加权合成的嵌入式隐Markov模型人脸识别

摘要

嵌入式隐Markov模型能提取人脸的二维主要特征并对姿态和环境的变化具有较好鲁棒性. 讨论了嵌入式隐Markov模型的进一步改进及其实现. 首先分析了形成观察向量的采样窗大小和其二维DCT系数项数的不同对人脸识别结果的影响,然后确定最优的采样窗大小和其二维DCT系数项数. 鉴于不同角度的照片包含信息量的不同,提出了一种加权合成的模型参数重估算法. 重估模型参数时,首先计算每幅脸像相对应的模型参数,然后进行加权合并,权值由迭代公式求得,训练结束后用一个合成的模型来表示一个对象. 采用基于该方法的原型系统对ORL人脸库进行测试,识别正确率达到了99.5%.