基于投票极限学习机的人脸识别混合算法研究

陈铁军，蔡金收，郭　丽

(郑州大学 电气工程学院，河南 郑州 450001)



基于投票极限学习机的人脸识别混合算法研究

陈铁军，蔡金收，郭丽

(郑州大学 电气工程学院，河南 郑州 450001)

摘要：针对小波分析在处理多维图形时不能充分利用数据本身特有几何特征的缺陷，使用第二代曲波变换(the second generation of curvelet transform, SGCT)方法进行人脸图像的处理，选取具有最大标准差的尺度层系数，以完成对人脸图像的特征提取，同时结合基于双向二维主成分分析(bidirectional two dimensional principal component analysis, B2DPCA)的数据降维，构造一种基于混合投票机制极限学习机(voting extreme learning machine,VELM)的人脸识别算法.通过与其他算法的分类结果对比，证明该算法具有更高的识别正确率.

关键词：曲波变换；B2DPCA；投票；ELM；人脸识别

0引言

随着计算机技术模式识别领域的不断发展，生物特征识别技术得到越来越多的关注.而其中的人脸识别技术正因其易于接受、采集方便等特点广泛应用于安全验证系统、视频会议、人机交互、公安系统[1]等领域，人脸识别方法的研究成为模式识别和人工智能的一个重要方面.

人脸识别的技术很多，如基于面部几何特征的方法、基于模板匹配的方法、基于子空间分析的方法，另外还有基于神经网络、支持向量机和变换域的方法[2]等.其中变换域方法中的小波变换，其变换系数不仅能反映对应频率分量的强度，而且也能反映其时间位置，即能提供精准的时域定位和频域定位[3]，因此广泛应用于人脸特征的提取.文献[4-7]介绍了多种将小波变换与其他方法……