大学,计算机科学与技术学院,黑龙江,哈尔滨,150001
中国科学院,计算技术研究所,北京,100080 
摘要点击次数: 5324
全文下载次数: 4026
中文摘要:
      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(histogram sequence of local Gabor binary patterns,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(Gabor magnitude map,简称GMM),然后在每个GMM上采用局部二值模式(local binary pattern,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.
英文摘要:
      In this paper, a method for face description and recognition is proposed, which extracts the histogram sequence of local Gabor binary patterns (HSLGBP) from the magnitudes of Gabor coefficients. Since Gabor feature is robust to illumination and expression variations and has been successfully used in face recognition area. First, the proposed method decomposes the normalized face image by convolving the face image with multi-scale and multi-orientation Gabor filters to extract their corresponding Gabor magnitude maps (GMMs). Then, the local binary patterns (LBP) operates on each GMM to extract the local neighbor pattern. Finally, the input face image is described by the histogram sequence extracted from all these region patterns. The proposed method is robust to illumination, expression and misalignment by combing the Gabor transform, LBP and spatial histogram. In addition, this face modeling method does not need the training set for statistic learning, thus it avoids the generalizability problem. Moreover, how to combine the statistic method in the stage of classification and propose statistic Fisher weight HSLGBP matching method are discussed. The results compared with the published results on FERET face database of changing illumination, expression and aging verify the validity of the proposed method.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利