基于PCA算法和人臉姿態(tài)合成的人臉識別.pdf

1、人臉識別，是指對于給定的某個人臉圖像，從存儲的已知身份的人臉圖像庫中識別出該人的身份。特征提取是人臉識別的核心問題，采用主成分分析(Principal Component Analysis，PCA)方法進行特征提取是較成功的線性分析方法。PCA算法具有速度快，對正面人臉圖像識別率高等優(yōu)點，但該算法的缺點是識別率的魯棒性容易受光照、表情、姿態(tài)等因素的影響。本課題從光照和姿態(tài)因素這兩個方面分別對人臉識別進行研究。
　　為了抑制PCA算

2、法對圖像中光照因素的較高敏感性，本課題提出一種對圖像灰度進行冪次變換的預(yù)處理策略。首先采用隨機序列來選取人臉庫中的訓練樣本和測試樣本，然后對隨機人臉樣本進行冪次變換和Butterworth低通濾波處理，最后進行PCA處理的人臉識別算法。基于ORL數(shù)據(jù)庫的實驗表明，在適當選擇冪次變換參數(shù)的情況下，基于冪次變換預(yù)處理的PCA人臉識別算法比傳統(tǒng)的PCA算法具有更高的識別精度。
　　基于PCA算法的特征提取技術(shù)，雖然在正面人臉圖像識別方面

3、取得了顯著效果，但是，當人臉的姿態(tài)改變，即人臉的角度發(fā)生變化，面部特征就會受到不同程度的遮擋，此時人臉識別算法的識別率會急劇下降。目前多數(shù)的人臉識別算法主要針對正面人臉圖像，針對姿態(tài)變化的研究相對比較的少，所以姿態(tài)問題是亟待解決的問題。
　　姿態(tài)合成人臉圖像的識別是一個將面部信息“無中生有”的恢復過程。本課題根據(jù)有限姿態(tài)的人臉圖像和人臉姿態(tài)變化的先驗知識，結(jié)合主動表觀模型理論，對每個姿態(tài)的人臉圖像提取紋理信息，得到對齊后的多姿態(tài)人