基于特征融合的人臉識別新算法

胡頗鳴

摘要 鑒于傳統的Gabor人臉識別技術存在一定的缺陷和不足之處，本文在Gabor人臉識別技術的基礎上提出了一項具有特征融合特點的新型人臉識別算法，該項人臉識別算法能夠有效提高提取人臉特征的效率，效果遠遠優于Gabor人臉識別技術。

【關鍵詞】特征融合 人臉識別 算法

人臉識別技術是現階段人工智能技術發展的主要方向，其價值不言而喻。由于人臉特征具有一定的特殊性，所以人臉識別技術廣泛的應用到了各個領域，發揮著不可替代的作用。然而，人臉的圖像容易受到客觀因素的干擾，所以人臉識別技術時長會出現不穩定的情況。所以，如何提高人臉識別的準確性，是人臉識別技術發展中的重要挑戰。現階段，Gabor人臉識別技術是各個領域使用的主要人臉識別技術。通過Gabor技術，傳感器可以采集到人臉各個角度的信息，同時，Gabor技術不容易受到光線和人的面部表情影響，其準確率較高。盡管如此，Gabor人臉識別技術也有自身的不足之處。因此，改進Gabor技術，提高Gabor技術的識別準確性，對于人工智能的發展有著重要意義。

1 新的人臉識別算法流程

首先，對采集來的人臉圖形進行Gabor換算，并將獲得的Gabor特征進行下一步的融合處理，在融合的過程中要將多余的信息排除，并對特征的維數進行下降處理。然后，要使用一種叫做fastPCA的算法對得到的特征進行第二次的維數下降工作。最后，對得到的人臉特征進行支持向量機計算，從而得到識別的結果。

2 人臉特征的提取

2.1 Gabor技術的變換

Gabor技術的性能較為出色，并在實踐當中取得了出色的效果。在實際應用當中，Gabor技術能夠選擇較為合適的角度對人臉圖像進行采集，同時不會受到外界客觀因素的干擾。Gabor技術的變換是新人臉識別的算法的第一步，新的Gabor技術與傳統的Gabor技術相比，其效果更佳，更容易取得人臉特征。

2.2 特征融合技術的改進

一般來說，通過Gabor技術得到的人臉特征圖像有四十張。在這四十張圖像當中，圖像與圖像之間的相似度較大。而多余的圖像信息會導致特征維數過高，不利于進行下一步的圖像融合。想要解決這種情況，可以使用二進制的編碼融合方式對圖像進行進一步的融合，也可以使用最大、最小值的融合方法對圖像進行融合。實踐證明，圖像采集方向一致，但尺度不同的融合效果要遠遠的高于圖像尺度相同，但圖像采集方向不一致的融合效果。因此，為了達到提高人臉識別率的目的，對原有的特征融合技術進行了改良，對采集到的人臉圖像進行方向一致，且尺度不同的融合方式進行融合。這種人臉特征融合技術與常規的人臉特征融合技術相比具有明顯的優勢，效果也更加出色和準確。

另外，人臉的圖像維度比較高，會導致人臉識別系統的工作量較大，降低了工作效率。因此，新的人臉識別算法首先使用了常規的降維手段對采集到的圖像進行初步降維工作，其次使用了fastPCA技術對人臉特征進行了深入的降維處理。fastPCA技術能夠有效的降低人臉圖像的維數，減少了特征融合環節的計算總量，從而使得整個人臉識別系統更加趨向于流暢化，提高了人臉識別的效率。

3 支持向量機算法改進

支持向量機算法是根據統計學理論為基礎實現計算的，支持向量機算法中包含了核函數理論，能夠有效的處理一些非線性問題。支持向量機算法具有很大的優勢，能夠解決人臉圖像中樣本較少、圖像維度較高的問題，并將圖像進行分類劃分。盡管如此，支持向量機算法也并非完美無瑕，依然存在一定的缺陷和不足。比如說，支持向量機算法中的核函數該如何選擇就是一個比較難的問題，我國沒有一套完整的理論知識體系來指導核函數的選擇，所以在應用支持向量機算法的時候.一般都是根據自己的經驗來選擇核函數。

改進的支持向量機算法采取的是一種叫做Sigmoid的核函數，當采用Sigmoid核函數的時候，支持向量機能夠自動選擇各類節點。同時，支持向量機的基礎原理也會確保最終得出的結論不會過于局限性，進而確保最終結果不會與之前的結果出現重復的情況。由此可見，改進的支持向量機算法具有明顯的優勢，能夠有效彌補原有支持向量機算法中的不足之處，從而優化整個人臉識別技術，提高人臉識別的準確性。

4 結語

綜合來看，本文中提到的人臉識別新算法具有出色識別性能，能夠有效減少光線、人臉表情、人臉圖像的采集角度等客觀因素對人臉識別結果的影響，能夠確保人臉識別系統在各種環境下正常運轉，基本符合人臉圖像識別技術的各項要求。現階段，我國的人臉識別技術依然處在一個發展的階段，與歐美等發達國家的人臉識別技術相比還存在一定的差距。因此，我國應當加強對于人臉識別技術的研究，通過多種途徑對相關研究進行有力的支持。

參考文獻

[1]吳錫生，魏月納.基于特征融合的人臉識別新算法[J].計算機技術與發展，2017，27 （01）： 65-69.

[2]周昌軍，基于圖像重構和特征融合的人臉識別方法研究[D].大連理工大學，2008.

[3]葉繼華，萬葉晶，劉長紅等.基于多子空間直和特征融合的人臉識別算法[J].數據采集與處理，2016，31 （01）：102-107.

[4]付艷紅.基于特征融合的人臉識別算法研究與實現[D].天津理工大學，2 015.