基于鼻梁检测和PCA算法的眼镜识别方法.pdf

软件开发
基于鼻梁检测和孙瑾怡1，赵文静 PCA1，张伟康 算法的眼镜识别方法2，戴泽凯3
( 电子与信息工程学院，江苏南京，210044；2. PCA 算法与 SVM 分类器相结合，在人脸 的突变情形，以灰度较高的浅色显示原图像中的边缘信息和
数据更复杂的情况下拥有更好的人脸识别能力，但是当特征 突变点，以灰度较低的深色显示原图像中其余背景区域，在
脸空间维数过小时，即原图像会损失较多细节，会导致较低 将细节锐化的同时，保留原图像的信息。
的识别率。 对于二维人脸灰度图像，在水平方向和竖直方向上均分
结合上述背景，本文提出两种方法对眼镜识别进行测 布有像素信息，则人脸二维图像函数的拉普拉斯变换为各项
试：一是鼻梁检测法，二是将传统的 PCA 算法，结合基于 同性的二阶导数，可以写成如下形式：
∂∂22ff
BP 神经网络的逻辑回归模型的方法。通过对人脸标准图像 ∇=+2 f( xy, )
∂∂xy22 (1)
库中的 337 个具有不同特点的样本进行测试，验证了方法
的可行性。此外，鼻梁检测法简化了识别方法，在具有较快 由于图像由离散的像素点组成，因此在计算图像函数
j i
的识别速度的同时，兼顾了较高的准确度。另一方面，本文 时，需将方程离散化，在固定第 列、第 行时，对于水平
提出的第二种算法具有可靠性高、准确性高等优点。 和竖直方向上分别有：
∂2 f( ij, )