基于Haar特性的改进HOG的人脸特征提取算法

• 作者: 程春玲 蒋政
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 特征提取 人脸识别 方向梯度直方图 Haar 编码模式
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 303-307
• 页数: 5页
• 分类号: TP391
• 字数: 6119字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.01.056

摘要

现有的大多数特征提取算法在提取人脸特征时,容易受到光照等外界因素的影响,从而导致后期人脸识别率下降.而方向梯度直方图(Histogram of Oriented Gradient,HOG)具有较强的光照鲁棒性,能够很好地减少由光照带来的干扰,但传统HOG在计算梯度幅值和方向时只计算水平和垂直方向上4个像素点对中间像素的影响,当外界环境变化时不能保证稳定性,因此提出一种基于Haar特性的改进HOG的人脸特征提取算法.该算法在计算梯度幅值和方向时考虑水平、垂直以及对角线上8个像素点对中间像素的影响,由于增加计算量导致特征提取时间也随之增加,因此引入Haar,借助Haar型特征运算简单、快捷的特点设计4组Haar型特征编码模式,按照改进的HOG特征计算方式提取人脸特征.在有光照等外界因素影响的FERET人脸数据库和Yale B扩展的人脸测试库中进行实验,实验结果表明,与GFC,LBP和其他文献中的HOG算法相比,该算法对光照具有更好的鲁棒性,能够在光照变化的环境下提高人脸识别率.该算法在FERET探测集fb,fc,dup1和dup2上的识别率分别为95.1％,80.9％,70.1％和63.2％,在Yale B中的识别率为89.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程春玲	南京邮电大学计算机学院	54	368	11.0	16.0
2	蒋政	南京邮电大学计算机学院	1	31	1.0	1.0