基于Gabor小波变换多特征向量的人脸识别鲁棒性研究

合集下载

基于多小波变换和支持向量机的鲁棒水印算法

基于多小波变换和支持向量机的鲁棒水印算法
李程;叶中华
【期刊名称】《西安文理学院学报（自然科学版）》
【年(卷),期】2009(012)004
【摘要】为了提高水印的综合效果,根据多小波变换后相邻系数之间具有很强的相关性的特点,提出了一种基于支持向量机的图像水印算法.由于支持向量机在小样本训练的情况下具有良好的学习和泛化能力.因此,可以首先利用支持向量回归机建立相邻系数之间的关系模型.然后,通过调整模型的输入来嵌入或提取水印.实验结果表明,用算法得到的水印不但具有很好的图象感知质量,而且鲁棒性好,实用性强.【总页数】5页(P76-80)
【作者】李程;叶中华
【作者单位】西安财经学院,统计学院,陕西,西安,710061;西安财经学院,统计学院,陕西,西安,710061
【正文语种】中文
【中图分类】TP391.1
【相关文献】
1.基于多小波变换的遥感图像模糊融合算法研究 [J], 孙娇娇;徐礼鹏;邵雪松;刘启蒙
2.基于多小波变换与QAR编码的信息隐藏算法 [J], 杨涛;任帅;索丽;娄棕棕;张弢;慕德俊
3.基于压缩感知和GHM多小波变换的信息隐藏算法 [J], 张弢;康缘;任帅;柳雨农
4.基于CL多小波变换和组合位平面理论的秘密信息共享算法 [J], 张弢;任帅;巨永锋;凌尧;杨照辉
5.小波与多小波变换在支持向量机人脸识别中的研究 [J], 郑成勇
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于Gabor特征分类的鲁棒性跟踪

ｓｓｔａｋｎｙｆｉｅｒａｈｎｅｃｕｎｔｒｅｐｅａｃ．ＴｈｐｒｐｅｅｔｒｃｉｇｍｅｈｄｅｒｃｉｇｍａａｌｗｈｎｇｅｔｃａｇｓｏｃｒｉａｇｔａｐａｎｅｒｅｐａｅｒｓｎｓａｔａｋｎｔｏｂｓｄｏｂｒｗａｅｅｅｔｒｓａｄｃａｓｆａｉｎｏｇｔａｅｎＧａｏｖｌｔｆａｕｅｎｌｓｉｃｔｆｔｅｓ，ｗｈｃｏｉｏｒａｉｈｃｍｂｉｅａｋｒｕｄａｄｆｒｇｏｎｎｏ — ｎｓｂｃｇｏｎｏｅｕｄｉｆｒｎｒｍａｉｎ，ｔｕｕｎｎｈｒｂｅｏｒｃｉｇｉｔｎｆｏｅｏｎ —ｂｃｇｏｎｌｓｉｃｔｎ．Ｔｈｘｅｉｎｔｏｈｓｔｒｉｇｔｅｐｌｍｆｔａｋｎｎｏｏｅｏｒｇｕｄｏｆｒａｋｕｄｃａｓｆａｉｒｉｏｅｅｐｒｍｅ —
ＫｅｗｒｓｏｊｃｔｃｉｇＧｂｒｌｒ；ｏｅｏｎ／ａｋｏｎｉｒｉａｏ；ｌｅｉｒｉａｔ — ｙｏｄｂｅｔｒｋ；ａｏｔｆｒｕｄｂｃｇｕｄｄｓｍｎｔｎｉａｄｃｉｎｎａａｎｉｓｆｅｒｇｒｃｉｉｎｒｓｍ
Ｃｅｉ，ａｏｇｎ，ＣｅａｇｈｎＸａＧｏＹｎｊｇｈｎＫｎｏｉ
（ｃｏｌｆｌｔ —ＭｅｈｎｃｌｎｉｅｒｇＸｄａｎｖｒｔ，ｉｎ７０７，ｈａＳｈｏｏｅｒＥｃｏｃａｉｇｅｎ，ｉｉＵｉｓｙＸ１０１Ｃｉ）ａＥｎｉｎｅｉａｎＡｓａｔＭｎａｏａｅｔｂｓｄａｐｏｃｅｍｋｓｏｔｅｏｎａｆｈｂｃ，ｎｗｉａｂｔｃｒａｙＧｂｒｖｌ — ａｅｐｒａｈｓａｅｅｆｈｕｄｒｏｅｊｔｉｈｃｃ— ｗｅｕｂｙｔｏｅｈ

