基于分块SIFT和GMM的人脸识别方法

• 作者: 曾文华 肖振球 陈旭东
• 来源期刊: 湘潭大学自然科学学报
• 学科: 工学
• 关键词: 人脸识别 高斯混合模型 尺度不变特征变换 生物认证
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 机械工程与电子工程
• 页码范围: 90-95
• 页数: 6页
• 分类号: TP391
• 字数: 3977字
• 语种: 中文

摘要

当前人脸识别方法对采集环境要求严格,多是基于不变特征格,普适性不强.提出一种基于分块SIFT和GMM的人脸识别方法,首先在人脸整体和各分块图像上分别提取SIFT特征,并采用PCA方法进行降维处理,得到鲁棒性强和区分能力好的人脸特征;然后借鉴假设检验的思想,用通用的背景模型描述生物特征识别问题,并通过GMM方法和本文提出的成对模型构建人脸的背景模型和个体模型,据此计算待识别样本与注册样本之间的相似度,求取分类指数,采用分层决策框架实现人脸识别.仿真实验表明,本文方法对环境变化的识别鲁棒性强、识别性能好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖振球	嘉应学院计算机学院	14	37	3.0	5.0
2	曾文华	厦门大学软件学院	48	589	12.0	23.0
3	陈旭东	嘉应学院计算机应用技术研究所	8	42	3.0	6.0