杨露，何静媛

（重庆大学计算机学院，重庆 400044）

基于多尺度SVD的HMM的人脸识别方法

杨露，何静媛

（重庆大学计算机学院，重庆 400044）

提出使用多尺度SVD作为图像的特征提取以及HMM作为分类器的人脸识别方法。首先，对图像进行多尺度的划分，然后计算每个图像块的SVD，该图像的多尺度SVD特征向量便由图像块的SVD组成，最后使用HMM进行人脸识别。多尺度SVD能反映整幅图像的全局特征和图像在多种尺度下的局部特征，所以它的鉴别信息更全面。使用的7状态的隐马尔科夫模型，覆盖更多的人脸细节，有助于提高人脸识别效率。实验结果表明，该方法的人脸识别效率较高。

奇异值分解；人脸识别；隐马尔科夫模型；多尺度

0 引言

人脸识别（Face Recognition）就是使用计算机技术对人脸图像进行分析然后鉴别身份技术。主要目的是从人脸图像中抽取人脸的个性化特征，并以此来识别此人的身份。近年来，随着计算机技术的不断发展和完善，人脸识别技术发展也很迅速，已经成为多个领域的热门研究主题。现在已经存在和未来可能实现的人脸识别的应用非常多[1-3]，如，视频编码、驾驶员考试、安防中的身份验证等。常见的人脸识别方法有基于几何特征匹配[4]，Eigenfaces[5-6]，神经网络[7-8]和隐马尔科夫模型[9-11]等。Eigenfaces方法[5-6]，使用了主成分分析（PCA），将人脸图片映射的一个低维到空间，进行降维以达到提高识别速度但是又尽量不降低识别正确率的目的。该方法在人脸朝向问题上的鲁棒性不高。Samaria和Fallside[11]将隐马尔科夫模型（HMM）方法用于人脸识别。……