无线视觉传感网络中身份特征自适应识别

在视觉优化识别身份的研究中,由于受到姿态、光线和表情等因素影响,无法在不可控环境下对无线视觉传感网络中的身份进行准确识别。传统的视觉身份识别时,需要在节点分布相对复杂的不可控环境下,把不可控因素转化成可控稳定的特征因素再进行身份识别,转换过程导致识别时间长、效率低的问题。提出采用LBP人脸识别的无线视觉传感网络中身份特征自适应识别方法,获取强分类器进行级联,对底层的特征进行提取,通过最终获取的Harr人脸级联分类器对人脸进行检测。并对人脸区域特征向量的PCA降维处理,获取低维的特征向量、降维系数及该人的平均脸。针对无线局域中的人脸图像,给出其LBP操作。对人脸特征信息进行直方图统计,获取人脸LBP直方图,将其进行人脸特征库的特征匹配,完成识别,得到改进算法相比传统算法累积匹配分值提高了17.8%;准确率提高了32.7%,识别时间缩短了3.9s。仿真结果表明,所提算法具有很高的准确性和识别效率。