融合全局和局部特征的人脸识别算法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (24): 176-179.

融合全局和局部特征的人脸识别算法

杨军，张瑞峰，林岩龙，王小鹏

兰州交通大学电子与信息工程学院，兰州 730070

出版日期:2015-12-15 发布日期:2015-12-30

Face recognition based on global and local information

YANG Jun, ZHANG Ruifeng, LIN Yanlong, WANG Xiaopeng

School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China

Online:2015-12-15 Published:2015-12-30

摘要/Abstract

摘要： 针对人脸识别算法缺乏对光照变化的自动调节能力的弱点，提出了一种综合利用全局和局部特征进行人脸识别的新方法。对整幅人脸图像进行主成分分析；针对人脸局部特征，提出一种根据各局部子块包含的信息量即利用图像熵值进行自动加权的算法；基于贝叶斯原理对全局和局部特征进行数据融合，给出最终结果。实验结果表明，该数据融合算法综合全局和局部特征提取方式的优势，有效提高了人脸识别率。

关键词: 人脸识别, 局部特征, 全局特征, 主成分分析, 图像熵, 贝叶斯原理

Abstract: The existing face recognition algorithms lack the ability of automatic regulation for illumination variation. This paper describes a face recognition algorithm based on both global and local feature. Principal Component Analysis is performed to extract global features. A special strategy is used to combine different local features according to their image entropy. Bayes integration is adopted to fuse both global and local features and the final result is given. The experiments demonstrate that this algorithm can combine global and local information well and improve the efficiency of the face recognition rate.

Key words: face recognition, local feature, global feature, Principal Component Analysis（PCA）, image entropy, Bayes theory

杨军，张瑞峰，林岩龙，王小鹏. 融合全局和局部特征的人脸识别算法[J]. 计算机工程与应用, 2015, 51(24): 176-179.

YANG Jun, ZHANG Ruifeng, LIN Yanlong, WANG Xiaopeng. Face recognition based on global and local information[J]. Computer Engineering and Applications, 2015, 51(24): 176-179.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[5]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[6]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[7]	郑亮，陈亚，陈小潘，郑逢斌. 人脸局部特征增强的亲属关系验证方法[J]. 计算机工程与应用, 2021, 57(23): 226-233.
[8]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[9]	肖雅妮，范馨月，陈文峰. 多分支融合局部特征的行人重识别算法[J]. 计算机工程与应用, 2021, 57(18): 213-219.
[10]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[11]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[12]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[13]	张东梅，买日旦·吾守尔，古兰拜尔·吐尔洪. 面向高维混合不平衡信贷数据的单类分类方法[J]. 计算机工程与应用, 2021, 57(10): 233-240.
[14]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[15]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.