字典学习优化结合HMAX模型的鲁棒人脸识别

摘要：

针对人脸识别中由于姿态、光照等变化而影响识别性能的问题，提出了字典学习优化结合HMAX模型的人脸识别方法。首先，使用样本图像和从样本获得的仿射包模型联合表示一幅图像；然后，利用HMAX模型提取C2特征，并利用字典学习优化特征矩阵；最后，将视觉注意模型与原始模型的C2特征进行组合，并利用支持向量机完成分类。在Caltech和AR人脸数据库上的实验结果表明，相比其他几种较新的人脸识别方法，提出的方法取得了更好的识别性能，对人脸表情和光照变化具有鲁棒性。

关键词：人脸识别、HMAX模型、鲁棒性、支持向量机(SVM)、字典学习优化

所属期刊栏目：39

分类号：TN911.73-34;TP391.4

资助基金：河南省高等学校重点科研项目15A520063；河南省教育厅科学技术研究重点项目13A520221，14A520045；贵州省重大基础研究项目黔科合JZ字[2014]2001号

在线出版日期：2016-08-04（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：53-57