基于Gabor脸和隐马尔可夫模型的人像识别算法.pdf

《基于Gabor脸和隐马尔可夫模型的人像识别算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、曹林等：基于Gabor脸和隐马尔可夫模型的人像识别算法基于Gabor脸和隐马尔可夫模型的人像识别算法!曹林!王东峰刘小军邹谋炎（中国科学院电子学研究所北京100080）（北京信息工程学院信息与通信工程系北京100101）摘要提出了基于Gabor小波变换和隐马尔可夫模型的人像识别算法。该算法先对人脸图像进行多分辨率的Gabor小波变换，采用主元分析法对每个结点进行降维，最后形成Gabor脸。把Gabor脸的每个特征结作为观测向量，对隐马尔可夫模型进行了训练，并把优化的模型参数用于人脸识别。实验结果表明，本文方法识别率高，复杂度较低，对部分遮挡的图像具有较大的容忍度

2、。关键词人脸识别，Gabor脸，主元分析，隐马尔可夫模型其中$"，I1分别定义了波向量"1，"的方向和尺度，0引言!=（x，y），·定义了向量范数。在式（2）中I=I/f1，。f为频率域中的采样步长，1max$"=""/8在人们的交往过程中，人脸所包含的视觉信息通常取f=2。Imax对应最大的采样频率，取占据了主导地位，它是区别人与人之间差别的最重Imax="/2。参数#决定了高斯窗的宽度与波向量长要特征，因而人脸识别技术成为当今研究的热点。度的比率，在本文中取#=7"/4。隐马尔可夫模型［1］是描述复杂现象的有力工具，有用（I!）=（Ix，y）表示图像的灰度分

3、布，则图像希望帮助我们处理人脸识别问题。由于Gabor小波I与Gabor小波!，1的卷积为："可近似对大脑皮层的视觉感知细胞的性态进行建01，"（!）=（I!）!1，"（!）（3）模，且它能较好地解释人的视觉对图像尺度的伸缩符号表示二维卷积。一个图像经过40个Gabor和方向变化的容忍度，所以可把它应用到人脸识别小波滤波后形成的集合为：中［2］。S=｛01，"（!）：1｛0，⋯，4｝，"｛0，⋯，7｝｝（4）本文先利用Gabor小波进行特征提取，形成Ga-由式（3）可知，对于图像上任意一点!i=（xi，bor脸。然后把Gabor脸的每个特征结作为观测向yi），经

4、过40个Gabor滤波器后形成了一个特征矢量，对隐马尔可夫模型进行训练，并把优化的模型参量，我们把这个特征矢量定义为“结”，用（!i）表数用于人脸识别。接着对算法复杂度进行了分析，示，即：并同其他四种相关方法进行了比较。最后给出了实（!i）=｛1，"（!i）=1，"（!）!#!i验结果分析。1｛0，⋯，4｝，"｛0，⋯，7｝｝（5）在文献［2］中利用弹性图来表示这些结之间的1特征提取关联，本文在进行特征提取后，将使用HMM表示这些结之间的关联。假设人脸图像的宽度为W，高度二维Gabor小波的核函数定义为［2］：为H，本文用宽度为Lx，高度为Ly的滑动采样窗

5、22"2"1，"!（!）=1，"e-2（LxXLy）对图像从上到下，从左到右进行采样，采样!1，"22##窗水平方向的重叠为Px，垂直方向的重叠为Py。!2（ei"1，"-e-#/2）（1）采样时只把采样窗口的中心点作为人脸图像的"1，"=（I1cos$"，I1sin$"）（2）“结”，忽略窗口内的其他点，也就是说，一个采样窗#国家自然科学基金（60072020）、中国科学院科技创新基金（1021-07）资助项目。!男，1977年生，博士，讲师；研究方向：模式识别，人脸识别；联系人，E-maiI：charIin26@163.com（收稿日期：2004-12-20

6、）—25—高技术通讯2005年6月第l5卷第6期对应一个“结”。采样个数由下式给出：（l）对人脸进行Gabor变换，求出特征结，并将H-Ly其作为观测向量，即Oi=J＼（!i）。T0=[]+l（6）Ly-Py（2）建立一个通用的模型"=（A，B，l），确定W-Lx模型的状态数、允许的状态转移和高斯混合概率成Tl=[]+l（7）Lx-Px分的个数。其中T0表示垂直方向采样点的个数，Tl表示水平（3）将训练数据均匀分割，与N个状态对应，计方向采样点的个数，［］符号表示向下取整。本文中算模型的初始参数。例如概率分布矩阵B=采样窗口的大小为7X7，9X9，llXll。重

7、叠为｛6（jOi）｝可依据下面的公式计算：Px=0，Py=0。M6（jOi）=cj（k2!）-d/2I#jkI-l/2由式（5）可知，J（!i）6R!D，其中D=40。文献ik=l［3］指出人脑总是在低维空间中完成诸如相似性判ex（p-（O-$^）T#-（lO-$^）/2）（9）ijkjkijk别的感知任务，因此低维对于机器学习也同样非常其中cjk为混合成分的比例因子，即用高斯混合模型重要。此外维数的降低也减少了下一步使用HMM来对概率分布矩阵B建模。$^jk和#jk分别为高斯混对人脸图像进行训练的计算量。另一方面，每个结合模型的均值和方差。之间存在相关性，这将

8、影响系统的识别性能，图l