融合全局和局部特征的人脸识别重点解析.pptVIP

融合全局和局部特征的人脸识别 期刊取自：IEEE TRANSACTIONS ON IMAGE PROCESSING 介绍：葛月月 201421070541 自动化工程学院 目录 课题研究背景和意义 全局和局部特征的不同作用和意义 全局和局部特征的提取 全局和局部分类器层级集成 实验与分析 结束语 研究背景和意义 人脸识别是计算机视觉和模式识别研究中的热点问题。目前，最好的人脸识别系统在理想情况下已经能够取得令人满意的识别性能。但大量测试和实践的经验表明：非理想条件下的人脸识别技术还远未成熟。本文主要针对人脸识别中的特征提取问题，提出将全局的Fourier特征与局部的Gabor特征进行层级集成：第一级分类器采用全局特征，进行粗略的分类；而第二级分类器同时采用全局和局部特征，进行更为精确的分类。实验结果表明，全局和局部特征的层级集成不仅可以提高人脸识别系统的正确率，也能够使系统速度得到较大提升。 全局和局部特征的不同意义 在人类人脸识别的过程中，人脸的全局特征和局部特征都起到了作用。 人脸的全局特征主要包括肤色、脸型、五官的分布等，用来进行粗略的匹配； 人脸的局部特征主要指面部五官的特点以及面部的奇异特征，用来进行精细的确认。 局部特征已经广泛的用于人脸识别，并取得了很好的效果。相对而言，基于全局特征的识别方法效果却不甚理想 全局和局部特征的不同作用 图 1 全局和局部特征在人脸