Gabor小波和LPP相结合的人脸识别方法研究

文章编号：０ —６２２１）３－１１０１２８９（０２－２－４０１０－
Ｇｂｒａｏ小波和ＬＰ相结合的人脸识别方法研究Ｐ
刘晓杰王世亮，，张志伟
（．１江苏技术师范学院电气信息工程学院，江苏常州２３０；．河北工业大学信息工程学院，１０１２天津３００）０４１
ＬＰ可以通过最小值问题来实现，式为Ｐ公
成矩阵Ｘ＝［，，］Ｘ， … 。２）将每幅样本图像分别与８个方向、尺度的５个Ｇｂｒａｏ滤波器进行卷积，而每幅图像对应４从０个Ｇｂｒａｏ
（）５
ａ＝ａｉ（）ｒｍｎ∑ ｄｘ一＝ｇＳ
高识别率可达到９。１。９１％
【关键词】人脸识别；ａｏ滤波器；ＰＧｂｒＩＰ算法；Ｊ特征提取【中图分类号】Ｔ９９８Ｔ３１Ｎ１．；Ｐ９．４【文献标识码】Ａ
ＲｓａｃｎＦｃｅｏｎｔｎＭｅｈｄＵｉｇＧａｏｖｌｔｎｏａｔｒｓｒｉｇＰｏｅｔｎｅｅｒｈｏａｅＲｃｇｉｏｔｏｓｂｒＷａｅｄＬｃｌｙＰｅｅｖｎｒｊｃｉｓｉｎｅａｉｏ
但式（）５须满足条件ＸＴ１ＤＸ￣＝。对角权矩阵Ｄ它的元素就是对称矩阵Ｓ的行（或列）素的数值和，元Ｄ表示Ｘ附近的局部密度，阵Ｌ＝矩Ｄ一映射矩阵Ｓ可以通过最小化如下目标函数来得到
从而获得矩阵经Ｇｂｒａｏ变换后的矩阵．Ｒ，∈
算法
２１局部保持投影．

基于Gabor小波特征的人脸识别算法研究

（州民航职业技术学院通信系，１６０广州）广５０４，
摘
要
二维Ｇｂｒ波变换对图像边缘敏感，有良好的方向选择性和尺度选择性，ａｏ小具而
对光照变化不敏感．文提出了一种新型的Ｇｂｒ征人脸识别方法．方法通过Ｇｂｒ波本ａｏ特该ａｏ小变换进行精确的人脸眼睛坐标定位，取有利的人脸识别特征区域，过构造新的Ｇｂｒ波选通ａｏ小
特征，采用最近邻分类器对该特征进行分类。文将该方法在ＹＡＬ本Ｅ人脸库上进行了人脸识别
实验，结果表明了该方法的有效性．关键词小波变换；ａｏ特征；式识别；脸识别Ｇｂｒ模人
分类号ＴＰ９３１
在人脸特征提取及识别实验中，们发现人
位于人脸眼睛附近的区域．文对基于Ｇ — 本ａｂｒｏ特征的人脸识别方法进行了研究，出了提
一
用Ｇｂｒａｏ变换来提取特征具有许多优越性，它能够最好地兼顾信号在时域和频域中的分辨能
图像的局部特征，因而在不同位置获得的特征的分类能力也不一样．类能力最大的区域是分
此可见，ａｏ特征能够抵抗一定的表情变化Ｇｂｒ
的影响．
收稿日期：０９０－２２０— ２５作者简介：祥果，教．林助主要研究方向：工智能与模式识别人

