基于關鍵特征點的多信息融合人臉識別研究.pdf

1、經過多年發(fā)展，將二維、三維兩種模態(tài)的信息融合起來進行人臉識別已然成為當今的主流方向。采用單一的二維人臉進行特征提取通常受光線、表情、姿態(tài)等環(huán)境因素影響較大，導致識別率相對較低，而三維人臉對環(huán)境因素具有較強的魯棒性，且包含更多的空間信息。但是三維人臉數據處理計算的復雜性較高，所以融合二維人臉強度圖和三維人臉深度圖信息進行人臉識別，不僅計算效率高，而且能得到很高的識別精度。本論文的主要研究方向和工作重點具體包括以下三個方面：
　　針對

2、單一的二維人臉圖像進行稀疏保持投影(SPP)過程中對原始訓練樣本進行稀疏重構時導致的誤逼近問題，提出了一種基于核的正交稀疏重構保持投影(KODSPE)人臉識別算法。使用核函數變換把訓練樣本映射到高維度特征空間，從而獲取包含更多鑒別信息的核稀疏表示系數。然后對核稀疏表示系數進行稀疏重構，增加同類非近鄰樣本權重，減少異類近鄰樣本權重。最后對整體進行正交約束變換，提高訓練樣本稀疏重構能力。該算法在Orl和 Yale_b人臉庫上進行實驗分析，最

3、終結果驗證了此算法的高效性和魯棒性。
　　為了克服環(huán)境因素影響，獲取三維深度數據中關鍵特征點信息，提出了一種三維人臉數據的關鍵特征點定位算法。該算法利用中值濾波器對三維人臉模型進行非線性濾波去除孤立噪聲點，然后將點云模型進行二值化處理，去掉點云模型中背景區(qū)域干擾信息基本定位人臉所在區(qū)域，并對獲取到的區(qū)域進行分塊處理。然后通過求取點密度排除候選區(qū)域中的干擾點信息，得到鼻尖點并進行坐標統(tǒng)一配準，最后通過鼻尖點獲取水平與垂直方向上由深度

4、變化標記的關鍵特征點。該算法能夠有效的去除點云模型中存在的干擾信息，從而更精準的進行特征點定位。
　　根據上述的已標記特征點并經過配準的模型獲取完備訓練樣本。并提出了一種基于關鍵特征點的多信息融合人臉識別算法。通過改變條件控制參數獲取二維虛擬圖像并劃分成多個包含聚類特性的子集，提高訓練樣本的完備性從而解決多數人臉特征提取方法中存在的非線性問題。由于各個特征點在不同姿態(tài)和光照條件下對分類識別的貢獻能力是具有差別，因此對他們進行加權處