表情與光照變化下幾種人臉識(shí)別方法的研究與改進(jìn).pdf

1、在人臉識(shí)別領(lǐng)域中，如何進(jìn)行有效的特征提取一直是研究人員不斷探索的方向。人臉識(shí)別因受多種因素影響，使得識(shí)別結(jié)果達(dá)不到預(yù)期效果，這些影響因素包括：光照變化，表情，姿態(tài)，裝飾物等，解除這些因素的影響是當(dāng)前人臉識(shí)別面臨的主要問題。目前國(guó)內(nèi)外已存在許多人臉識(shí)別算法，這些算法分別針對(duì)特定影響因素提出，但某些算法的性能并不理想，或只適用于特定數(shù)據(jù)，所以需要改進(jìn)，或找出更具魯棒性的人臉識(shí)別算法。本文根據(jù)對(duì)人臉識(shí)別目前研究現(xiàn)狀的分析，對(duì)光照變化和表情這兩

2、種影響因素提出了幾種解決辦法，在文中體現(xiàn)為提出的幾種改進(jìn)算法或方案，并通過實(shí)驗(yàn)證實(shí)了幾種改進(jìn)算法和方案的有效性。
　　對(duì)于光照變化的影響，在局部二元模式（LBP）算法的基礎(chǔ)上做了一些改進(jìn)。將圖像按像素分塊，構(gòu)成分塊LBP算法；在分塊LBP算法的基礎(chǔ)上再改進(jìn)，把不同方位的0或1編排到不同二進(jìn)制位上從而構(gòu)成加權(quán)分塊LBP算法；或取大小不同的兩個(gè)環(huán)以確定中心點(diǎn)特征值從而構(gòu)成雙環(huán)分塊LBP算法；又或者不用二進(jìn)制序列，單從周圍0和1的數(shù)量來

3、確定中心點(diǎn)的取值從而構(gòu)成二值LBP算法。通過實(shí)驗(yàn)證明該方法簡(jiǎn)便有效。
　　對(duì)于表情變化的影響，在已知的表情識(shí)別和表情擬合算法基礎(chǔ)上，提出一個(gè)方案用于解決表情變化下的人臉識(shí)別問題，特別是對(duì)比庫(kù)中的人臉沒有表情，而待識(shí)別的人臉有表情的情況。該方案融合了表情識(shí)別和表情擬合，先識(shí)別出表情類別，再根據(jù)表情類別擬合出沒有表情的人臉，最終識(shí)別。實(shí)驗(yàn)證明該方法簡(jiǎn)便有效。
　　對(duì)于光照和表情變化的綜合影響，提出了紅外與可見光融合的人臉識(shí)別算法

4、。紅外人臉識(shí)別和可見光人臉識(shí)別都有各自的優(yōu)點(diǎn)和弊端，為取長(zhǎng)補(bǔ)短，將兩種識(shí)別融合，具有更高的魯棒性，從而提高了識(shí)別性能。
　　相對(duì)灰度人臉圖像來說，彩色人臉圖像包含了更多的信息，本文提出了一種彩色人臉識(shí)別算法，該算法用主成份分析（PCA）方法將彩色人臉變換到二維不相關(guān)色彩空間中，在得到的二維不相關(guān)色彩空間中對(duì)兩個(gè)維度對(duì)應(yīng)的向量分別識(shí)別，在匹配得分層融合。為此設(shè)計(jì)了一系列對(duì)比實(shí)驗(yàn)，證明了PCA色彩空間變換的效果和匹配得分層融合的識(shí)別性