结合Gabor小波变换与2DKDA特征提取的人脸识别

文献标志码
Ａ
人脸识别是模式识别和图像处理领域中一项
具有广阔应用前景的热门课题，同虹膜、指纹、纹掌
是奇异的，致所谓的 “ 样本问题 ” 导小。为了解决ＦＡ的上述问题，献［］出了二维Ｆｓｅ判别Ｄ文４提ｉｒｈ分析２ＦＡ，ＤＤ该方法直接利用人脸图像的矩阵数据
ｂｒｏ变换，然后通过二维核判别分析进行特征提取，可以很好地保留图像的几何特征和非线性特征。通过在标准人脸数据库
上的测试表明，该方法较其他传统的二维特征提取方法具有更高的识别效率。关键词人脸识别二维核判别分析Ｇｂｒ变换ａｏ
中图法分类号
Ｔ３１４；Ｐ９．１
采样处理非常困难，要先对其进行降维处理Ｊ需，本文采用下采样技巧生成初步降维后的Ｇｂｒａｏ系数矩阵，于接下来的２ＫＡ特征提取。用ＤＤ１２ＤＡ算法介绍．２ＫＤ
Ｇｂｒ波是由Ｇｂｒ数经过尺度伸缩和旋ａｏ小ａｏ函转生成的一族复函数系，具有良好的时频局部化特
问题。
图像数据通常都具有很高的维数，如果对原始数据
不进行一定的预处理，对后面的分类问题在计算则效率和识别精度上都会产生很大的影响，因此如何
进行有效的特征提取成为模式识别研究中的一个
关键问题Ｊ。
上的巨额开销，而且得到的类内离散度矩阵通常都

基于Gabor小波与RBF神经网络的人脸识别新方法

法，使得ＲＦ络的整个学习过程具备自适应能力。Ｂ网
２基于Ｇａｏ小波的人脸特征提取ｂｒ
２１构造Ｇｂｒ波．ａｏ小Ｇａｏ４波核函数定义如下［：ｂｒ，】
收稹日期ｔ２０．３１０６０．４
学习法训练ＲＢＦ神经网络。用ＯＲＬ人脸库进行试验，结果表明本文提出的方法具有优秀的学习效率和识别效果。关键词：人脸识别；Ｇｂｒ波；主分量分析；ＲＦ神经网络ａｏ小Ｂ
用的局部特征。
提高神经网络的泛化能力问题是ＲＦ网络的一个重要研究方向。目前，提高网络泛化能力的研究Ｂ主要集中在如何选取恰当的网络规模，即网络结构设计问题上。关于ＲＦＢ网络结构设计，一个公认的指导原则是Ｍｏｄ准则，即：在没有其它先验知识的情况下，与给定样本一致的规模最小的网络就是ｏｙ
修订日期：２０．７１０６０．８
பைடு நூலகம்
维普资讯
７４
电路与系统学报
第ｌ３卷
（０［】ｘ－－ｌｐｅｅ（Ｘ一ｐ
正弦波的波长之比。
（１）
上式表示一个经过高斯包络调制过的正弦波，其中＝ｋ＋＝Ｐ，模控制高斯窗口的宽度

基于Gabor小波能量子带分块的稀疏表示人脸识别

第３７卷第１期２０１３年１月
燕山大学学报
ＪｏｕｒｎａｌｏｆＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ
Ｖｏ】．３７Ｎｏ．１
Ｊａｎ．２０１３
文章编号：１００７ — ７９１Ｘ（２０１３）０１－００６８ — ０７
摘要：基于稀疏表示分类的人脸识别通常提取特征脸、随机脸和费歇尔脸这些整体特征，忽略了局部特征在克服光照和表情变化方面的优越性。针对以上问题，本文提出了基于Ｇａｂｏｒ小波能量子带分块的稀疏表示人脸
识别算法。首先将人脸图像进行不同尺度和方向下的Ｇａｂｏｒ小波变换，对得到的每个能量子带进行分块，然后将各子块能量信息融合组成子带的特征向量，再将各能量子带特征向量融合组成增强的Ｇａｂｏｒ特征向量，最后将该特征应用于稀疏表示人脸识别。实验结果表明，该算法对于光照和表情变化具较好的的鲁棒性。
关键词：人脸识别；图像分块；Ｇａｂｏｒ小波；稀疏表示
中图分类号：ＴＰ３９１．４
文献标识码：Ａ
ＤＯｌ：１０．３９６９￣．ｉｓｓｎ．１００７－７９１Ｘ．２０１３．０１．０１２
一Leabharlann 脸识别和纹理分类领域取得了可喜的成果。

