基于Gabor小波和Gist特征的人脸识别技术研究精选.docxVIP

基于Gabor小波和Gist特征的人脸识别技术研究刘斌，米强，徐岩（山东科技大学电子通信与物理学院，山东青岛）摘要：人脸识别技术一直是计算机视觉领域里的研究热点。为了改善人脸识别系统的性能，提高人脸识别率，本文提出了一种新的融合Gabor小波特征和Gist特征的人脸特征提取方法，首先对一副人脸图像提取其多个尺度和方向的Gabor特征图，接着再对这些Gabor特征图进行处理，分别提取其Gist特征，之后再把所有Gabor特征图的Gist特征级联起来作为一副人脸图像的特征向量，经过PCA方法降维处理后，最终输入到支持向量机里面训练识别。分别在ORL和FERET人脸库中进行实验检测，结果表明与传统的PCA-SVM方法和Gabor特征提取方法相比，人脸识别率有了极大的提高。关键词 ：人脸识别；Gabor小波；Gist特征；特征提取；支持向量中图法分类号：TP391.41 文献标识码：ＡA Survey of Face Recognition Based on Gabor wavelet and Gist Feature LIU Bin, MI Qiang, XU Yan(College of electronic communication and Physics, Shandong University of Science and Technology, Qingdao ,Shandong,,China)javascript:void(0);Abstract:?Face recognition technology has been a hot research topic in the field of computer vision. In order to improve the performance of face recognition system,this paper proposes a new feature extraction method based on Fusion of the Gabor wavelet and Gist Feature.Firstly, we should extract the Gabor feature of face images from multiple scales and directions.Secondly, we can obtain the Gist Feature of those Gabor feature maps as the final feature vector for subsequent recognition and use SVM as classifier. Finally, we test those experiments in ORL and FERET face database respectively. The final results show that the face recognition rate has been significantly improved compared with the traditional method PCA-SVM.Key words:face recognition; Gist feature; Gabor feature; feature extraction; SVM0引言作为一种生物特征识别技术,人脸识别因其独特的优点被广泛应用在各个领域[1-2]。例如公共安全、考勤、教育、金融等领域，已成为现今计算机视觉领域里的一个热点研究课题[3]。同时人脸识别也是一门综合性较强的技术，涵盖了许多学科，以人脸识别技术为目标也将推动学科间的融合与共同发展[4]。 提取有效地人脸特征和设计良好的分类器是人脸识别技术所研究的重点内容，许多学者们提出了很多人脸特征提取方法，Hong [5]将矩阵奇异值分解应用到人脸识别当中，但是人脸识别率太低。Low[6]将SIFT特征点描述子应用于人脸识别，因为SIFT特征对于尺度，旋转和仿射变换都具有不变性，但计算时间比较长，很难满足实时性要求。也有学者将局部二值模式 LBP( Local BinaryPattern)应用到人脸特征提取当中，大量的实验结论表明，LBP算法能取得更理想的效果[7-8]。Jabid 等人提出了局部方向模式 LDP(LocalDirectional Pattern)算法。然而在实际应用当中LDP算法也有一些缺陷，导致人脸识别系统性能不高[9-10]。苏煜等人利用傅里叶变换和Gabor 变换提取出了人脸的全局及局部特征，从而使相关系统的精确度和性能都得到了极大的改善[11]。 本文提出了一种新的人脸特征提取方法，新方法把Ga