论文部分内容阅读
人脸识别与其它传统身份认证方式相比有突出优点,近年来,已经成为计算机视觉、应用数学、机器学习等领域的研究热点。然而由于人脸图像易受光照、年龄等因素的影响,实现一个实时准确的人脸识别算法是一个具有挑战性的问题。研究人员提出了一些人脸特征提取算法,研究表明,只靠一种特征很难取得理想的结果,因此本文提出了一种基于AdaBoost算法的多特征融合方法,主要工作如下：1.本文选取Gabor和POEM两种人脸图像特征。首先介绍了Gabor滤波器的相关知识,Gabor小波核函数与哺乳动物简单细胞的感受野剖面类似,在图像特征提取方面有很大的优势。在提取Gabor候选特征时,我们采用一种现有的Gabor特征网格采样方法,在5个尺度的人脸图像上提取8个方向的Gabor特征。2. POEM编码是一种新的人脸特征,它是将LBP用于人脸图像的梯度图,这样对光照有更好的鲁棒性。我们遍历POEM编码图像上不同位置不同大小的块,计算图像块内POEM编码的直方图,做为候选POEM特征。3.实现AdaBoost算法对上述两种特征融合。首先将训练图像的两种候选特征的相似度排列成一个向量,然后用AdaBoost算法对其挑选。挑选出不同位置和不同大小的Gabor特征点和POEM特征块,并对它们赋予不同的权值。本文的方法使得在降低特征维数大小的同时,减小了不同特征之间的相关性。利用本文提出的特征融合方法,在中科院CAS-PEAL人脸库上训练分类器,在FERET库上测试识别率,在Fb、Fc、Dup1、Dup2四个子库上识别率分别为99.0%、99.5%、87.8%、86.6%。实验结果表明,本文提出的特征融合的方法要比分类器融合的方法效果更好。