融合遮挡检测与HOG特征协作表示的鲁棒人脸识别

摘要：

稀疏表示分类算法在人脸识别中表现出较好性能，但其对面部遮挡的鲁棒性较差，在特征提取时未利用面部鲁棒特征且实时性差。针对以上问题，本文提出了融合遮挡检测与 HOG特征协作表示的人脸识别方法。首先，设计了一种基于 HOG特征和支持向量机的遮挡检测方法，根据常见遮挡的分布将人脸分块，在子块上检测遮挡。然后，结合遮挡检测结果，仅提取非遮挡部分的 HOG 特征并利用协作表示方法进行分类。测试结果表明：对 AR人脸库中遮挡图像的平均识别率为95.2%，对 AR、Yale 人脸库中发生光照和表情变化人脸的识别率分别为97.3%和98.6%，且运算速度比稀疏表示方法提升了约293倍。与基于稀疏表示的分类方法相比，该方法的鲁棒性和实时性都有明显提升。

关键词：HOG特征、支持向量机、遮挡检测、协作表示、人脸识别

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61502278,61170253;山东科技大学人才引进科研启动基金项目2015RCJJ067

在线出版日期：2017-02-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：111-117