基于Haar特性的改进HOG的人脸特征提取算法

摘要：

现有的大多数特征提取算法在提取人脸特征时,容易受到光照等外界因素的影响,从而导致后期人脸识别率下降.而方向梯度直方图(Histogram of Oriented Gradient,HOG)具有较强的光照鲁棒性,能够很好地减少由光照带来的干扰,但传统HOG在计算梯度幅值和方向时只计算水平和垂直方向上4个像素点对中间像素的影响,当外界环境变化时不能保证稳定性,因此提出一种基于Haar特性的改进HOG的人脸特征提取算法.该算法在计算梯度幅值和方向时考虑水平、垂直以及对角线上8个像素点对中间像素的影响,由于增加计算量导致特征提取时间也随之增加,因此引入Haar,借助Haar型特征运算简单、快捷的特点设计4组Haar型特征编码模式,按照改进的HOG特征计算方式提取人脸特征.在有光照等外界因素影响的FERET人脸数据库和Yale B扩展的人脸测试库中进行实验,实验结果表明,与GFC,LBP和其他文献中的HOG算法相比,该算法对光照具有更好的鲁棒性,能够在光照变化的环境下提高人脸识别率.该算法在FERET探测集fb,fc,dup1和dup2上的识别率分别为95.1％,80.9％,70.1％和63.2％,在Yale B中的识别率为89.1％.

关键词：特征提取、人脸识别、方向梯度直方图、Haar、编码模式

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：303-307