7、混合特征提取与GA - SVM分类用于人脸识别

混合特征提取与GA - SVM分类用于人脸识别

在人脸识别领域，特征提取和分类是关键环节。本文将详细介绍几种特征提取技术以及基于距离的分类方法，还会探讨一种基于遗传算法（GA）优化支持向量机（SVM）的混合模型，最后介绍两种混合人脸识别方法。

1. 特征提取

特征提取是人脸识别的基础，它能从图像中提取出具有代表性的特征。下面将介绍几种常用的特征提取技术。

1.1 Gabor滤波器

Gabor滤波器能够从图像中提取不同尺度和方向的信息，其人脸描述特性与人类视觉系统相似。在空间域中，二维Gabor滤波器的实现公式如下：
[
\phi_{u,v}(x, y) = \frac{f_u^2}{\pi\gamma\eta}e^{-\left(\frac{f_u^2}{\gamma^2}x’^2 + \frac{f_u^2}{\eta^2}y’^2\right)}e^{j2\pi x_uf’}
]
其中，
[
x’ = x\cos\theta_v + y\sin\theta_v, y’ = -x\sin\theta_v + y\cos\theta_v, \theta_v = \frac{v\pi}{8}, f_u = \frac{f_{max}}{2^{u/2}}
]
(f_{max})是滤波器的最大频率，取值为(0.25)。(\gamma)和(\eta)的值都设置为(\sqrt{2})。

为了从给定的人脸图像(I(x, y))中得到Gabor人脸表示，我们创建一个由(u)个尺度和(v)个方向组成的滤波器组。图像与每个计算得到的Gabor滤波器进行卷积：
[ <