摘要：為提高復(fù)雜環(huán)境下的人臉識(shí)別率，該文提出了一種基于方向梯度直方圖奇異值分解（HOG-SVD）的人臉識(shí)別方法。首先提取整個(gè)人臉圖像的HOG特征，通過奇異值分解形成圖像的整體HOG-SVD特征。然后將人臉圖像分成均勻子塊，提取各子塊的HOG-SVD特征。之后將整體HOG-SVD特征和局部HOG-SVD特征組合形成最終分類特征。最后通過支持向量機(jī)分類器對(duì)其分類。在Yale人臉庫上的實(shí)驗(yàn)表明，該方法對(duì)表情、光照、姿態(tài)具有魯棒性，具有較高的識(shí)別率。

關(guān)鍵詞：人臉識(shí)別；HOG特征；奇異值分解；支持向量機(jī)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.3969/j.issn.1003 6970.2016.05.005

本文著錄格式：全雪峰.基于HOG SVD特征的人臉識(shí)別[J].軟件，2016，37（5）：18-21

0.引言

人臉識(shí)別是指從人臉圖像提取有效的特征信息，進(jìn)而判斷圖像中人的身份的一種技術(shù)。人臉識(shí)別技術(shù)可廣泛應(yīng)用于金融、考勤、公共安防、證件制作等領(lǐng)域，已成為當(dāng)前模式識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)。

要取得好的人臉識(shí)別效果，能否提取出好的人臉特征和設(shè)計(jì)一個(gè)好的分類器是人臉識(shí)別技術(shù)的關(guān)鍵。為此，研究人員提出了許多人臉特征表示方法。Hong將矩陣奇異值分解（singular value dccomposition，SVD）引入人臉識(shí)別中，利用奇異值作為人臉識(shí)別特征，但錯(cuò)誤識(shí)別率較高（42.67%）。Oiala等人提出的局部二值模式（10cal binary pattern，LBP）對(duì)光照有很強(qiáng)的魯棒性，但缺乏對(duì)尺度、旋轉(zhuǎn)等的處理；Low提出的尺度不變特征變換（scale invariant feature transform，SIFT）能適應(yīng)圖像的尺度、旋轉(zhuǎn)等，但計(jì)算時(shí)間較長。Bay等人提出快速健壯特征（speedup robust features，SURF），其計(jì)算時(shí)間優(yōu)于SIFT，也能適應(yīng)圖像的尺度變化，但犧牲了一定的精度。Dalal等人提出的方向梯度直方圖（histogram of oriented gradient，HOG）對(duì)光照、尺度、方向有良好的適應(yīng)性。李林等人提出基于HOG-PCA的圖像分類方法。并取得了較好的分類效果。萬源等人提出基于LBP和HOG的分層特征融合的方法。本文在上述文獻(xiàn)的基礎(chǔ)上，提出一種基于HOG和SVD的人臉特征提取方法，通過融合人臉的整體HOG-SVD特征和局部HOG-SVD特征，利用支持向量機(jī)來實(shí)現(xiàn)人臉識(shí)別。在Yale人臉數(shù)據(jù)庫上的實(shí)驗(yàn)表明，本文方法優(yōu)于對(duì)比方法，具有較高的識(shí)別率和對(duì)光照、姿態(tài)、表情等的魯棒性。