基于全局和局部特征的人脸识别

—–本文是基于苏煜等人的文章《基于全局和局部特征集成的人脸识别》而写成的方法摘要。

人脸的全局特征描述主要特征信息，包括肤色，轮廓，面部器官的分布等的整体信息。而局部特征描述的人脸的细节特征，比如器官特点、面部奇异特征，类似伤疤、黑痣、酒窝等。前者用于粗略匹配，后者用于精细匹配。两种特征进行集成，可以作为人脸识别的分类器。

首先对图像做傅里叶变化，保留低频部分的实部和虚部的系数，当做全局傅里叶特征向量。这一步操作可以选用低分辨率的人脸图像就能满足要求。
接下来，将图像分N块，然后用Gabor核函数与每一块图像卷积，得到N个特征，然后将这些特征串联起来，形成局部Gabor特征向量。这一步操作需要选用高分辨率的人脸图像。
然后，使用LDA线性判别分析对得到的一个全局特征向量和N个局部特征向量进行降维处理，得到了全局分类器和局部分量分类器。
将N个局部向量分类器进行加权求和，得到局部分类器。全局分类器也与局部分类器进行加权求和，并行集成，得到全局分类器。
对待对比的两幅图像做同样的以上处理，然后分别对比他们对应的N+1个向量的像素度，常用的归一化互相关(normalized cross-correlation,
简称 NCC）方法来计算对应特征向量的相似度。根据集成学习理论，将以上全局分类器和局部分类器输出的相似度进行加权求和，作为最终的相似度。