基于多尺度梯度角和SVM的正面人脸识别方法

• 作者: 严晓浪 赵武锋
• 来源期刊: 浙江大学学报(工学版)
• 学科: 工学
• 关键词: 反对称双正交小波 支持向量机 线性鉴别分析 主成分分析 多尺度梯度角 非负矩阵分解
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 自然化技术、计算机技术
• 页码范围: 590-592,617
• 页数: 4页
• 分类号: TP391
• 字数: 1930字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2008.04.008

摘要

为了提高人脸识别算法性能,提出了一种多尺度梯度角(MSGA)和支持向量机(SVM)相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波(ASBW)的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数据、小波处理后数据进行了仿真比较,实验数据显示,不论使用主分量分析(PCA)还是线性鉴别分析(LDA)降维,在相同的维数条件下,新方法的识别性能都优于其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严晓浪	浙江大学超大规模集成电路设计研究所	246	1634	19.0	29.0
2	赵武锋	浙江大学超大规模集成电路设计研究所	13	60	6.0	7.0