基于hog多特征融合与随机森林的人脸识别

针对人脸识别在复杂环境下识别率低的问题,提出了一种基于梯度直方图(hog)多特征融合与随机森林的人脸识别方法。该方法通过hog特征描述子对人脸进行特征提取。首先以网格作为采样窗在整个人脸图上进行整体hog特征的提取,并将人脸图像分成均匀子块,在包含有人脸关键部分的子块中提取局部hog特征。然后通过二维主成分分析(2dpca)和线性判别分析(lda)对整体和局部特征进行降维,并进行特征层融合形成最终分类特征,最后通过随机森林分类器对其进行分类。feret人脸库、cas-peal-r1人脸库、真实场景人脸库实验表明,该方法对光照具有鲁棒性,且有较高的识别率和较短的识别时间。