摘要
人脸识别作为一种重要的生物特征识别技术，近年来受到学术界和工业界的广泛关注。
传统的基于手工特征的人脸识别方法，如主成分分析(PCA)、线性判别分析(LDA)等，在光照、姿态等变化情况下识别率较低。
而基于深度学习的人脸识别方法虽然取得了显著成果，但其模型复杂度高，训练数据量大，难以满足实时性要求。
因此，研究高效鲁棒的人脸识别算法仍然具有重要意义。
本文提出一种基于方向梯度直方图(HOG)和多阶Zernike矩的人脸识别方法。
该方法首先利用HOG算子提取人脸图像的局部纹理特征，然后利用多阶Zernike矩提取人脸图像的全局形状特征，最后将两种特征融合进行人脸识别。
实验结果表明，该方法在保证识别率的同时，具有较高的鲁棒性和实时性。
关键词：人脸识别；方向梯度直方图；Zernike矩；特征融合；模式识别
人脸识别是识别和验证图像或视频中人脸的技术，是模式识别和计算机视觉领域的一个重要研究方向。
与指纹识别、虹膜识别等生物特征识别技术相比，人脸识别具有非接触性、友好性、便捷性等优点，因此在身份验证、安防监控、人机交互等领域具有广泛的应用前景。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
