发明名称 |
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。 |
申请公布号 |
CN105046224A |
申请公布日期 |
2015.11.11 |
申请号 |
CN201510418884.7 |
申请日期 |
2015.07.16 |
申请人 |
东华大学 |
发明人 |
胡丽乔;仇润鹤 |
分类号 |
G06K9/00(2006.01)I;G06K9/46(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
上海泰能知识产权代理事务所 31233 |
代理人 |
宋缨;孙健 |
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。 |
地址 |
201620 上海市松江区松江新城人民北路2999号 |