基于Gabor滤波和KPCA的人脸识别方法.pdfVIP

第20卷 第4期 计 算机 技 术 与 发展 2010年4月 ODMPUTERTB口 Ol0GYANDDEVELOPMENT 基于Gabor滤波和KPCA的人脸识别方法 时书剑 ，马 燕2 (1．上海师范大学天华学院计算机科学与技术系，上海 201815； 2．上海师范大学数理信息学院，上海 200234) 摘 要：尽管核主分量分析能够有效地提取非线性特征，并成功地应用于人脸识别，但是抽取对光照、表情不敏感的特征 仍然是亟待解决的问题。该文提出了一种结合Gabor特征和核主分量分析的人脸识别方法。首先通过G~br,r 簪耐^ 脸图像滤波，并通过实验分析了C,a~r滤波器参数的选择，然后采用核主分量分析的方法降低Gabor特征的维数．象云采 用最近邻分类器进行识别。由于采用了Gabor滤波，该方法对光照、表情具有鲁棒性，在ORL人脸库上的实验结旱表强， 该方法在识别性能上优于核主分量分析方法。 关键词：人脸识别；Ga~r滤波；核主分量分析；核函数 ；非线性特征 中图分类号：，n】391 文献标识码：A 文章编号：1673—629X(2010)04一o051一O3 FaceRecognitionBasedonGaborFiltersand KernelPrincipalComponentAnalysis SHIShu-jian．MAYan2 (1．ComputerScienceTechnologyDepartnmat，TianhuaCollege，ShanghaiNormalUniversity， Shanghai201815，China； 2．Mathematics ScienceCollege，ShanghaiNormalUniversity，Shanghai200234，China) Abstract：Kernelprincipalcomponentanalysis(KPCA)isaneffectivemethodfornonlinearfaetureextraction，andit、 successfallyuti． 1izedforfacerecx~ itoin．Buttoextractfeatureadaptedtoilluminationnadexpressionsisstillaproblem unsolved．A face recognition methodbasedonGaborfeaturenadkernelprincipalcomponentanalysisispresentde inthispaper．First．Gaborfaeturevect0rrederived fromGaborfilters．AndthechoicesofGaborfilterparametersareanaly~ byexperiment． efeaturevectorsarethenprojectde toKP— CAsubspacetordeuce Gaborfeaturedimensoin．Finally。then estneighborclassifierisusedforidentificatoin．B~2aLISeofGaborfilter， thismethedismorerobustagainstvariationsinilluminatoinnadexpressions．TheexperimentresultOnORL facedatabasesshowsthis methodiSbetterthanKPeA． Keywords,．facerecognition；Gaborfilters；kemelprincipalccmponentanalysis；kemelfunctoin；nonlinearfaeture O 引 言