基于FSIF改进均值漂移LDA的多姿态变化人脸识别

针对传统的人脸识别方法在处理多姿态变化人脸问题时耗时过长及成本过高的问题,提出了一种基于尺度不变特征融合(FSIF)的双阶段分类方法。首先执行均值漂移线性判别分析找到5个类似于查询人脸的最佳候选类;然后利用尺度不变特征融合提取出候选人脸及查询人脸的融合特征描述符,并进行特征匹配得到目标人脸;最后,根据特征描述符的匹配关键点数目完成人脸的识别。实验结果表明,所提方法解决了由姿态变化引起的大的脸部变异,降低FSIF人脸识别的计算复杂度,并在不降低识别性能的前提下大大节约了成本,相比于几种较为先进的3D变换方法,所提方法取得了更好的识别效果,有望应用于实时安全系统。