基于局部二元模式Gabor小波变换的人脸识别

ｂｒｏ特征幅值用ＬＰ算子运算后得到二元模式的小波变换（Ｂ简
称ＬＰ，达式可表示如下：ＢＧ）表
Ｐ
度地降低特征维数。图３图４分别为一幅输入人脸图像及ＬＰ、Ｂ运算后的图像。
６ｌ４２５９８
●
孙海鹏毕笃彦
（军工程大学工程学院空陕西西安７０３）１０８
摘要
将局部二元模式（Ｂ）ＧｂｒＬＰ与ａｏ小波变换相结合，ＬＰ算子对Ｇｂｒ用Ｂａｏ特征幅值的邻域变化进行编码，并用直方图分析
ＬＰ编码后的局部变化属性，Ｂ这样避免了因下采样造成的信息损失，同时又通过直方图统计达到了降维的目的。实验结果表明，该方法结合了ＬＰ与ＧｂｒＢａｏ变换的优点，增强了直方图的鉴别能力，能有效降低维数，又取得了较理想的识别效果。
关键词局部二元模式Ｇｂｒ征人脸识别ａｏ特
ＦＡＣＥＲＥＣｏＧＮＩｏＮＴＩＢＡＳＥＤＮｏＬｏＣＡＬＮＡＲＹＢＩＰＡＴＴＥＲＮＧＡＢｏＲＷＡＶＥＬＥＴＴＲＡＮＳＦｏＲＭ
ＳｉｎｇＢｉＤｕａｕｎＨａｐｅｙｎ（ｏｌｅｏｎｉｅｒｇ，ｉＦｒｎｉｅｒｇＵｉｒｔ，ｉａ１０８ＳａｎｉＣｉａＣｌｇｅｆＥｇｎｅｉＡｒｏｃＥｇｎｅｎｎｖｓｙＸ ’ｎ７０３，ｈａｘ，ｈｎ）ｎｅｉｅｉ
ｏｈｌｔｄｆｔｅＧａｏｅｔｒｓｂＢｐｒｔｒｕｉｇｈｓｏｒｍｎｌｚｈｒｐｒｆｈｏａｖｒｔｆｒＬＰｅｃｄｎＳｈｔｆｅｍｕｔｕｅｏｂｒｆａｕｅｙＬＰｏｅａｏ．ｓｎｉｇａｔａａｙｅｔｅｐｏｅｔｏｅｌｃｌａｉｙａｔＢｎｏｉｇ，ＯｔａｔｉｈｔｏｙｔｅｅｐｅｅｔｇｉｆｒｔｎｌｓｅｓａｒｓｌｏｏｎｓｍｐｉｇａｄｒｄｃｎｉｎｉｎｌｙＴｉｍｅｈｄｃｍｂｎｓｔｅａｖｎａｅｆｏｈＬＰａｄｒｖｎｉｎｏｍａｉｏｓｓａｅｕｔｆｄｗ — ａｌｎｅｕｉｇｄｍｅｓｏａｉ．ｈｓｔｏｏｉｅｈｄａｔｇｓｏｔＢｎｎｏｎｔｂＧｂｒｔａｓｏｍ，ｈｃｏｎｙｉｒｖｓｔｅｄｓｒｎｔｎｏｈｉｔｇａｂｔａｓｉｎｆａｔｅｕｅｉｎｉｎｌｙＥｐｒｍｅｔｓｏａｏｒｎｆｒｗｉｈｎｔｌｍｐｏｅｈｉｃｉａｉｆｔｅｈｓｏｍｕｌｏｓｇｉｃｎｌｒｄｃｓｄｍｅｓｏａｉ，ｘｅｉｎｓｈｗｏｍｉｏｒｉｙｔｔａｔｅｐｏｏｅｔｏｓｍｏｅｐｅｉｅｔａａｉｏａｎｓｈｔｈｒｐｓｄｍｅｈｄｉｒｒｃｓｈｎｔｄｔｎｌｏｅ．ｒｉＫｅｗｏｄｙｒｓＬｃｌｂｎｒａｔｒＧｂｒｆａｕｅＦｃｅｏｎｔｎｏａｉａｙｐｔｎｅａｏｅｔｒｓａｅｒｃｇｉｏｉ

