基于HMM-SVM融合模型的鲁棒人脸识别算法

• 作者: 李喜来 李艾华 白向峰
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 人脸识别 隐马尔科夫模型 支持向量机 离散余弦变换 奇异值分解
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 模式识别
• 页码范围: 103-107
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2010.06.018

摘要

针对人脸识别的鲁棒性问题,鉴于HMM具有良好的时间序列建模能力和SVM在有限样本的分类方面具有优良性能,采用一种基于HMM-SVM融合模型的鲁棒人脸识别算法.首先将归一化人脸图像用采样窗从上到下进行采样,采用DCT争SVD提取各个采样窗图像的特征参数并串接成观察向量,然后由每个人的训练图像的观察向量训练得到每个人HMM模型,将测试图像的观察向量采用Viterbi算法求出对应于每个人HMM模型的输出概率,最后将输出概率送入支持向量机进行分类训练及识别测试,得到人脸识别结果.在ORL库和Yale库的实验表明该算法的识别率高于传统的单一HMM方法和SVM方法,鲁棒性有一定的提高.