基于HOG/PCA/SVM的跨年龄人脸识别算法

doi:10.13438/j.cnki.jdzk.2018.05.006

吉首大学学报（自然科学版）

基于HOG/PCA/SVM的跨年龄人脸识别算法

彭思江，戴厚平，周成富，刘倩

(吉首大学数学与统计学院，湖南吉首 416000)

出版日期:2018-11-25 发布日期:2018-12-07
通讯作者: 戴厚平(1979—)，男，湖南隆回人，吉首大学数学与统计学院副教授，中南大学在读博士，主要从事数学建模、数值模拟、优化理论及模糊决策研究.
基金资助:
湖南省大学生研究性学习和创新性实验计划项目(湘教通〔2016〕283号)

Cross-Age Face Recognition Based on HOG/PCA/SVM

PENG Sijiang,DAI Houping,ZHOU Chengfu,LIU Qian

(College of Mathematics and Statistics,Jishou University,Jishou 416000,Hunan China)

Online:2018-11-25 Published:2018-12-07

摘要/Abstract

摘要：

为了实现跨年龄的人脸识别，通过梯度幅值和梯度方向这2个重要的图像特征测量图像相似度，建立了一种方向梯度直方图 (HOG)、主成分分析 (PCA)和支持向量机（SVM）相结合的人脸识别算法.首先对从FG-NET数据库中选取的人脸图像作预处理，然后用HOG算法提取特征值，用PCA方法降维特征值，最后将样本输入到SVM中进行训练，人脸识别匹配度最高可达90.91%.实验结果验证了算法的有效性.

关键词： 人脸识别, 图像预处理, 方向梯度直方图, 主成分分析, 支持向量机

Abstract:

To realize face recognition of different age groups,gradient magnitude and gradient direction are used to measure the image similarity.Firstly,face images from database FG-NET are preprocessed.The HOG algorithm is used to extract the feature values,and then the PCA method is used to reduce the feature values.Finally,the samples are input into the SVM for training,and the face recognition is matched.The matching degree is up to 90.91%.The experimental results verify the effectiveness of the algorithm.

Key words: face recognition, image preprocessing, histogram of oriented gradient, principal component analysis, support vector machine

彭思江，戴厚平，周成富，刘倩. 基于HOG/PCA/SVM的跨年龄人脸识别算法[J]. 吉首大学学报（自然科学版）, DOI: 10.13438/j.cnki.jdzk.2018.05.006.

PENG Sijiang,DAI Houping,ZHOU Chengfu,LIU Qian. Cross-Age Face Recognition Based on HOG/PCA/SVM[J]. Journal of Jishou University（Natural Sciences Edition), DOI: 10.13438/j.cnki.jdzk.2018.05.006.

[1]	曲洪权, 刘欲哲, 庞丽萍, 单一平. 基于视觉和操作类脑电信号的脑力负荷分类[J]. 吉首大学学报（自然科学版）, 2022, 43(1): 31-37.
[2]	谢静, 杨盘隆, 魏星. 自适应跌倒前实时检测方法[J]. 吉首大学学报（自然科学版）, 2021, 42(3): 34-40.
[3]	邱国枢，张翔，刘军，王蕾，田青，郭建华. 基于图像处理的车辆识别系统设计[J]. 吉首大学学报（自然科学版）, 2019, 40(5): 18-24.
[4]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[5]	王祺，田青，赵歌，曲洪权. 基于人脸识别技术的人证比对系统设计[J]. 吉首大学学报（自然科学版）, 2018, 39(4): 15-19.
[6]	李洋阔，舒晓惠，郭晓丹. 大湘西武陵山片区金融监管指标体系的构建[J]. 吉首大学学报（自然科学版）, 2018, 39(2): 86-89.
[7]	陈丽，王景芹. 可靠性约束函数未知的网路费用最小化快速求解[J]. 吉首大学学报（自然科学版）, 2016, 37(4): 19-24.
[8]	杜经纬. 基于支持向量机的P2P流量管理模型设计[J]. journal6, 2015, 36(4): 26-29.
[9]	李艳, 张勇, 陈国平. 多元统计分析在评价保险服务质量中的应用[J]. journal6, 2015, 36(3): 7-11.
[10]	申瑛, 杨焕志, 张振彬, 曾庆欢李平, 陈炳权, 张榜英. 基于活动轮廓与模糊型支持向量机的车辆分类算法[J]. journal6, 2015, 36(2): 55-59.
[11]	彭华, 莫礼平, 唐赞玉. CVE漏洞分类框架下的SVM学习模型构建[J]. journal6, 2013, 34(4): 62-66.
[12]	彭华, 李宗寿. 基于SVM的CVE漏洞分类框架构造[J]. journal6, 2013, 34(1): 66-71.
[13]	向延平. 地方性高校社会服务绩效评价分析——以吉首大学为例[J]. journal6, 2012, 33(3): 100-104.
[14]	谭子尤, 梁靖. 基于PCA+2DPCA的人脸识别方法分析[J]. journal6, 2011, 32(3): 55-58.
[15]	李海, 李春来, 侯德艳. 支持向量机下机器学习模型的分析[J]. journal6, 2010, 31(3): 39-42.

基于HOG/PCA/SVM的跨年龄人脸识别算法

Cross-Age Face Recognition Based on HOG/PCA/SVM

PDF (PC)

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

本文评价