基于MBC和POEM特征的人脸识别方法.docx

基于MBC和POEM特征的人脸识别方法
人脸识别是生物识别技术中最热门和最广泛研究的领域之一。人脸识别技术的发展可以追溯到二十世纪初，从最初的手工抽取人脸特征，到现在基于深度学习的人脸特征提取，人脸识别技术不断创新和进步。本文将介绍一种基于MBC和POEM特征的人脸识别方法。
MBC特征：
MBC（MeanBinaryCoding）特征是一种二值编码特征，可以有效减小图像特征表示的维度，并提高特征的稳健性。MBC特征的构建过程主要分为四个步骤。
第一步，利用LBP算法提取灰度图像的LBP特征。
第二步，使用K-means聚类算法对LBP特征进行聚类，将LBP特征分成n个类别。
第三步，计算每个类别的平均值，作为MBC特征的二进制字符串。
第四步，将每个像素的MBC特征连接起来，构成一个完整的MBC特征向量。
MBC特征的优点在于，相比于原始的LBP特征，MBC特征具有更高的信息压缩性和更强的鲁棒性。同时，MBC特征能够有效消除亮度和光照的影响，提高人脸识别的准确度。
POEM特征：
POEM（Partition-basedOrientedEdgeMaps）特征是一种基于有向边缘映射的特征，通过将图像划分成多个子区域，分别提取局部边缘信息，再利用方向梯度直方图（HOG）算法提取边缘的梯度信息。POEM特征的构建主要有以下步骤。
第一步，将图像划分成互不重叠的子区域，并提取每个子区域的边缘信息。
第二步，使用HOG算法计算每个子区域的梯度直方图。
第三步，将每个子区域的HOG特征连接成一个完整的POEM特征向量。
POEM特征的优点在于，相比于传统的LBP和HOG特征，POEM特征具有更高的辨别能力和更强的鲁棒性。另外，POEM特征的构建过程比较简单，易于实现。
基于MBC和POEM特征的人脸识别方法：
在本文中，我们提出了一种基于MBC和POEM特征的人脸识别方法。该方法主要分为以下三个步骤。
第一步，利用MBC算法对人脸图像进行特征提取，得到MBC特征向量。
第二步，利用POEM算法对人脸图像进行特征提取，得到POEM特征向量。
第三步，将两个特征向量连接起来，作为输入数据，利用支持向量机（SVM）算法进行人脸识别。
实验结果表明，该方法可以有效提高人脸识别的准确率和鲁棒性。与其他基于LBP、HOG等特征的方法相比，这种方法具有更高的辨别能力和更强的鲁棒性，在实际应用中具有更好的效果。
结论：
本文提出了一种基于MBC和POEM特征的人脸识别方法。通过将MBC和POEM特征进行融合，可以有效提高人脸识别的准确率和鲁棒性。在实际应用中，该方法具有较好的表现，并且易于实现。未来的研究可以进一步探索更多的特征融合方法，以提高人脸识别的准确率和鲁棒性。