Gabor特征融合的嵌入式人脸识别系统的研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (11): 148-151.

• 图形、图像、模式识别 • 上一篇下一篇

Gabor特征融合的嵌入式人脸识别系统的研究

叶继华，王仕民，郭帆，杨庆红，余敏

江西师范大学计算机信息工程学院，南昌 330022

出版日期:2012-04-11 发布日期:2012-04-16

Research of Gabor features fusion in embedded face recognition system

YE Jihua, WANG Shimin, GUO Fan, YANG Qinhong, YU Min

College of Computer Information Engineering, Jiangxi Normal University, Nanchang 330022, China

Online:2012-04-11 Published:2012-04-16

摘要/Abstract

摘要： 在嵌入式人脸识别系统中，由于多尺度Gabor抽取特征的维数和数据量过大，不适合在ARM板上实现，提出了多尺度Gabor特征加权融合的方法，很好地解决了图像维数和数据量过大的难点。加权融合过程包括多尺度Gabor特征的提取、特征权值的计算和加权融合过程。同时使用了类Haar特征提取人脸、2DPCA对人脸图像进行降维。基于EELiod 270嵌入式开发平台实现了一个嵌入式系统，结合典型图片库和实际图片进行了人脸识别测试，实践结果表明，系统在保证一定的识别率的同时，大幅度降低了运行时间，实时识别效果良好。

关键词: Gabor, 加权特征融合, Haar, 二维主成分分析（2DPCA）, 嵌入式系统

Abstract: To solve the problem that multiscale Gabor features are unsuitable for ARM because of huge data and dimensions in the embedded face recognition system, a multiscale Gabor feature weight fusion method is proposed, including multiscale Gabor features extraction, the weight of features calculating and weight fusion. The embedded face recognition system detects face by using Haar-like features of face, and reduces dimensions by using 2DPCA algorithm. The system is implemented based on EELiod 270 development board, experimental results on ORL face database, Yale face database and actual images verify the recognition time is reduced when the system guarantees the adequate rate of recognition.

Key words: Gabor, weight features fusion, Haar, 2 Dimensional Principal Component Analysis（2DPCA）, embedded system

叶继华，王仕民，郭帆，杨庆红，余敏. Gabor特征融合的嵌入式人脸识别系统的研究[J]. 计算机工程与应用, 2012, 48(11): 148-151.

YE Jihua, WANG Shimin, GUO Fan, YANG Qinhong, YU Min. Research of Gabor features fusion in embedded face recognition system[J]. Computer Engineering and Applications, 2012, 48(11): 148-151.

[1]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[2]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[3]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[4]	陈文兵1，2，刘小明1，王宏斌2，陈允杰1. G-CNN模型在浓雾天气形势识别中的应用[J]. 计算机工程与应用, 2019, 55(8): 124-131.
[5]	赵宏威，王亦红. 基于改进Gabor优化选择的布匹瑕疵检测方法[J]. 计算机工程与应用, 2019, 55(24): 202-207.
[6]	孔凡芝，李金龙，吴冬梅. 结合低维特征和在线加权MIL的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(18): 116-121.
[7]	王育坚，高倩，谭卫雄，李深圳. 融合Haar型局部特征的人耳识别算法[J]. 计算机工程与应用, 2019, 55(18): 127-131.
[8]	郭林，孙青林，陈赛，陈增强，贾洪琛. 基于实时多任务操作系统的动力翼伞系统设计[J]. 计算机工程与应用, 2019, 55(16): 227-234.
[9]	王玮婧，张雪锋. 基于Gabor滤波器与LDP掌纹可撤销模板生成方法[J]. 计算机工程与应用, 2018, 54(9): 89-95.
[10]	潘杰1，渡边政彦2，周宽久1，梁浩然1，崔凯1. 嵌入式软件形式化建模方法[J]. 计算机工程与应用, 2018, 54(8): 61-71.
[11]	姚琼1，徐翔1，2，邹昆1. 基于3D Gabor多视图主动学习的高光谱图像分类[J]. 计算机工程与应用, 2018, 54(22): 197-204.
[12]	李亚楠，张雪锋. 基于安全概略的可撤销掌纹模板生成算法[J]. 计算机工程与应用, 2018, 54(18): 115-120.
[13]	赵波1，2，李二辉1，2，马骏1，2，黄宇晴1，2. 基于USB Key的安全增强密钥生成方案[J]. 计算机工程与应用, 2018, 54(10): 135-142.
[14]	姜文，刘立康. 基于联合两种特征的手写体维文字符识别[J]. 计算机工程与应用, 2017, 53(5): 192-196.
[15]	彭自然1，王国军1，2. 基于MPSoC平台小波变换并行算法研究[J]. 计算机工程与应用, 2017, 53(4): 33-38.

Gabor特征融合的嵌入式人脸识别系统的研究

Research of Gabor features fusion in embedded face recognition system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics