论文部分内容阅读
当前人脸识别作为一种有效的生物特征识别技术得到了广大科研工作者的关注,同时也在人们的生活中得到了广泛的应用,大量有效的检测算法被提出,如基于人脸五官位置的几何特征识别,基于局部特征分析的方法,特征脸的方法,基于弹性模型的方法,神经网络的方法。但是在实际使用中,这些方法受光照的影响较大,对人脸姿态较为敏感,对遮挡的处理效果不佳等缺陷,这些都造成了其推广的局限性。与以上相比,基于稀疏表示的人脸识别方法表现出了较高识别率和较好的鲁棒性,逐渐成为当前研究的热点。但仍存在着计算量较大、对姿态鲁棒性弱等缺点。Gabor滤波器能够很好的反映出人眼视觉系统的响应机制,能够有效的提取人脸图像空间域和频率域特征,引起了人们的广泛关注;HOG特征对梯度和边缘的方向密度分布有很好的描述,对光照和姿态的变化有较强的鲁棒性。结合以上特点本文提出了一种融合Gabor特征和HOG特征的稀疏表示人脸识别方法。本文主要工作如下:1)首先介绍了基于Haar特征,结合AdaBoost算法实现对图像中人脸的检测。检测到人脸后,首先检测双眼位置,然后判断双眼连线的倾斜角度,进一步通过仿射变换(Affine Transformation)对人脸进行初步矫正,减小因人脸旋转角度过大对后续识别正确率的影响。2)通过二维Gabor小波变换,有效的提取了人脸图像的频域和空域特征,同时提取了人脸图像眼鼻口等关键区域的HOG(Histogram of Oriented Gradient)特征,并分别对上述两种特征进行PCA降维,提取主要特征分量,最后将降维后的两种特征进行级联融合,得到新的特征描述子用于后续的人脸识别。3)对人脸样本数据提取上述特征构建过完备字典,同时讨论了基于范数限定的稀疏求解精度问题。在判断重构误差的基础上,提出一种自更新字典的方法,提高了人脸识别率。