基于Garbor滤波和PCA的双核LSSVM人脸识别

摘要：

为了对具有不同表情和姿势等特征的人脸进行有效识别，同时解决以往人脸识别方法的维数灾和识别准确率低的问题，提出了一种基于Garbor滤波和双核LSSVM的人脸识别方法。首先，采用Gabor滤波器提取原始人脸图像在不同尺度和方向上的人脸特征向量，然后采用主成分分析法对特征向量降维以解决维数灾问题。为了解决传统最小二乘支持向量机方法中核函数选取不能同时具有较强外推能力和插值能力的缺点，设计了一种新的核函数综合加权了多项式核函数和径向基函数。最后，采用训练样本数据对LSSVM进行训练得到最终的人脸分类模型。采用Matlab仿真工具对文中方法进行仿真，并与其它方法进行对比，实验结果表明文中的方法能有效地实现对人脸表情进行分类，且具有分类效率高和识别精度高的优点。

关键词：人脸识别、Gabor滤波器、主成分分析、最小二乘支持向量机

分类号：TP391(计算技术、计算机技术)

资助基金：河南省科技发展计划项目132102210479。

在线出版日期：2015-02-11（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：133-137