Haar+Gabor小波特征的人脸检测方法研究

于庞大．并不是所有的特征值在实际分类时都有效，反会造成冗余。在文献中，ｕｎｔ相Ｈａｇｌ￣等引入了
一
种基于Ｇｂｒ特征的人脸检测方法．但由于ａｏ
Ｇｂｒａｏ变换的特点会使检测的速度和效果受到影响．本文着尝试采用Ｈａ小波和Ｇｂｒ故ａｒａｏ小波共
基于Ｂｏｔｇ的实时人脸检测算法．从根本上解ｏｓｎｉ
决了检测的速度的问题，时有较好的识别效果。同
Ｓ．等在２０．Ｕ翻Ｚ０４年提出了称为Ｆｏｔｏｓ的学习ｌａＢｏｔ
方法。Ａａｏｓ方法相比，ｌｔｏｓ在Ａａｏｓ与ｄＢｏｔＦｏＢｏｔａｄＢｏｔ
ｆ０ｃ如ｏｏｐｔｒｃｎｅｎｅｈｏｏｙＨａｉｎｖｒｔ，ｕｎｈｕ３１２，ｈｎ）ｆＣｍｕｉｃｄＴｃｎｌ，ｕｑａＵｉｅｉＱａｚｏ６０１ＣｉｅＳｅａｇｏｓｙａ
Ａｂｔａｔｓｒｃ：Ｈａｒｗａｅｅｅｔｒｌｏｄｍｅｓｎａｄｌｗｏｕａｉｎｌｃｍｐｅｉ，ａｄＧａｏｖｌｔｈｓａｉｔｔａｖｌｔｖｃｏｓａｅｌｗ－ｉｎｉｎｏｃｍｐｔｔａｏｌｘｔｏｏｙｎｂｒｗａｅｅａｂｌｙｏｉ
关键词：脸检测；ｂｒ波；ａ小波：ｄｂｏｔ人Ｇａｏ小ＨａｒＡａｏｓ

基于Gabor特征与协同表示的人脸识别算法

摘要：基于稀疏表示的分类识别算法（ＳＲＣ）在进行人脸识别处理时需要求解基于ｚ范数最小化问题，导致ＳＲＣ方法的计算复杂度较高。基于协同表示和规则最小二乘的分类识别方法（ＣＲＣ－ＲＬＳ），提出ＳＲＣ算法对于分类的有效性不是取决于基于￡范数的稀疏性，而是由其内在的协同表示性所决定的，因此将基于ｚ范数的稀疏性约束条件简化为最小二乘约束问题，算法复杂度得到大幅降低。由于ＳＲＣ和ＣＲＣ－ＲＬＳ算法均采用特征脸作为分类识别的特征矢量，导致识别鲁棒性不强。以人脸图像的规则化扩展Ｇａｂｏｒ特征作为特征矢量，结合协同表示的方法，提出了一种新的基于Ｇａｂｏｒ特征与协同表示的人脸识别算法（Ｇａｂｏｒ－ＣＲＣ）。实验结果表明，该方法对于人脸图像的光照、表情和姿态等变化具备较强鲁棒性，算法
２０１４年２月第３５卷第２期
计算机工程与设计
ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮ
Ｆｅｂ．２０１４Ｖｏ１．３５Ｎｏ．２
基于Ｇａｂｏｒ特征与协同表示的人脸识别算法
张宏星。，邹刚，赵键。，李志勇。
（１．宁波３－程学院网络信息技术中心，浙江宁波３１５２１１；２．国防科学技术大学信息中心，
湖南长沙４１００７３；３．中国人民解放军９５３８０部队，广东湛江５２４３２９）

基于Gabor的特征提取算法在人脸识别中的应用

基于Gabor 的特征提取算法在人脸识别中的应用欧阳文，王燕（兰州理工大学计算机与通信学院，甘肃兰州730050）摘要：针对人脸识别中的特征提取问题，提出一种新的基于Gabor 的特征提取算法，利用Gabor 小波变换良好的提取区分能力和LDA 所具有的判别性优势来进行特征提取。

