基于全局与局部特征融合的人脸识别方法

doi:10.3969/j.issn.1006-2475.2014.03.026

计算机与现代化

基于全局与局部特征融合的人脸识别方法

厦门大学信息科学与技术学院，福建厦门361005

收稿日期:2014-01-16 出版日期:2014-03-24 发布日期:2014-03-31
作者简介:兰佩（1989-），女，湖南益阳人，厦门大学信息科学与技术学院硕士研究生，研究方向：计算机视觉，模式识别，人脸识别；方超（1986-），男，硕士研究生，研究方向：计算机视觉，图像处理，人脸识别。

Face Recognition Method Based on Global and Local Features Fusion

School of Information Science and Technology, Xiamen University, Xiamen 361005, China

Received:2014-01-16 Online:2014-03-24 Published:2014-03-31

摘要/Abstract

摘要： 针对现有预处理算法存在的缺陷及单一人脸特征在识别中的局限性，本文在基于双眼独立动态阈值的人脸预处理方法的基础上，研究全局特征PCA、2DPCA与局部特征LBP、Gabor，分析对比这几种特征的识别效果及适用情况；根据对这几种特征的研究分析，采用特征融合的方式对PCA和LBP特征进行融合；实验结果验证了在ORL库和ESSEX库上采用决策级融合的识别率优于特征级融合及单一特征的识别率。


关键词: 人脸识别, 全局特征, 局部特征, 2DPCA, LBP, Gabor, 特征融合

Abstract: In order to overcome the defects of current pre-processing method and the limitation of the sole facial feature recognition, four face recognition methods are studied based on the eyes-independent dynamic threshold-based algorithm of pre-processing .We extract global features using PCA and 2DPCA, and Gabor and LBP features for face local feature, analyze and compare the recognition rate of these features extraction methods and the situation which is suitable to these features. Based on the analysis of these features, feature fusion experiments are designed for PCA and LBP to improve the recognition accuracy. The experimental results show that the recognition rate is higher when using the decision fusion instead of the feature fusion and sole feature on the ORL and ESSEX database.

Key words: face recognition, global feature, local feature, 2DPCA, LBP, Gabor, feature fusion

中图分类号:

TP391.41

兰佩，方超. 基于全局与局部特征融合的人脸识别方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.03.026.

LAN Pei， FANG Chao. Face Recognition Method Based on Global and Local Features Fusion[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.03.026.

参考文献

参考文献：
［1］Heisele B, Ho P, Poggio T. Face recognition with support vector machines: Global versus componentbased approach ［C］// Proceedings of the Eighth IEEE International Conference on Computer Vision. 2001:688-694.
［2］Shen L, Bai L. MutualBoost learning for selecting Gabor features for face recognition［J］. Pattern Recognition Letters, 2006,27(15):1758-1767.
［3］Ahonen T, Hadid A, Pietikinen M.Face recognition with local binary patterns［J］. Computer VisionECCV 2004, 2004,3021:469-481.
［4］Yang J, Frangi A F, Zhang D, et al. KPCA plus LDA: A complete kernel Fisher discriminant framework for feature extraction and recognition［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005,27(2):230-244.
［5］Yang J, Zhang D, Frangi A F. Twodimensional PCA: A new approach to appearancebased face representation and recognition［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004,26(1):131-137.
［6］陶亮,庄镇泉. 复杂背景下人眼自动定位［J］. 计算机辅助设计与图形学学报, 2003,15(1):38-42.
［7］顾华,苏光大,杜成. 人脸关键特征点的自动定位［J］. 光电子·激光, 2004,15(8):975979.
［8］王丽婷,丁晓青,方驰. 基于随机森林的人脸关键点精确定位方法［J］. 清华大学学报: 自然科学版, 2009,49(4):543-546.
［9］方超,王斌斌,陈立生. 基于双眼独立动态阈值的人脸预处理及识别［J］. 电脑知识与技术, 2012,8(7):1618-1621.
［10］苏煜,山世光,陈熙霖,等. 基于全局和局部特征集成的人脸识别［J］. 软件学报, 2010,21(8):1849-1862.
［11］孙大瑞,吴乐南. 基于Gabor变换的人眼定位［J］. 电路与系统学报, 2001,6(4):29-32.
［12］钟荣清,李静. 一种基于决策融合的三维人脸识别新方法［J］. 信息与电脑:理论版, 2011(4):44-45.
［13］朱明旱,罗大庸. 2DFLD与LPP相结合的人脸和表情识别方法［J］. 模式识别与人工智能, 2009,22(1):60-63.
［14］Gupta S, Castleman K R, Markey M K, et al. Texas 3D face recognition database［C］// 2010 IEEE Southwest Symposium on Image Analysis & Interpretation (SSIAI). 2010:97-100.
［15］Gupta S, Markey M K, Bovik A C. Anthropometric 3D face recognition［J］. International Journal of Computer Vision, 2010,90(3):331-349.

