基于子模式下LBP-HOG特征融合的单样本人脸识别方法.docx

基于子模式下LBP-HOG特征融合的单样本人脸识别方法
基于子模式下LBP-HOG特征融合的单样本人脸识别方法
摘要：在人脸识别技术中，单样本人脸识别任务由于仅有一张人脸图像，存在着一定的难度。为了提高单样本人脸识别的准确率，本文提出了一种基于子模式下LBP-HOG特征融合的方法。该方法通过将局部二值模式（LocalBinaryPattern，简称LBP）和方向梯度直方图（HistogramofOrientedGradients，简称HOG）特征相结合，利用子模式构建特征融合算法，解决了单样本人脸识别的问题。实验结果表明，该方法在单样本人脸识别任务上取得了较好的性能。
关键词：人脸识别、单样本、LBP、HOG、特征融合
1.引言
人脸识别技术是一种用于人脸图像自动识别或验证的技术，具有广泛的应用领域。然而，在实际应用中，由于训练样本不足等因素的限制，进行单样本人脸识别任务是一项具有挑战性的研究。
2.相关工作
目前已经有许多关于人脸识别的研究，其中包括基于特征提取和分类器设计的方法。常用的人脸特征包括LBP和HOG特征，分别用来描述图像的纹理和形状特征。然而，这些方法在处理单样本人脸识别时存在一些问题。
3.方法
本文提出了一种基于子模式下LBP-HOG特征融合的单样本人脸识别方法。该方法首先将人脸图像划分为多个子模式，然后分别提取每个子模式的LBP和HOG特征。接下来，利用特征融合算法将LBP和HOG特征进行融合，得到最终的特征表示。最后，使用支持向量机（SupportVectorMachine，简称SVM）作为分类器，进行人脸识别分类训练和测试。
4.实验结果
本文使用了公开的数据集，在单样本人脸识别任务上进行了实验。结果表明，相比于传统的单特征方法，我们提出的方法在准确率和召回率上都有明显的提升。同时，我们还对模型的鲁棒性进行了验证，在噪声和光照条件变化的情况下，方法仍然具有较好的性能。
5.结论
本文提出了一种基于子模式下LBP-HOG特征融合的单样本人脸识别方法，通过将LBP和HOG特征相结合，利用子模式构建特征融合算法，解决了单样本人脸识别的问题。实验结果表明，该方法在单样本人脸识别任务上取得了较好的性能。未来的研究可以进一步提高该方法的性能，并探索其他有效的特征融合方法。