基于Gabor的人脸识别技术研究

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《基于Gabor的人脸识别技术研究》，欢迎阅读！

基于Gabor的人脸识别技术研究

作者：姜莹礁

来源：《海峡科技与产业》 2018年第1期



摘要：本文提出了基于Gabor小波变换的人脸识别技术研究。采用YcbCr作为人脸图像检测颜色空间，简单高斯模型表征颜色分布；采用Gabor小波变换提取人脸图关键特征作为输入向量，Direct LDA算法对人脸原始图像进行线性判别；采用支持向量机进行人脸识别。仿真实验表明，该方法能准确识别人脸，实时性满足实际要求。

关键词：YcbCr;简单高斯模型；小波变换，支持向量机

中图分类号：TP391.41 文献标识码：A

0引言

基于视频的人脸识别技术研究是计算机视觉领域的前沿方向，在移动通讯、人机交互等领域具有重要应用价值。如何设计一种高效鲁棒性的人脸识别技术，—直是人脸识别领域研究的热点。

本文提出基于Gabor小波变换的人脸识别方法。采用YcbCr作为人脸图像检测颜色空间，采用Gabor小波变换提取人脸图关键特征作为输入向量，采用支持向量机进行人脸识别。仿真实验表明，该方法能准确识别人脸，较强的鲁棒性和实时性。

1人脸检测和肤色模型

1.1 YCbCr颜色空间

YCbCr色彩表示与人对色彩的感知相似，感知效果均匀。YcbCr格式空间坐标表示和计算过程相对简单，Y、Cb、Cr与R、G、B三基色可以通过线性相互变换，避免了非线性空间的奇异性，具有良好的分割效果，本文选择YcbCr颜色模型对肤色建模。

YCbCr将色彩空间分为三个分量：亮度Y，蓝色色度Cb，红色色度Cr。YCbCr与RGB转换公式：



根据色调不同的物体在不同的色带中聚类，我们可以快速地检测出彩色信息对应的目标。而人脸的彩色图像中，人脸肤色区域可以很好地与其他部分区分，因此我们可以把人的肤色从图像中分离出来。

1.2简单高斯模型

模型假设肤色分布为单峰高斯分布，迭代计算预测参数的分布。 高斯肤色模型运用6个参数检测人脸肤色，参数的确定由统计方法求出每个分量的均值和方差。



由于模型的参数易于计算，高斯模型能很好地表示颜色分布。


2基于小波变换的特征提取

Gabor小波变换是信号处理的有效手段，其变换系数具有良好的视觉特性，有良好的时频局部化特性，能够兼顾信号在时空域和频域的分辨能力。小波变换运用多通道滤波技术，图像的局部特征输入各个通道，结合需要在粗细粒度上分析待处理图像。

在特征提取时，Gabor小波变换处理的数据量少，具有实时性的特性，且能容忍一定限度的图像变形和旋转，对于光照变换不敏感，有利于提高系统的鲁棒性和实时性。

传统PCA算法对人脸图像主分量投影分析，在降维空间中进行线性判别分析，但PCA投影会丢失一部分重要信息。本文采用Direct LDA[2]算法对人脸原始图像进行线性判别，在不降维的前提下，提取对识别最关键的特征。LDA对于人脸姿态、光照条件等要素变换不敏感，无须人脸特征提取和降低维度，大大提高了识别的准确率。

3基于支持向量机的人脸识别

SVC基于统计学习理论的出色学习性能，对小样本统计估计和预测都具有强大的泛化能力，高效解决了小样本的学习问题。





4实验与分析

选择FERET人脸库对算法进行了测试和比较。FERET人脸库是一个规模比较大的人脸数据库，包含1199人的14，051幅在不同光照、表情、姿态以及不同时期的人脸图像。为说明改进算法的有效性，将其与现有的成熟算法做试验对比。



试验结果证明，本文提出的方法识别准确率土均优于另外两种方法，能够满足人脸识别的实际要求。

5结论

本文提出基于Gabor小波变换的人脸识别方法。方法的优点在于算法人脸识别效果好，识别误差率低，稳定性好。

本文来源：https://www.wddqxz.cn/cda425e3670e52ea551810a6f524ccbff021cab3.html