基于Gabor小波和模型自适应鲁棒人脸识别方法.docVIP

基于Gabor小波和模型自适应鲁棒人脸识别方法 　　摘 要：提出了一种基于Gabor小波人脸特征和模型自适应算法的新鲁棒人脸识别方法。该方法在真实识别前，通过用与真实识别相同的环境条件下所获得的人脸图像数据对原始模型进行更新补偿，实现了模型自适应。该模型自适应更新算法是加性的，其具有较低的时间和空间复杂度。通过模型自适应更新，新方法可以有效地减少模型和识别数据间的失配，从而提高识别率。在ATT和MIT??CBCL人脸数据库上的测试结果表明，该方法是有效的。 　　?す丶?词：模型补偿； 人脸识别； 模型自适应； Gabor； 联想记忆模型 　　?ぶ型挤掷嗪牛?TP391??41 文献标志码：A 　　 文章编号：1001?菠B3695(2008)09?菠B2868?菠B04 　　Robust face recognition by Gabor features and model adaptation 　　LIN Jie, LI Jian??ping 　　 (School of Computer Science Engineering, University of Electronic Science Technology of China, Chengdu610054， China) 　　Abstract:This paper proposed a robust face recognition algorithm based on Gabor wavelet representations and model adaptation. The models used in this work were from linear associative memory method and fast compensated by adaptively learning from the given facial data, which were obtained in same condition as testing. The proposed adaptation algorithm is incremental. It has low time and space complexity. By compensating models, this method can efficiently reduce the mismatch between models and testing data, substantially improving the performance of classifier. The new recognition method was tested using two widely used face datasets：ATT and MIT??CBCL face database. Results indicate that the algorithm is effective. And due to the computational simplicity, the algorithm is also efficient. 　　??Key words：model compensation; face recognition; model adaptation; Gabor; associative memory model 　　 　　随着图像处理和模式识别技术的发展，近几年，人脸识别已经成为模式识别和人工智能领域的研究热点之一。目前主要的人脸识别方法有PCA方法[1,2]、Fisher脸方法[3]、支持向量机(SVM)[4,5]和联想记忆模型(associative memory, AM)[6~9]等。但是在实际应用中这些算法的性能并不理想。其主要原因是在实际应用中，光照条件、人脸旋转角度、表情、发型和背景等因素的变化造成了模型和识别数据间的失配，从而影响了识别算法的性能。?? 　　Gabor滤波器[10,11]能够提取诸如空间位置、方向取向选择性和空间频率特性等视觉特征，并且该特征具有对亮度和人脸表情变化不敏感的优点，采用Gabor小波变换作为人脸特征提取方法。同时结合Gabor小波人脸特征，本文提出了一种基于Gabor小波人脸特征和模型自适应更新算法的鲁棒人脸识别新方法。该方法可以有效地减小由光照条件、发型和背景等因素的变化所造成的模型和识别数据间的失配，从而有效地提高识别效果。该方法采用联想记忆模型(AM)作为基本模型。在新方法中，为了有效地减小模型和识别数据间的失配，在识别前，通过用与识别相同的环境条件下所获得的人脸图像数据对原始模型进行更新和补偿，从而使模型