基于特征融合的人臉識別.pdf

1、人臉識別引起了研究者的廣泛興趣和關注，在公共生活和安全領域具有廣闊的市場前景。當前，優(yōu)秀的人臉識別算法在理想條件下能達到滿意的識別效果。但是，在非理想條件下（光照變化、姿態(tài)不同、面部表情差異、有無遮擋等），人臉的識別性能還有待提高。要建立魯棒性好、實用的人臉識別系統(tǒng)還需要解決很多問題。
　　本文通過對人臉全局特征和局部特征的特點進行分析，基于互補的思想，利用神經(jīng)網(wǎng)絡對全局和局部特征進行融合，設計分類器，從而提高人臉識別的正確率。本

2、文研究的內容主要有：
　　1、運用全局特征對人臉進行識別，確定人臉全局特征提取方法。分別采用主成份分析法（Principal Component Analysis, PC和A)2D-PCA提取全局特征并進行人臉識別，對兩種方法進行比較，確定采用PCA方法獲得人臉全局特征。
　　2、運用Gabor變換提取人臉局部特征，采用多分類器融合策略對人臉進行識別。Gabor變換提取人臉局部特征，對局部變化（比如表情和遮擋等）具有很好的魯

3、棒性能。Gabor變換得到的人臉局部特征向量維數(shù)太大，為了解決此問題，利用基于人臉關鍵部位的Gabor特征分組及其融合的人臉表示和識別方法。通過賦予不同部位不同的權值，把多個特征進行融合，從而將高維的Gabor特征“化繁為簡”。
　　3、運用BP（Back Propagation)神經(jīng)網(wǎng)絡將人臉的全局特征和局部特征進行并行融合，在此基礎上設計分類器，進行人臉識別。神經(jīng)科學的研究表明，人的視野神經(jīng)系統(tǒng)結合人臉的全局特征和局部特征來進