基于Zernike特征提取和LDA的人脸图像识别方法

• 作者: 华珊珊
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 人脸识别 Zernike矩 PCA特征降维 LDA分类器
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 人工智能驱动的自动化
• 页码范围: 198-203
• 页数: 6页
• 分类号: TP391
• 字数: 4222字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.160065

摘要

针对现有人脸识别方法不能很好的处理面部表情、光照、头部姿势和遮挡等问题,提出一种基于Zernike特征提取和线性判别分析(LDA)分类器的人脸识别方法.首先,对图像进行归一化处理,并进行裁剪;然后,利用Zernike矩(ZM)提取全局特征,并利用主成分分析(PCA)来对特征进行降维;最后,利用提出的决策融合算法对局部和全局特征进行融合,获得一个最终的特征向量作为LDA分类器的输入,进而进行人脸识别.在ORL、AR和CASIA 3D人脸数据库上的实验结果表明,该方法在具有较低计算量的同时显著提高了的人脸识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	华珊珊	合肥学院计算机科学与技术系	10	37	4.0	6.0