首先利用Gabor 小波变换来提取人脸特征。

然后对得到的高维特征采用PCA 进行初次降维，再利用LDA 实现再次降维，得到最终的特征向量。

在ORL 和YALE 人脸库上的实验验证了该算法的有效性。

关键词：Gabor 小波变换；主成分分析（PCA ）；线性判别分析（LDA ）；人脸识别中图分类号：TP391.4文献标识码：A文章编号：1674－6236（2012）24-0175-03A feature extraction algorithm based Gabor for face recognitionOU Yang -wen ，WANG Yan（College of Computer and Communication ，Lanzhou University of Technology ，Lanzhou 730050，China ）Abstract:Aiming at the feature extraction problem of face recognition ，we proposed a new feature extraction algorithm which utilized the good extraction effects of Gabor wavelet transform and the discriminative advantages of the LDA.Firstly ，the Gabor wavelet transform is used to extract facial features.In the second step ，we use PCA algorithm to realize the first feature dimension reduction ，and then we get the final feature vectors by using LDA algorithm.The experiment results on ORL and YELE face databases have demonstrated the effectiveness of the new algorithm.Key words:Gabor wavelet transform ；Principal Component Analysis （PCA ）；Linear discriminant Analysis （LDA ）；facerecognition收稿日期：2012-09-03稿件编号：201209016作者简介：欧阳文（1979—），男，广西田阳人。

人脸检测算法的实时性与鲁棒性的研究

人脸检测算法的实时性与鲁棒性的研究人脸检测算法在计算机视觉领域起到了重要的作用，在众多应用中，如人脸识别、人脸表情识别、人脸关键点检测等都需要先进行人脸的检测。

因此，研究人脸检测算法的实时性和鲁棒性变得尤为重要。

本文将针对这两方面的问题进行研究。

首先，在实时性方面，人脸检测算法需要能够在一定时间内迅速地检测出图像中的人脸。

这对于实时应用如视频监控、人机交互等来说尤为关键。

目前，常见的人脸检测算法包括Haar特征检测、HOG特征检测和深度学习方法。

这些算法有不同的特点和性能，因此在实时性方面也会存在差异。

Haar特征检测算法是一种基于特征的分类器，其计算速度较快。

该算法利用Haar小波函数对人脸进行特征提取，然后通过级联分类器实现人脸检测。

虽然Haar特征检测算法在一些资源受限的设备上具有较好的实时性，但在复杂背景和光照变化较大的情况下，其性能会有所下降。

HOG特征检测是一种基于梯度的特征描述符。

该算法通过计算图像中的局部梯度方向直方图来描述人脸的特征。

HOG特征检测算法在保持实时性的同时，对光照变化和部分遮挡具有一定的鲁棒性。

然而，该算法对于人脸姿态变化和尺度变化较大的情况下，其性能会受到限制。

深度学习方法是目前人脸检测算法的热门研究方向。

基于深度学习的人脸检测算法通过构建卷积神经网络来实现特征的学习和提取。

这类算法具有较强的鲁棒性，对于光照变化、姿态变化和尺度变化具有较好的适应性。

然而，由于深度学习算法的复杂性，其计算量较大，实时性方面仍需进一步优化。

其次，在鲁棒性方面，人脸检测算法需要能够对于各种复杂场景和变化进行有效的适应。

典型的挑战来源于光照变化、姿态变化、遮挡和表情变化等因素。

光照变化是人脸检测中常见的一种挑战。

由于光照条件的变化，人脸图像中的亮度、阴影等特征可能发生变化。

因此，人脸检测算法需要具备一定的鲁棒性来应对光照变化的影响。

一种常见的方法是使用多尺度的检测窗口来提高算法对于亮度变化的适应性。

人脸识别技术综述_论文

人脸识别技术综述[摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。

人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。

本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。

由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。

此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。

[主题词]：人脸识别；特征提取；图像预处理；光线补偿1.3国内外现状与趋势1.3.1 人脸识别的发展阶段[1]第一阶段（1964年----1990年）该阶段人脸识别技术还只是作为一个一般性的模式识别问题来研究，基于人脸几何结构特征（Geometric feature based）的方法是该阶段主要的技术方案。

在剪影（Profile）方面，人们大量研究了面部剪影曲线的结构特征，提取并分析。

布莱索（Bledsoe），戈登斯泰因（Goldstein）、哈蒙（Harmon）以及金出武雄(Kanade Takeo)等是较早从事自动人脸识别AFR研究的研究人员。

