一种新的特征融合人脸分类方法

摘要

cqvip:本文首先融合离散余弦变换(DCT)和Daubechies小波(Daubechies-DCT),将Daubechies-DCT方法、离散余弦变换(DCT)以及定向梯度直方图(HOG)应用于不同核函数下进行人脸分类精准度比较。其中,HOG通过将面部图像划分为较小的连接区域(称为单元格),并为每个单元格编写渐变方向的直方图,然后,我们使用DCT和Daubechies小波的融合,采用HOG方法处理以SVM(支持向量机)和KNN(K最近邻)分类器为重点的人脸分类,将融合特征输入到SVM和KNN分类器中。实验数据集使用MIT人脸数据库,结果表明,具有SVM-Rbf内核功能的HOG达到了96.5%分类精准度,使用KNN分类器的DCT在达到了94.6%的分类精准度。