基于Gabor變換的人臉識(shí)別技術(shù)研究.pdf

1、智能信息化時(shí)代的一大特點(diǎn)就是身份的數(shù)字化和安全化，自動(dòng)識(shí)別一個(gè)人的身份是當(dāng)今信息化時(shí)代一個(gè)關(guān)鍵的社會(huì)課題，生物特征識(shí)別技術(shù)也由此闖入大眾視線。生物特征包括指紋、虹膜、人臉等，其中人臉特征已經(jīng)越來(lái)越廣泛地應(yīng)用于個(gè)人信息識(shí)別領(lǐng)域。但由于光照條件、場(chǎng)景變化等客觀因素和表情、年齡、嘴型等主觀因素的影響，如何實(shí)現(xiàn)復(fù)雜條件下人臉識(shí)別是研究熱點(diǎn)。
　　此課題的研究對(duì)象是雙目可見(jiàn)的正面人臉圖像，雙目距離大于70像素，偏角左右小于30度，上下小于1

2、5度。本課題的人臉識(shí)別系統(tǒng)主要從五大模塊深入研究，具體如下:
　　光照預(yù)處理模塊采用伽馬校正加上高斯差分的算法，不僅能夠較好地保留細(xì)節(jié)信息，還對(duì)“陰陽(yáng)臉”有較高的識(shí)別率，尤其是在光照變化極其復(fù)雜情況下，識(shí)別性能明顯高于直方圖均衡化和自商圖像預(yù)處理方法，魯棒性較好，操作簡(jiǎn)單，實(shí)時(shí)性高。
　　特征提取模塊采用基于Gabor小波的特征提取方法，二維Gabor小波變換的多方向和多尺度性可以描繪人臉圖像的紋理分布信息。本文在圖像尺寸大

3、小、Gabor小波各尺度各方向、降采樣間隔、Gabor特征表征方式這四個(gè)方面展開(kāi)重點(diǎn)研究，最后結(jié)合實(shí)驗(yàn)測(cè)試結(jié)果和工程指標(biāo)選擇最優(yōu)參數(shù)。Gabor特征對(duì)一定的觀測(cè)視角、光照變化、姿態(tài)、目標(biāo)大小、表情等變化并不敏感，具有空間局部性和方向選擇性的優(yōu)點(diǎn)。
　　特征選擇模塊分別采用GFC法、Pooling法和EJS法針對(duì)維數(shù)過(guò)大的Gabor特征進(jìn)行選擇，提高實(shí)時(shí)性。GFC包括主成分分析和Fisher線性判別分析，有一定抗干擾性但對(duì)光照劇烈變