总的说来，该阶段是人脸识别研究的初级阶段，没有多少很重要的成果，也基本没有获得什么实际应用。

第二阶段（1991年-----1997年）该阶段尽管时间比较短暂，但却是人脸识别研究的高峰期，取得了很多成果，比如诞生了一些代表性的人脸识别算法，并出现了一些商业化运作的人脸识别系统（比如较著名的Visionics的FaceIt系统）。

基于多种特征提取和融合的人脸识别技术研究

基于多种特征提取和融合的人脸识别技术研究随着科技的飞速发展，人脸识别技术也得到了迅猛的发展与应用。

人脸识别技术是指通过对人脸图像进行处理，提取其特征信息，对其进行比对及识别的一种技术。

目前，人脸识别技术已经广泛应用于公安、银行、保险、金融、出入口管理、闸机安防等领域，成为一种非常重要的身份识别技术。

1、特征提取技术在人脸识别技术中，特征提取是非常重要的环节。

目前常用的特征提取方法有：基于LBP算子，基于SIFT特征点，基于Gabor滤波和基于深度学习等。

不同的特征提取方式会得到不同的识别性能，如何选择合适的特征提取算法是人脸识别技术的关键之一。

（1）LBP算子局部二值模式（LBP）算法是最早被广泛使用的一种人脸特征提取算法。

它将一个像素点周围的8个像素值与该中心像素值进行比较，得到二进制数，每个像素点都可以得到一个二进制数，将这些二进制数连接起来形成一个特征向量。

但是，LBP算子使用时需要先将人脸图像进行归一化处理，对于不同姿态、表情、光照变化的人脸识别准确率较低，这是它的一个缺点。

（2）SIFT特征点尺度不变特征变换（SIFT）是一种经典的图像特征提取算法。

它基于尺度空间理论与高斯差分函数，对图像进行连续的尺度空间变换，以寻找显著的尺度不变的特征点。

SIFT特征提取算法可以克服光照变化和各种不同的人脸变形，但是在图像配准的时候，计算量较大，计算时间较长。

（3）Gabor滤波Gabor小波函数是用来描述一定方向和频率的突出纹理信息的。

Gabor滤波器可以将图像的不同频率和不同方向的信息提取出来，进而得到图像的方向特征和纹理信息。

通过使用Gabor滤波器对人脸图像进行预处理，可以得到较为稳定的人脸特征信息。

（4）深度学习深度学习是机器学习的一个分支，它通过模拟人脑神经元的结构建立神经网络模型，实现对大规模数据的自动学习和处理。

在人脸识别领域，深度学习技术中的卷积神经网络（CNN）被广泛应用。

该方法能够从原始图像中学习特征，提取图像中最为重要的信息，并用于分类和识别。

基于Gabor小波变换和PCA的人脸识别方法

ｍｅｏａｅｎＧａｏｖｌｔａＣＡｓｐｏｏｅｈｔｄｂｓｄｏｂｒｗａｅｅｎｄＰｉｒｐｓｄ．ＦｒｔｉｃｅｅＧａｏｖｌｔｉｐｌｄｔａｅｉｇｅｉ，ｄｓｒｔｂｒｗａｅｅｓａｐｉｏｆｃｍａｓｓｅ
￣ｌｏｅｙａＰＣＡｉｎｉｎｒｄｃｉｎ，ｔｅｈｉｔｃｅｗｅｎｆａｕｅｖｃｏｓｃｍｐｔｄ，ａｄｌｔａｅｌｗｄｂｄｍｅｓｏｕｔｏｅｈｎｔｅｄｓａｅｂｔｅｅｔｒｅｔｒｉｏｕｅｎａ，ｆｃｎｓｓ
效果 ¨。
技术的发展和社会的进步，对快速有效的自动身份
鉴别的需求越来越迫切。人脸识别在人机交互、安
全鉴别、仿人机器人等方面有重要的应用。人脸识
别特征主要分为两类：（）１直观几何特征，人脸的几何特征是研究人脸的各部件形状、大小以及部件之间的相对关系等。人脸的部件包括眼镜、眉毛、鼻子、嘴、下巴以及面颊和轮廓线等。（）２代数特征，任何图像都可以近似的用特征图的线性组合来
笔者在Ｇｂｒａｏ小波变换的基础上，选取离散化
Ｇｂｒａｏ滤波器组参数，对图像进行Ｇｂｒａｏ小波变换。并对变换后的图像进行ＰＡ降维得到变换的特征Ｃ基，将不同的人脸图像样本集作为训练集和测试集，从实验中可以证明，文中算法具有很高的识别

