文献类型：期刊文章

作　　者：朱强军[1] 许佳炜[2] 王杨[1,2] 张广海[1] 高丽[1]

ZHU Qiangjun;XU Jiawei;WANG Yang;ZHANG Guanghai;GAO Li(Department of Electronic Engineering,Wanjiang College of Anhui Normal University,Wuhu Anhui 241008;School of Computer and Information,Anhui Normal University,Wuhu Anhui 241003)

机构地区：[1]安徽师范大学皖江学院电子工程系,安徽芜湖241008 [2]安徽师范大学计算机与信息学院,安徽芜湖241003

出　　处：《湖北理工学院学报》

基　　金：安徽省高校优秀拔尖人才培育项目(项目编号:gxyq2020093);安徽师范大学皖江学院教学质量工程项目(项目编号:WJXGK-202201)。

年　　份：2022

卷　　号：38

期　　号：6

起止页码：1-5

语　　种：中文

收录情况：NSSD、普通刊

摘　　要：为了进一步提高支持向量机分类器人脸识别率和识别速度,提出了采用分块局部二值模式(B-LBP)特征和麻雀搜索算法(SSA)优化支持向量机(SVM)的人脸识别算法。算法首先对人脸图像分块并提取每个子分块统一化局部二值模式特征,通过特征融合、快速PCA降维处理后得到人脸图像特征;再使用SSA优化SVM分类器的核函数参数和惩罚系数,提高分类器的分类精度和速度;最后将人脸图像特征输入到优化后的SVM分类器进行分类。实验结果表明,与其他几种人脸识别算法相比,基于B-LBP特征和SSA优化SVM的人脸识别算法的人脸识别率和识别速度显著提升。

关 键 词：人脸识别 分块局部二值特征  支持向量机  麻雀搜索算法  特征融合  

分 类 号：TP391.4] TP181[计算机类]