基于Gabor特征核协作表达的三维人脸识别

为了克服三维人脸识别中光照、表情、姿态等变化带来的识别困难,本文提出了基于Gabor特征的核协作表达三维人脸识别算法.协作表达分类算法利用相似人脸数据共同协作表示测试人脸,通过2范数求解稀疏系数,根据重构误差将测试人脸正确归类.该方法通过Gabor滤波器提取三维人脸深度图的40个不同尺度和方向的Gabor特征,然后选择合适核函数将其映射到高维核空间进行非线性降维和特征选取,最后结合协作表达分类算法完成三维人脸的识别.Kinect人脸库和Texas三维人脸库实验表明,该方法能在较少训练样本的情况下取得足够好的识别效果.

基于门禁系统的人脸识别算法——Gabor小波变换

Gabor小波变换对人脸图像上的部分结点(基准点)进行多尺度、多方向的Gabor小波变换,提取人脸的纹理特征,然后再对提取的Gabor特征进行后续的特征选择、降维、特征再提取以及分类识别等处理。结合弹性束图匹配算法,利用人脸的基准特征点构造拓扑图,保留了局部特征的拓扑结构作为整体特征。将模拟进化算法与基于局部特征的人脸识别方法相结合,整体的拓扑结构约束作为进化算法中的整体优化,局部特征的相似度对比作为进化算法中的局部优化,即可完成人脸面部特征点的正确匹配,完成高精度的人脸识别。在检测过程中只要抓住基准点,就可保留总体人脸信息,同时局部特征也得到了增强,这样可减少运算量,提高识别率和识别速度。

基于多方向Gabor特征图协同表示的鲁棒人脸识别

为提高基于稀疏表示分类(SRC)算法在可变光照、姿态和表情下的人脸识别性能,提出一种基于多方向Gabor特征图(MGFM)和协同表示分类(CRC)的鲁棒人脸识别方法。首先,对人脸图像进行多方向多尺度Gabor变换,并融合同一方向不同尺度的Gabor特征;其次,在每个方向的融合特征图上提取Gist特征。在进行人脸识别时,可采取2种方法:1)将人脸图像所有方向的Gist特征直接串联或自适应加权后串联构成人脸全局特征向量,并使用协同表示分类器得到识别结果;2)对人脸图像每个方向的Gist特征向量分别使用协同表示分类器进行预分类,预分类时使用自适应K近邻策略确定候选类并进行评分,取总得分最高的类作为识别结果。最后,在ORL,Extended Yale B和AR等人脸数据库上开展人脸识别实验,由提出的方法分别取得99.8%,100%和99.7%的识别准确率和较快的执行速度。研究结果表明:本文方法利用多方向Gabor特征图(MGFM)建立人脸图像的特征表示能有效描述人脸局部信息,利用自适应K近邻策略改进协同表示分类算法能取得较高的识别准确率和执行效率。