基于隱馬爾可夫模型的局部遮擋和光照人臉識(shí)別.pdf

1、在現(xiàn)有的眾多生物識(shí)別技術(shù)當(dāng)中，人臉識(shí)別技術(shù)以其特有的主動(dòng)性、用戶友好性以及可靠性等優(yōu)勢(shì)，在刑偵、信息安全、自助服務(wù)等方面得到了廣泛的應(yīng)用。因?yàn)槿四樅苋菀资艿焦庹?、遮擋及表情等諸多因素的影響，使得所獲取的人臉圖像之間存在較大的差異，給人臉識(shí)別帶來了極大的困難。其中以光照和遮擋給人臉識(shí)別造成的影響最為嚴(yán)重，光照可引起人臉圖像的灰度信息急劇變化，遮擋會(huì)導(dǎo)致人臉的重要特征信息的丟失，使得普通算法無法正確識(shí)別人臉，因此研究光照和遮擋下的人臉識(shí)別顯

2、得尤為重要。
　　本文基于對(duì)HMM(Hidden Markov Model，隱馬爾可夫模型)的系統(tǒng)研究分析，提出了建立光照人臉EHMM(Embedded Hidden Markov Model，嵌入式隱馬爾可夫模型)的算法。Gabor特征可以很好地模擬動(dòng)物視覺皮層的濾波響應(yīng)，描述人在視覺上存在的尺度和方向變化，本文用 Gabor小波提取光照下人臉圖像的光照不變特征，并用2DPCA(2-Dimensional Principal C

3、omponent Analysis，二維主元分析)對(duì)高維特征降維，生成模型的觀測(cè)向量，再訓(xùn)練若干光照人臉圖像，建立EHMM人臉模型。實(shí)驗(yàn)表明， EHMM算法能有效識(shí)別光照人臉圖像，獲得較滿意的性能。深入研究了現(xiàn)有人臉遮擋處理主要技術(shù)，本文改進(jìn)了局部 HMM方法，提出了一種針對(duì)局部遮擋人臉識(shí)別的方法。提取人臉圖像的LBP(Local Binary Pattern，局部二值模式)特征，再進(jìn)行DCT變換(Discrete Cosine Tra

4、nsform，離散余弦變換)，獲得局部人臉HMM的觀測(cè)向量，分別為面部器官構(gòu)建局部HMM，再建立整張人臉圖像的HMM。LBP特征對(duì)于旋轉(zhuǎn)、尺度及光照有較強(qiáng)的魯棒性，而DCT有接近于PCA(Principal Component Analysis，主元分析)的去相關(guān)性，能通過降維消除圖像的冗余信息。改進(jìn)算法利用Haar特征估計(jì)局部遮擋，并為局部遮擋賦予不同的權(quán)重。基于AR人臉數(shù)據(jù)庫的大量實(shí)驗(yàn)證明，該局部HMM方法能顯著提高局部遮擋人臉圖像