基于Gabor和HOG特征的稀疏表示人臉識別方法.pdf

1、當(dāng)前人臉識別作為一種有效的生物特征識別技術(shù)得到了廣大科研工作者的關(guān)注，同時也在人們的生活中得到了廣泛的應(yīng)用，大量有效的檢測算法被提出，如基于人臉五官位置的幾何特征識別，基于局部特征分析的方法，特征臉的方法，基于彈性模型的方法，神經(jīng)網(wǎng)絡(luò)的方法。但是在實際使用中，這些方法受光照的影響較大，對人臉姿態(tài)較為敏感，對遮擋的處理效果不佳等缺陷，這些都造成了其推廣的局限性。與以上相比，基于稀疏表示的人臉識別方法表現(xiàn)出了較高識別率和較好的魯棒性，逐漸成

2、為當(dāng)前研究的熱點。但仍存在著計算量較大、對姿態(tài)魯棒性弱等缺點。
　　Gabor濾波器能夠很好的反映出人眼視覺系統(tǒng)的響應(yīng)機制，能夠有效的提取人臉圖像空間域和頻率域特征，引起了人們的廣泛關(guān)注；HOG特征對梯度和邊緣的方向密度分布有很好的描述，對光照和姿態(tài)的變化有較強的魯棒性。結(jié)合以上特點本文提出了一種融合Gabor特征和HOG特征的稀疏表示人臉識別方法。本文主要工作如下：
　　1）首先介紹了基于Haar特征，結(jié)合AdaBoost

3、算法實現(xiàn)對圖像中人臉的檢測。檢測到人臉后，首先檢測雙眼位置，然后判斷雙眼連線的傾斜角度，進(jìn)一步通過仿射變換（Affine Transformation）對人臉進(jìn)行初步矯正，減小因人臉旋轉(zhuǎn)角度過大對后續(xù)識別正確率的影響。
　　2）通過二維 Gabor小波變換，有效的提取了人臉圖像的頻域和空域特征，同時提取了人臉圖像眼鼻口等關(guān)鍵區(qū)域的HOG（Histogram of Oriented Gradient）特征，并分別對上述兩種特征進(jìn)行