基于HOG—SVD特征的人臉識別

摘要：為提高復雜環境下的人臉識別率，該文提出了一種基于方向梯度直方圖奇異值分解（HOG-SVD）的人臉識別方法。首先提取整個人臉圖像的HOG特征，通過奇異值分解形成圖像的整體HOG-SVD特征。然后將人臉圖像分成均勻子塊，提取各子塊的HOG-SVD特征。之后將整體HOG-SVD特征和局部HOG-SVD特征組合形成最終分類特征。最后通過支持向量機分類器對其分類。在Yale人臉庫上的實驗表明，該方法對表情、光照、姿態具有魯棒性，具有較高的識別率。

關鍵詞：人臉識別；HOG特征；奇異值分解；支持向量機

中圖分類號：TP391 文獻標識碼：A DOI：10.3969/j.issn.1003 6970.2016.05.005

本文著錄格式：全雪峰.基于HOG SVD特征的人臉識別[J].軟件，2016，37（5）：18-21

0.引言

人臉識別是指從人臉圖像提取有效的特征信息，進而判斷圖像中人的身份的一種技術。人臉識別技術可廣泛應用于金融、考勤、公共安防、證件制作等領域，已成為當前模式識別領域的一個研究熱點。

要取得好的人臉識別效果，能否提取出好的人臉特征和設計一個好的分類器是人臉識別技術的關鍵。為此，研究人員提出了許多人臉特征表示方法。Hong將矩陣奇異值分解（singular value dccomposition，SVD）引入人臉識別中，利用奇異值作為人臉識別特征，但錯誤識別率較高（42.67%）。Oiala等人提出的局部二值模式（10cal binary pattern，LBP）對光照有很強的魯棒性，但缺乏對尺度、旋轉等的處理；Low提出的尺度不變特征變換（scale invariant feature transform，SIFT）能適應圖像的尺度、旋轉等，但計算時間較長。Bay等人提出快速健壯特征（speedup robust features，SURF），其計算時間優于SIFT，也能適應圖像的尺度變化，但犧牲了一定的精度。Dalal等人提出的方向梯度直方圖（histogram of oriented gradient，HOG）對光照、尺度、方向有良好的適應性。李林等人提出基于HOG-PCA的圖像分類方法。并取得了較好的分類效果。萬源等人提出基于LBP和HOG的分層特征融合的方法。本文在上述文獻的基礎上，提出一種基于HOG和SVD的人臉特征提取方法，通過融合人臉的整體HOG-SVD特征和局部HOG-SVD特征，利用支持向量機來實現人臉識別。在Yale人臉數據庫上的實驗表明，本文方法優于對比方法，具有較高的識別率和對光照、姿態、表情等的魯棒性。