基于Gist特征的人脸识别

Halcom

基于Gist特征的人脸识别：

        Gist描述子主要用于场景识别，是由MIT的Antonio Torralba提出的。文章发表在IJCV，Paper：Modeling the shape ofthe scene: a holistic representation of the spatial envelope。

       图像的Gist特征提取．在实际的实现中采用的是将图像与不同方向和不同尺度的Gabor滤波器组进行滤波，将滤波后得到的图像划分为网格，在每个网格内部取平均值，最后将滤波后得到的所有图像的每个网格均值级联起来，得到图像的Gist特征。

       一幅大小为hxw的灰度图像f(x,y)用nc个通道的滤波器对图像进行卷积滤波，其中，nc等于滤波器尺度和方向数的乘积，这样得到nc个滤波后的图像：将每幅滤波后的图像划分为4x4的网格，每个网格内取平均值得到一个特征。将每个网格块的特征级联起来，得到图像的Gist特征，即：

Gi(x,y)=cat(f(x,y)*g(x,y))

       其中，cat为级联符号，*为卷积符号，g(x,y)为Gabor滤波器组。

       局部Gist特征是将上述特征提取过程中的网格划分改为由16x16的网格进行划分，对于每一个网格再次采用大小为4x4的网格进行划分，将每一个二级网格采取加权求和，权重矩阵W构建方法为对应像素到各子区域中心像素归一化距离的倒数，再将所有的二级子网格特征进行级联，得到局部Gist特征。该方法细化了场景特征的提取，有效地降低了同一网格中包含不同场景的概率，从而提高了场景分类的正确率，但其还存在一个问题，就是提取的特征维数过高。如一幅大小为256x256像素的图像，其提取后的特征维数为：16x16x4x4x32=131072维。如果不采取降维处理等手段，特征维数过于庞大，包含很多冗余信息，同时，给数据处理带来很大的困难。

参考：
【1】基于Gist和PHOG特征的场景分类