[1]	宁娟, 周庆华, 曾小为. 改进YOLOv7算法在西林瓶轧盖缺陷检测中的应用[J]. 计算机与现代化, 2023, 0(12): 82-86.
[2]	谷明轩, 范冰冰. 基于多模态特征融合的抑郁症识别[J]. 计算机与现代化, 2023, 0(10): 17-22.
[3]	陈俊义. 基于图节点动静态特征的健康事件预测模型[J]. 计算机与现代化, 2023, 0(10): 39-44.
[4]	邢世帅, 刘丹凤, 王立国, 潘月涛, 孟灵鸿, 岳晓晗. 基于空间注意力残差网络的图像超分辨率重建模型[J]. 计算机与现代化, 2023, 0(10): 45-52.
[5]	王鑫, 肖韬睿. 基于生成对抗网络的人脸识别对抗攻击[J]. 计算机与现代化, 2023, 0(10): 115-120.
[6]	陈嘉敏, 张伯泉, 麦海鹏. 基于特征融合的海马体分割[J]. 计算机与现代化, 2023, 0(08): 1-6.
[7]	王鸿, 葛红. 基于注意力机制和语义相似度的跨模态哈希检索[J]. 计算机与现代化, 2023, 0(08): 44-53.
[8]	杨孙哲, 孙爱珍. 基于HSV颜色与LBP纹理特征的水稻氮素营养诊断[J]. 计算机与现代化, 2023, 0(07): 86-92.
[9]	王杰, 潘凤, 张艳莎, 谭棉, 严晓波, 王林, . 融合带权非局部模块的铝型材表面缺陷分类[J]. 计算机与现代化, 2023, 0(05): 86-92.
[10]	朱理清, 李祥, . 改进YOLOv5算法的遥感图像车辆检测[J]. 计算机与现代化, 2023, 0(05): 117-121.
[11]	徐康健, 龚泓宁, 李灿, 佟德宇. 基于SVR的嵌入强度自适应的图像水印算法[J]. 计算机与现代化, 2023, 0(03): 38-42.
[12]	盛江岸, 陈淑荣. 融合双重注意力机制的戴口罩人脸识别方法[J]. 计算机与现代化, 2023, 0(02): 72-77.
[13]	张晓东, 王栩颖, 秦子轩. 基于特征融合的抽油机井检泵周期预测[J]. 计算机与现代化, 2022, 0(12): 60-66.
[14]	王长军, 彭成, 李勇. 复杂环境下的多特征融合船舶目标检测算法[J]. 计算机与现代化, 2022, 0(11): 81-88.
[15]	刘立婷, 欧毓毅. 融合注意力机制与并行混合网络的DGA域名检测[J]. 计算机与现代化, 2022, 0(09): 119-126.

基于全局与局部特征融合的人脸识别方法

Face Recognition Method Based on Global and Local Features Fusion

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价