基于分块自适应加权梯度方向直方图特征的人脸识别方法

摘要

本发明涉及一种基于分块自适应加权的HOG特征人脸识别方法，首先采用小波分解提取低频图像以消除冗余、随机信息，其次将人脸图像分成均匀子块，并利用各子块对识别的贡献率不同而赋予不同的权重，进而提取人脸的AW-HOG特征，最后采用PCA算法对提取的特征进行降维形成最终分类特征，再采用支持向量机(SVM)方法对其进行分类识别。本发明能够有效降低分类特征的维数。

主权项

一种基于分块自适应加权梯度方向直方图特征的人脸识别方法，其特征在于，包括以下步骤：(1)对人脸图像进行预处理，得到低频人脸图像；(2)将提取的低频人脸图像分割成大小统一的均匀子块；(3)对人脸库训练集以及测试集中的所有人脸图像都进行步骤(1)‑(2)的处理，并将图像的相同位置的子块图像构成新的训练集和测试集；(4)提取子块图像的HOG特征；(5)利用各子块的HOG特征进行分类识别，得到此位置子块的识别率；(6)根据各子块所得到的识别率计算得出各子块的权值；(7)融合各子块HOG特征以及相对应权值最终得到分类AW‑HOG特征；(8)对AW‑HOG特征进行PCA算法降维；(9)采用支持向量机SVM方法进行分类识别。