汤清华， 熊继平， 蔡丽桑

(浙江师范大学 数理与信息工程学院,浙江 金华 321004)



基于量子粒子群的人脸特征融合识别算法*

汤清华， 熊继平， 蔡丽桑

(浙江师范大学 数理与信息工程学院,浙江 金华 321004)

人脸识别是机器视觉、模式识别等领域的研究热点,具有重大的科学意义和广阔的应用前景.为了提高人脸识别率，提出了基于量子粒子群(QPSO)的人脸特征融合识别算法.首先，采用快速主成分分析、奇异值分解和multi-block局部二进制模式3种特征提取方法,分别提取人脸主成分特征、奇异值特征和LBP直方图统计特征；其次，利用QPSO对提取的特征进行加权处理；最后，采用支持向量机(SVM)对人脸进行识别.在Feret和AR人脸数据集上进行实验，结果表明提出的方法具有较高的识别率和鲁棒性.

快速主成分分析；奇异值分解；multi-block局部二进制模式；量子粒子群；人脸识别

0 引 言

人脸识别是模式识别研究的一个热点,它在身份鉴别、移动客服端服务、认知应用心理学及监控系统等方面有着广泛的应用[1-3].但是，现实中摄像头抓拍的人脸图像经常受到光照、姿势、表情、遮挡等因素的影响，因而设计一个鲁棒性强、准确度高的人脸识别算法依然是一个挑战性难题.人脸识别的成败主要由人脸特征的提取方法和分类算法决定.目前,常用的人脸特征提取方法有：主成分分析(PCA)[4]、Gabor小波分析[4]、奇异值分解[5]、傅里叶变换[6]、独立主元分析(ICA)[6-7]和线性判别分析(LDA)[7]等.常用的人脸识别分类器有：深度学习、支持向量机……