摘要
为提高低分辨率人脸图像的识别性能,提出一种基于高斯图像金字塔特征融合的低分辨率人脸识别方法.首先,通过多尺度分析技术建立低分辨率人脸高斯金字塔;针对金字塔各层人脸图像特点,使用恰当的特征提取方法获取各层图像的特征谱,其中底层图像进行局部二值模式计算,并将统计直方图序列作为该层的人脸特征谱;中间层使用适当的Gabor滤波器进行卷积,提取的Gabor特征谱作为中间层的人脸特征谱;采用方向梯度直方图对顶层提取人脸边缘细节特征谱;最后,对高斯金字塔的每层特征谱进行连接处理,并作为整个人脸图像的特征向量放入3种分类模型(KNN,SVM和RF)中进行分类识别,结合各分类模型对低分辨率人脸图像的优势,计算权值对各结果进行加权投票融合,得到最终分类结果.实验结果显示,本文算法在ORL和YALE等人脸库上取得良好识别效果,在23×28像素的人脸图像上获得93.5%的识别率,并对光照、表情、姿态变化等具备一定的鲁棒性.
学科与关键词
关键词
低分辨率加权投票法高斯金字塔特征融合人脸识别
- 基于拉普拉斯金字塔降维的人脸识别算法亢洁; 林欣; 吴星驰陕西科技大学学报(自然科学版), 2015, (01): 165.
- 基于卷积神经网络和PCA的低分辨率人脸识别毛雅棋; 朴燕*; 孟竹; 崔炜长春理工大学学报(自然科学版), 2021, 44(05): 86-92.
- 融合全局和局部特征的人脸识别胡敏; 程天梅; 王晓华Journal of Electronic Measurement and Instrument, 2013, (09): 817-822.
