基于多特征融合的人脸识别研究 - 计算机应用与软件.pdf

第３２卷第１２期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．１２ ２０１５年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１５ 基于多特征融合的人脸识别研究 １ ２ 蔡　淞 　鲁　帅 １（国网上海市电力公司电力科学研究院　上海２００４３７） ２（上海亚视信息科技有限公司　上海２０１２０３） 摘　要　　近年来人脸识别技术得到了迅速的发展和广泛的研究。利用公开的ＰｕｂＦｉｇ人脸数据集样本，针对人脸识别框架中３种 常用特征的提取算法进行理论分析，并采用ｌｉｂＳＶＭ分类器和感知器算法，对于不同样本容量进行单特征方法和特征融合方法的分 类训练、测试以及性能比较。实验结果表明，当各类别训练样本数大于１８０时，特征的分类能力趋于稳定。单特征分类能力ＳＩＦＴ＞ ＨＯＧ＞ＧＩＳＴ；特征融合的分类能力要高于单特征最大值的１％～２％；它比ＳＩＦＴ、ＨＯＧ、ＧＩＳＴ的平均值分别高出１．２％、４．９％、 １１．７％。 关键词　　ＳＩＦＴ特征　ＨＯＧ特征　ＧＩＳＴ特征　人脸识别 中图分类号　ＴＰ３７　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．１２．０３４ ＯＮＦＡＣＥＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＭＵＬＴＩＦＥＡＴＵＲＥＦＵＳＩＯＮ １ ２ ＣａｉＳｏｎｇ　ＬｕＳｈｕａｉ １（ＳｈａｎｇｈａｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＳＧＣＣ，Ｓｈａｎｇｈａｉ２００４３７，Ｃｈｉｎａ） ２（ＳｈａｎｇｈａｉＦｒｅａｔｉｖｅＣｏ．，Ｌｔｄ．，Ｓｈａｎｇｈａｉ２０１２０３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙｈａｓｂｅｅｎｒａｐｉｄｌｙｄｅｖｅｌｏｐｅｄａｎｄｗｉｄｅｌｙｓｔｕｄｉｅｄ．Ｉｎｔｈｉｓｐａｐｅｒｗｅｍａｋｅｕｓｅｏｆｔｈｅ ｐｕｂｌｉｃＰｕｂＦｉｇｆａｃｅｄａｔａｓｅｔｓａｍｐｌｅｔｏｃａｒｒｙｏｕｔｔｈｅｏｒｅｔｉｃａｌａｎａｌｙｓｉｓａｉｍｅｄａｔ３ｃｏｍｍｏｎｌｙｕｓｅｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｓｉｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ ｆｒａｍｅｗｏｒｋ，ａｎｄａｄｏｐｔｌｉｂＳＶＭｃｌａｓｓｉｆｉｅｒａｎｄＰｅｒｃｅｐｔｒｏｎａｌｇｏｒｉｔｈｍｔｏｃｏｎｄｕｃｔｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｔｒａｉｎｉｎｇ，ｔｅｓｔｉｎｇａｎｄｐｅｒｆｏｒｍａｎｃｅｃｏｍｐａｒｉｓｏｎ ｗｉｔｈｒｅｇａｒｄｔｏｔｈｅｓｉｎｇｌｅｆｅａｔｕｒｅｍｅｔｈｏｄａｎｄｔｈｅｆｅａｔｕｒｅｆｕｓｉｏｎｍｅｔｈｏｄｏｎｄｉｆｆｅｒｅｎｔｓａｍｐｌｅｃａｐａｃｉｔｉｅｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｗｈｅｎｔｈｅ ｎｕｍｂｅｒｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓｏｆｅａｃｈｃａｔｅｇｏｒｙｉｓｌａｒｇｅｒｔｈａｎ１８０，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｂｉｌｉｔｙｏｆｆｅａｔｕｒｅｔｅｎｄｓｔｏｂｅｓｔａｂｌｅ．Ｆｏｒｓｉｎｇｌｅｆｅａｔｕｒｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｂｉｌｉｔｙ，ＳＩＦＴｉｓｔｈｅｓｔｒｏｎｇｅｓｔ，ＨＯＧｉｓｔｈｅｓｅｃｏｎｄ，ａｎｄＧＩＳＴｉｓｔｈｅｌｅａｓｔ；ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｂｉｌｉｔｙｏｆｆｅａｔｕｒｅｆｕｓｉｏｎｉｓ１％～２％ ｈｉｇｈｅｒｔｈａｎｔｈｅｍａｘｉｍｕｍｏｆｓｉｎｇｌｅｆｅａｔｕｒｅｓ；Ｉｔｉｓ１．２％，４．９％，ａｎｄ１１．７％ｈｉｇｈｅｒｔｈａｎｔｈｅｍｅａｎｏｆＳＩＦＴ，ＨＯＧ，ＧＩＳＴｓｅｐａｒａｔｅｌｙ． Ｋｅｙｗｏ