基于多尺度梯度角和SVM的正面人脸识别方法

被引：2

作者：

赵武锋

严晓浪

机构：

[1] 浙江大学超大规模集成电路设计研究所

来源：

浙江大学学报(工学版) | 2008年 / 04期

关键词：

反对称双正交小波; 支持向量机; 线性鉴别分析; 主成分分析; 多尺度梯度角; 非负矩阵分解;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了提高人脸识别算法性能,提出了一种多尺度梯度角(MSGA)和支持向量机(SVM)相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波(ASBW)的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数据、小波处理后数据进行了仿真比较,实验数据显示,不论使用主分量分析(PCA)还是线性鉴别分析(LDA)降维,在相同的维数条件下,新方法的识别性能都优于其他方法.

引用

页码：590 / 592+617 +617

页数：4