基于單樣本的人臉識別研究.pdf

1、隨著社會的不斷發(fā)展，人臉檢測和識別技術(shù)得到廣泛的關(guān)注。人臉識別技術(shù)在生物識別中占有重要的地位，經(jīng)過三十多年的發(fā)展，已經(jīng)取得了長足的進步。目前大多人臉識別系統(tǒng)可以在一般的環(huán)境中表現(xiàn)出良好的識別性能，但是這類人臉識別系統(tǒng)大多需要充足的人臉樣本和合適的應(yīng)用場景。隨著二代身份證的普及和視頻監(jiān)控的廣泛使用，基于單樣本的人臉識別技術(shù)具有廣泛的應(yīng)用前景。在實用的人臉識別系統(tǒng)中，人臉檢測是必不可少的前期工作。因此，本文主要對人臉檢測和基于單樣本的人臉識

2、別進行了研究。
　　AdaBoost算法的提出是人臉檢測領(lǐng)域的里程碑，AdaBoost算法的發(fā)展使得人臉檢測真正進入應(yīng)用推廣的階段，對后續(xù)的視頻人臉跟蹤和視頻人臉識別研究產(chǎn)生了巨大的影響。AdaBoost人臉檢測算法在視頻圖像尺寸不大的時候可以很快地檢測出人臉，當(dāng)視頻圖像尺寸過大時檢測速度不理想。為了加快人臉檢測速度，本文使用膚色模型對AdaBoost算法進行加速，大大縮小了檢測范圍，同時設(shè)計了基于膚色模型的人臉確認(rèn)算法。

3、　　局部二值模式(Local Binary Pattern)是一種描述紋理的方法，近年來被成功應(yīng)用于人臉識別，并取得了顯著的成績。由于LBP特征算子具有較強的描述紋理的能力，同時其計算和實現(xiàn)較簡單，使得基于LBP的人臉識別技術(shù)取得較多的研究成果。由于傳統(tǒng)LBP特征只能夠描述局部特征，本文提出將人臉圖像分塊，使用分塊均值作為閾值對特征值進行離散化的方法，改進了LBP特征。改進后的LBP特征，可以較快地提取多幅人臉特征圖。為了進一步提高特征