TY - JOUR A2 - Senthilkumaran，Paramasivam AU - Talab，穆罕默德·艾哈迈德·AU - 阿旺，Suryanti AU - 安萨里，莫哈末Dilshad PY - 2020 DA - 2020年6月1日TI - 一种新的统计特征分析为基础的全球和脸局部方法识别SP - 4967034 VL - 2020 AB - 从图像/视频人脸识别一直在研究界一个快速增长的领域，并基于纹理分析人脸识别技术相当数量在过去几年中得到了发展。此外，这些技术在灰度和彩色图像工作得很好，但很少技术处理二进制和低分辨率的图像。作为二值图像正成为低面分辨率分析的优选格式，有必要进一步研究，以提供一种用于以更高的准确率的基于图像的脸部识别系统的完整解决方案。为了克服由于脸部和背景之间的反差提取低分辨率图像鲜明的特点现有方法的局限性，我们提出了一个统计特征分析技术，填补国内空白。为了实现这一目标，一个名为FBLCM所提出的技术集成二进制级别发生矩阵（BLCM）和模糊局部二元模式（FLBP）从二进制和低分辨率图像中提取脸部的全局和局部特征。FBLCM的目的是为了区别地改善二值图像中的黑和白色的像素之间的边缘锐度的性能，并提取与脸部图案的特征数据显著。在耶鲁大学和FEI数据集实验结果验证了该技术在其他顶级表现特征分析方法的优越性。发达技术已经实现了94.54％的准确度，当使用随机森林分类，因此优于其他技术，诸如灰度共生矩阵（GLCM），字的袋（BOW），以及模糊局部二元模式（FLBP）， 分别。SN - 1687-9384 UR - https://doi.org/10.1155/2020/4967034 DO - 10.1155 /四百九十六万七千○三十四分之二千○二十〇JF - 国际期刊光学PB的 - Hindawi出版KW - ER -