蚁群算法优化支持向量机人脸识别.doc

蚁群算法优化支持向量机的人脸识别 　　摘 要： 针对角点特征检测进行人脸识别中特征配准度低、识别精度不高的问题，提出基于蚁群算法和支持向量机的人脸识别算法。首先采用支持向量机算法进行人脸多重特征检测提取，然后对提取到的特征信息采用蚁群算法进行训练分类，实现对人脸特征的准确检测和分类识别，最后在Matlab仿真平台上进行性能测试，仿真结果表明，采用该算法进行人脸识别的精度较高，训练过程的收敛性较好，计算开销降低 关键词： 蚁群算法； 人脸识别； 支持向量机； 特征检测 中图分类号： TN911.7?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）21?0092?03 Face recognition based on ant colony algorithm optimizing support vector machine SUN Shanshan （College of Information Engineering， Suihua University， Suihua 152000， China） Abstract： Since the angular point feature detection for face recognition has the problems of low feature registration andrecognition accuracy， a face recognition algorithm based on ant colony algorithm and support vector machine is put forward. The support vector machine algorithm is used to extract the face multi?feature. And then the ant colony algorithm is used to train and classify the extracted feature information to realize the accurate detection， classification and recognition of face feature. The performance is tested on Matlab simulation platform. The simulation results show that the algorithm has high face recognition precision， good convergence in training process， and low computation cost. Keywords： ant colony algorithm； face recognition； support vector machine； feature detection 0 引 言 随着图像处理技术的发展，采用图像智能识别方法进行人脸视觉特征分析，对人脸的面部信息特征的提取和信息分析，可实现人脸的智能定位识别[1?2]。这项技术将在刑事侦查、安全监控、图像数据库信息检索等领域具有较高的应用价值。人脸识别的本质是在海量的人脸信息样本中，通过仿生群训练进行特征搜索和提取，结合专家样本库中的人脸采集特征进行属性区别和分类检索[3?4]。在信息科技技术高度发达的今天，通过人脸识别能有效提高信息搜索能力，研究人脸识别算法受到相关学者和专家的重视[5?6] 为了提高人脸识别精度，提出基于蚁群算法和支持向量机的人脸识别算法，结果表明，采用该算法进行人脸识别的精度较高，训练过程的收敛性较好，计算开销降低 1 人脸图像的检测与样本训练 首先对人脸图像进行检测和仿射变换处理，对人脸面部特征进行增强处理，提高对人脸识别的准确性，在仿射不变区域构建人脸图像的切面图如图1所示 在多维尺度空间中对人脸特征进行尺度分解和特征提取，分析人脸变化的动态特征信息[7]，假设人脸图像变换角度为[θ1，]人脸部的特征点信息在旋转变换坐标系内的特征方程描述为： [xy1=cos（-θ1）-sin（-θ1）0sin（-θ1）cos（-θ1）0001xy1] （1） 为了使特征部位更加清晰，采用高阶不变矩对垂直旋转角度的人脸图像进行面部矫正，得到人脸部的特征点信息，特征点校正方程描述为： [xy1=cosθ1-sinθ10sinθ1cosθ10001xy1] （2） 式中：[x，y]分别是人脸图像属性的各个特征点的二维坐标；[x，][y]分别