单一的特征与分类器只能对限定条件下的人脸进行较好的识别,当在非限定条件下(如光照、背景等发生变化时)将出现人脸识别率较低问题。针对该问题,提出了一种基于多种局部二进制特征集成学习的人脸识别算法。使用SDM( supervised descent method)算法对人脸特征点定位,应用CSLBP算子提取每个特征点邻域特征,将所有人脸特征点邻域特征合成为精细的纹理特征;同时运用分区LBP直方图算法提取人脸区域的微观空间结构特征,再使用KNN和SVM分别训练这两种特征,得到类别排序列表和投票决策矩阵;最后利用加权求和的规则融合决策矩阵,构成最优集成分类器,从而得到输出类别。通过在非限制性人脸库LFW上的实验结果表明,所提算法采用集成的方法明显优于单一的特征和分类器。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !