基于圖像分割的遮擋人臉識別研究.pdf

1、人臉識別與其他人體生物特征識別相比具有明顯優(yōu)勢，在身份識別、自助服務、信息安全和視頻監(jiān)控等方面具有廣泛的應用。在理想環(huán)境下，人臉識別系統(tǒng)具有較好的魯棒性。然而，當待識別人臉存在明顯的亮度、姿勢變化及眼鏡遮擋等非受控因素影響時，識別系統(tǒng)性能急劇下降。近二十年來，面向非受控場景的人臉識別成為模式識別領域的研究熱點問題。
　　人臉圖像中遮擋的存在極大地降低了對其分類判別的能力，為此，本文主要探討了基于遮擋區(qū)域消除的人臉識別。論文首先研究

2、了基于圖像分割的人臉圖像遮擋區(qū)域提取方法，然后針對光照不均衡會引起遮擋區(qū)域分割效果欠佳的問題，提出了兩種新的圖像預處理算法以增強圖像遮擋區(qū)域的輪廓信息，從而有效提高分割算法對遮擋區(qū)域的檢測能力。本文的主要研究工作包括：
　?。?）開展了基于稀疏編碼及線性回歸的人臉識別方法研究。主要完成了對相關(guān)分類算法的實驗仿真，為后續(xù)研究工作的展開奠定基礎。首先，深入研究了幾種特征提取算法、稀疏編碼、線性回歸人臉分類算法的基本理論和具體算法；然后

3、，對無遮擋人臉圖像，采用全局或局部的特征提取算法，并結(jié)合相應的分類算法進行系統(tǒng)仿真，比較了各分類算法的性能；最后，討論了基于整體圖像和分塊圖像采用不同分類方法的遮擋人臉識別性能，分析了采用不同分塊模式時的識別性能。
　?。?）探討了基于異值區(qū)域消除的遮擋人臉識別方法。圖像分割理論可對圖像遮擋區(qū)域進行有效去除，針對部分遮擋人臉識別問題，提出一種基于異值區(qū)域消除的遮擋人臉識別算法。該算法的關(guān)鍵在于尋找更好將遮擋區(qū)域和非遮擋區(qū)域有效區(qū)分

4、的待分割圖像。本文基于人臉無遮擋圖像與有遮擋圖像具有明顯可分性的特性，經(jīng)由遮擋人臉圖像與干凈訓練圖像形成的平均臉圖像產(chǎn)生誤差圖像，該圖像的提取過程簡單、快速，且后續(xù)用于人臉識別的分類算法不再受限。實驗結(jié)果表明，與同類方法比較，該方法在具有計算相對簡單的基礎上展現(xiàn)了較好的識別性能提升。但算法對受不均勻光照影響的遮擋人臉圖像，識別性能有待進一步改善。
　　（3）提出了基于低秩矩陣分解的光照均勻化人臉圖像預處理方法。測試樣本中存在不均勻

5、光照影響時，單純利用測試樣本和訓練樣本平均臉圖像做差的誤差圖像，對光照變化不均勻較為敏感，直接利用該誤差圖像降低了分割算法的分割能力。考慮低秩矩陣分解算法對人臉中的異樣成分具有較好的消除效果，針對受不均勻光照影響的遮擋人臉圖像，提出了基于低秩矩陣分解的光照均勻化預處理算法。通常將干擾圖像與干凈圖像共同構(gòu)成低秩矩陣分解中的數(shù)據(jù)矩陣，以此消除人臉圖像的非受控因素。但對本文研究來說，我們的最終目標是在去除不均圖像勻光照的同時得到清晰的遮擋輪廓