[发明专利]基于特征融合的集成人脸识别方法

摘要

本发明属于模式识别技术领域，涉及基于特征融合的集成人脸识别方法。本发明采用PCA、SPP及简单投影方法提取图像的整体特征，采用子图像方法提取局部特征，将它们共同作为属性Bagging方法中的属性，并进行集成分类识别。本发明通过三庭五眼划分局部特征，一方面可以保留器官区域的完整性，另一方面减少了人工干预；通过整合整体特征和局部特征信息，降低人脸图像可能受到的光照、姿势、表情等各种因素的影响，提高了人脸识别正确率，且对外界因素变化具有很好的鲁棒性。实验表明，在AR数据库上，最好的情况下本发明所述方法比整体特征方法的识别率平均值提高了27％左右。

主权项

基于特征融合的集成人脸识别方法，其特征在于包括如下步骤：步骤1，图像预处理；步骤1.1，对人脸原始图像进行大小归一化处理；步骤1.2，确定训练集和测试集；将原始图像集X分为训练样本集XR和测试样本集XT，将XR进一步分为训练基分类器时的训练集XRR和测试集XRT；步骤2，特征提取；步骤2.1简单投影特征提取；对原始人脸图像集X进行简单投影：将图像像素逐列相加求平均，将其结果记为Feature_simple_projections；步骤2.2，提取局部特征；将原始人脸图像集X按照“三庭五眼”分割成大小相等的子图像，将其逐列相加求平均，将其结果记为Feature_local；步骤2.3，利用PCA方法得到整体特征，将其结果记为Feature_PCA；步骤2.4，利用SPP方法得到整体特征，将其结果记为Feature_SPP；步骤2.5，将Feature_PCA、Feature_SPP、Feature_simple_projections以及Feature_local共同作为属性Bagging方法中的属性集A；步骤3，集成分类识别；步骤3.1，设置迭代次数T和属性个数N；步骤3.2，从原始属性集A中重抽样N个属性构建新的样本集；步骤3.3，在新的训练集上训练基分类器；按抽取的属性顺次连接成为列向量，根据不同的样本集合得到识别性能互补的基分类器；步骤3.4，通过综合投票法得到集成分类器，利用该分类器对测试样本进行分类识别。