作者：蒋政; 程春玲特征提取人脸识别方向梯度直方图haar编码模式
摘要：现有的大多数特征提取算法在提取人脸特征时，容易受到光照等外界因素的影响，从而导致后期人脸识别率下降。而方向梯度直方图（Histogram of Oriented Gradient，HOG）具有较强的光照鲁棒性，能够很好地减少由光照带来的干扰，但传统HOG在计算梯度幅值和方向时只计算水平和垂直方向上4个像素点对中间像素的影响，当外界环境变化时不能保证稳定性，因此提出一种基于Haar特性的改进HOG的人脸特征提取算法。该算法在计算梯度幅值和方向时考虑水平、垂直以及对角线上8个像素点对中间像素的影响，由于增加计算量导致特征提取时间也随之增加，因此引入Haar，借助Haar型特征运算简单、快捷的特点设计4组Haar型特征编码模式，按照改进的HOG特征计算方式提取人脸特征。在有光照等外界因素影响的FERET人脸数据库和YaleB扩展的人脸测试库中进行实验，实验结果表明，与GFC，LBP和其他文献中的HOG算法相比，该算法对光照具有更好的鲁棒性，能够在光照变化的环境下提高人脸识别率。该算法在FERET探测集fb，fc，dupl和dup2上的识别率分别为95．1％，80．9％，70．1％和63．2％，在Yale B中的识别率为89．1％。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
