融合SVM和AdaBoost的近红外人脸识别方法

摘要：

针对人脸识别算法复杂度高和误检率高的问题,提出了一种在二维主元分析(2DPCA)方法基础上,融合支持向量机(SVM)和AdaBoost训练法的近红外人脸识别新算法.该算法首先对近红外光照下的图像通过人脸检测、小波变换和二维主元分析得到“特征脸”；然后,对特征数据先进行SVM分类学习,并以SVM学习结果作为初始分类器,再通过Ada-Boost方法进一步加强,形成强分类器,作用于待测样本,完成识别.实验证明,该算法不仅提高了分类器的分类能力,而且降低了计算的复杂度,在实际场景应用中有较高的识别率.

关键词：模式识别、人脸识别、支持向量机、AdaBoost训练法

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：教育部博士点基金课题20090032110051

在线出版日期：2012-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：192-196