ａｄＰｉｃｐｅＣｏｏｅｔｎｌｓ（ＣｎｒｎｉｌｍｐｎｎａｙｉＰＡ）Ａｓ
ＺａｇＸｉｎｄｎ，ＬｏｈｎａｇｏｇｉＢ

基于LGRP和多特征融合的人脸表情识别

(School of Electronics and Information Engineering，Shanghai University of Electric Power， Shanghai 200090，China)
Abstract: The method of multi-9eatures combined with Local Gabor Rank Pattern (LGRP) to exiracifacialexpresionalfeaiuresisproposed in orderio overcomecomplex Gaborfilierwhich direcily exiracisihefacialexpresionalfeaiureswiih someredundaniinformaiion and iheexiraciion is relaiively single.Firsi， ihe Gabormulii-direciionaland mulii-scale feaiures are exiracied in images， and iheLGRPisfurihercoded io enhanceiherobusinesand difereniiaiion abili iy. Then ， io exiraciihemulii-orieniaiion informaiion and reduceihedimension ofihefeaiures， iwo fusion rulesareproposed io fuseiheoriginalGaborfeaiuresofihesamescaleinio a single fea iure. Third， io exiracifacialexpresion feaiuresrespeciively， iheHaarwaveleiand Oisu ihreshold segmeniaiion meihodsand ihreediferenifeaiuresarefused ihrough cascades.Iican represeniefeciively local feaiuresand global fea iures. Fina ly， ihefacialexpresionsareideniified using SupporiVecior Machine (SVM). The average recognition rata of 94. 36% is achieved in CK + emotion pared wiih oihermeihod0， ihi meihod ha0achieved agood recogniiion raieand ro bustness.

Gabor频率对人脸特征定位的影响研究

ＩｆｅｃｆｂｒｒｑｅｃｎＦＧａｏｅｕｎｙｏａｉｌａｕｅＬｃｔＦＦｏ
Ｌｕ－ｅｇＪＡｅ－ｕＩｎｆｎ，ｔＣｈｎｈｉＹ
（ｌｃｒｍｅｈｎｃｌｎｉｅｒｇＣｌｇ，ｎｎＵｎｖ￣ｉｆｅｈｏｏｙＬｏａｇ４０ｉａ）ＥｅｔｏｃａｉａｇｎｅｉｏｌｅＨｅａｉｅｔｏｃｎｌｇ，ｕｙｎ７０３ＣｈｎＥｎａｙＴ１
特征点的定位。本文研究了不同频率的Ｇｂｒａｏ及其组合对特征点定位的影响，通过分析和试验得到了有利于人脸特征定位的Ｇｂｒａｏ频率组合。关键词：ａｏ小波，Ｇｂｒ频率，特征定位，人脸识别中图分类号：Ｐ９．１Ｔ３１４文献标识码：Ａ文章编号：０３２１２０）６０５０１０ —７４（０８０ —０３ — ５
ｄｓｕｓｅｈｎｌｅｃｆｄｆｅｅｔｆｅｕｎｉｓａｄｔｅｒｃｍｂｎｔｏｎｔｅｆａｕｅｐｉｔｌｃｔｏＡｎｈｂｒｉｃｓｓｔｅｉｆｕｎｅｏｉｆｒｎｒｑｅｃｅｎｈｉｏｉａｉｎｏｈｅｔｒｏｎｏａｉｎ．ｄｔｅＧａｏ
维普资讯
模式识别与仿真
ＰａｔｎＲｅｏｇｔｄＳｉｕａｉｔｅｒｃｎｉｏｎａｎｍｌｔ９ｉ
《自动化技术与应用》２００８年第２７卷第６期
Ｇａｒ率对人脸特征定位的影响研究 ★ ｂ频ｏ