基于特征融合的人臉識(shí)別新算法

吳錫生，魏月納

(江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無錫 214122)

基于特征融合的人臉識(shí)別新算法

吳錫生，魏月納

(江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無錫 214122)

針對(duì)基于傳統(tǒng)Gabor小波變換的人臉特征提取存在維數(shù)高的不足，提出了一種基于改進(jìn)的Gabor特征融合和SVM的人臉識(shí)別算法，并用二維傅里葉變換進(jìn)行加速求解，提高了特征提取的速率。提取了人臉圖像的Gabor多方向和多尺度特征，然后對(duì)同一方向上不同尺度的特征進(jìn)行融合，再采用fastPCA算法對(duì)融合后的特征進(jìn)行降維，最后用改進(jìn)的SVM分類器即混合核函數(shù)分類器進(jìn)行分類識(shí)別，并利用兩種處理模式對(duì)分類器進(jìn)行融合。在FERET和ORL人臉庫(kù)上進(jìn)行了實(shí)驗(yàn)，結(jié)果表明該算法能有效地表征人臉，具有較高的識(shí)別率。

人臉識(shí)別；Gabor特征融合；改進(jìn)SVM；分類器融合

0 引 言

作為人工智能與模式識(shí)別的研究熱點(diǎn)之一，人臉識(shí)別占有十分重要的地位。與其他生物特征相比，人臉是一種最自然的特征，因此人臉識(shí)別在身份認(rèn)證、公共安全以及監(jiān)控方面得到了廣泛應(yīng)用。由于人臉圖像易受表情、光照、年齡、噪聲、頭發(fā)或者眼鏡遮擋等因素的影響，因此提取區(qū)分性好且魯棒性高的面部特征，構(gòu)建高性能分類器，提高識(shí)別率，一直是人臉識(shí)別領(lǐng)域的重點(diǎn)和挑戰(zhàn)[1-2]。為此國(guó)內(nèi)外研究人員進(jìn)行了大量的研究工作，提出了許多有效的特征提取方法。

由于Gabor濾波器可以捕捉人臉在不同方向和不同尺度的局部特征信息，對(duì)光照變化和人臉姿態(tài)不敏感，因此廣泛應(yīng)用于人臉識(shí)別[3]系統(tǒng)。……