基于HMM-SVM混合模型的人脸识别方法

摘要

本发明公开了一种基于HMM-SVM混合模型的人脸识别方法，该方法首先将人脸图像以采样窗从上到下进行采样，分别采用离散余弦变换(DCT)和奇异值分解(SVD)提取各个采样窗图像的特征参数并串接成一维观察向量，然后将每个人的训练图像的观察向量用于训练每个人的HMM模型，将所有图像的观察向量采用Viterbi算法求出其对应于每个HMM模型的输出概率，并用于支持向量机的分类训练及识别测试。由于HMM模型具有良好的时间序列建模能力，能有效地将人脸的各个器官的数值特征以一个状态转移模型联系起来，对人脸进行更为完整的描述，以及支持向量机在有限样本的分类方面的优良性能。

主权项

1、一种基于HMM-SVM混合模型的人脸识别方法，其特征在于，包括人脸图像预处理、人脸图像的DCT和SVD特征提取，HMM-SVM混合模型的训练和识别，其主要的识别步骤如下：(1)图像平滑以及图像灰度和方差的归一化处理；(2)确定人脸图像采样窗；(3)提取采样窗图像的DCT系数，并将其按行堆叠成一维向量，并从上到下依次提取出人脸图像所有的采样窗图像DCT系数；(4)同上，从上到下提取人脸图像中采样窗图像的SVD特征；(5)将采样窗图像的DCT系数和SVD特征串接成一维观察向量，然后将其归一化，获得人脸图像的观察向量；(6)重复步骤3-5获取所有图像的观察向量；(7)将每个人的训练图像的观察向量用于训练其个人HMM模型；(8)将所有图像的观察向量采用Viterbi算法求出其对应于每个HMM模型的输出概率，然后将其串接成一维向量并做归一化处理；(8)将训练图像的输出概率向量用于训练支持向量机分类器；(9)将测试图像的输出概率向量用于支持向量机分类器的分类测试，获得人脸识别结果。