融合加速稳健特征的子空间人脸识别方法

摘要：

为了充分利用人脸特征信息,更加准确全面地描述人脸,提高现有识别算法的识别率,提出一种融合改进的加速稳健特征和子空间特征进行人脸识别的方法.利用AAM形状模型的训练方法,训练得到41个点的人脸形状模型;对每幅图像进行特征点初步定位,找到并保留与初步定位的特征点空间距离最近的SURF特征点.将SURF特征点描述子利用PCA降维,得到改进的SURF局部特征向量.然后利用PCA对图像进行全局特征提取,将局部特征与全局特征进行融合,组成全新的特征向量.最后通过特征向量的匹配实现识别.对包括本算法和PCA-SIFT算法在内的6种不同识别算法进行了验证.实验结果表明,提出的算法在改变ORL人脸库中训练集样本数的情况下,识别率均优于其他算法;在样本数为5的情况下比PCA-SIFT方法提高了4.3%,可见该算法提高了人脸的识别率,具有较强的鲁棒性和分类性.

关键词：加速稳健特征、子空间、人脸识别、特征融合

所属期刊栏目：17

分类号：TP391.41(计算技术、计算机技术)

资助基金：山东省自然科学基金ZR2015FL008、ZR2014FM013;山东省高等学校科技计划项目J15LN39;国家自然科学基金61401244

在线出版日期：2017-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：220-225