發(fā)布時(shí)間：2019-06-21 03:43

【摘要】：為了提高人臉識(shí)別在復(fù)雜條件下的識(shí)別率,提出一種基于自適應(yīng)加權(quán)梯度方向直方圖特征(AW-HOG)的人臉識(shí)別方法。該方法首先將人臉圖像分成均勻子塊,并利用HOG描述算子提取分塊人臉特征,根據(jù)各分塊對(duì)識(shí)別的貢獻(xiàn)率自適應(yīng)地計(jì)算各分塊的權(quán)重,然后融合權(quán)重系數(shù)以及各分塊的HOG特征,形成AW-HOG特征并采用主成分分析(PCA)算法進(jìn)行降維,最后利用支持向量機(jī)(SVM)進(jìn)行分類識(shí)別。在Yale B以及AR標(biāo)準(zhǔn)人臉庫上的實(shí)驗(yàn)結(jié)果表明,提出的人臉識(shí)別方法在識(shí)別率上優(yōu)于傳統(tǒng)算法且對(duì)光照具有較強(qiáng)的魯棒性。
[Abstract]:In order to improve the recognition rate of face recognition under complex conditions, a face recognition method based on adaptive weighted gradient direction histogram feature (AW-HOG) is proposed. In this method, the face image is divided into uniform subblocks, and the block face features are extracted by HOG description operator. According to the contribution rate of each block to recognition, the weight of each block is calculated adaptively. Then the AW-HOG feature is formed by combining the weight coefficient and the HOG feature of each block, and the principal component analysis (PCA) algorithm is used to reduce the dimension. Finally, the support vector machine (SVM) is used for classification and recognition. The experimental results on Yale B and AR standard face database show that the proposed face recognition method is superior to the traditional algorithm in recognition rate and has strong robustness to illumination.
【作者單位】： 東華大學(xué)信息科學(xué)與技術(shù)學(xué)院;東華大學(xué)數(shù)字化紡織服裝技術(shù)教育部工程研究中心;
【基金】：上海市教委科研創(chuàng)新重點(diǎn)項(xiàng)目(No.12ZZ059)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 池磊;李文勇;;模糊數(shù)學(xué)和自適應(yīng)加權(quán)平均在多傳感器數(shù)據(jù)融合中的比較研究[J];裝備制造技術(shù);2012年12期

2 李大勇,王紅軍;基于時(shí)間序列的自適應(yīng)加權(quán)被動(dòng)定位[J];計(jì)算機(jī)仿真;2004年11期

3 陳曉娟;夏立;卜樂平;楊加軍;;自適應(yīng)加權(quán)融合算法在圖像型火災(zāi)探測系統(tǒng)中的應(yīng)用[J];艦船電子工程;2011年03期

4 肖軍,張石,徐心和;基于模糊組合變量的自適應(yīng)加權(quán)控制[J];控制與決策;2001年02期

5 梁毓明;徐立鴻;朱丙坤;;測距傳感器系統(tǒng)的測距數(shù)據(jù)在線自適應(yīng)加權(quán)融合[J];工業(yè)儀表與自動(dòng)化裝置;2009年05期

6 張陽;沈明霞;孫玉文;劉政;柏廣宇;;基于多傳感器自適應(yīng)加權(quán)融合的溫室信息系統(tǒng)[J];傳感器與微系統(tǒng);2014年06期

7 常瑞娜;穆曉敏;楊守義;齊林;;基于局部空間像素特征的自適應(yīng)加權(quán)濾波算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年06期

8 陳曉云;胡運(yùn)發(fā);;基于自適應(yīng)加權(quán)的文本關(guān)聯(lián)分類[J];小型微型計(jì)算機(jī)系統(tǒng);2007年01期

9 鄭馳超;彭虎;韓志會(huì);;互相關(guān)自適應(yīng)加權(quán)的醫(yī)學(xué)超聲成像算法研究[J];物理學(xué)報(bào);2014年14期

10 關(guān)新平,劉冬,唐英干;基于可分離性判據(jù)的自適應(yīng)加權(quán)紋理圖像分割[J];計(jì)算機(jī)應(yīng)用研究;2005年11期

相關(guān)碩士學(xué)位論文 前5條

1 邵州華;多傳感器數(shù)據(jù)融合算法的研究與應(yīng)用[D];東北大學(xué);2013年

2 楊浩博;多外觀模型自適應(yīng)加權(quán)的粒子濾波目標(biāo)跟蹤算法研究[D];鄭州大學(xué);2016年

3 李培培;自適應(yīng)加權(quán)超寬帶能量檢測接收技術(shù)的研究[D];長安大學(xué);2016年

4 朱曉倩;自適應(yīng)加權(quán)平均濾波器權(quán)系數(shù)的選取[D];暨南大學(xué);2008年

5 姜濱;FSP近區(qū)段含水率預(yù)測算法及溫度自適應(yīng)加權(quán)融合方法研究[D];東北林業(yè)大學(xué);2010年

，

本文編號(hào)：2503758