基于能量圖與非線性耦合度量的人臉識別方法研究.pdf

1、人臉識別一直是模式識別和機(jī)器視覺領(lǐng)域的熱點(diǎn)研究問題。人臉作為一種獨(dú)特的生物特征,具有直接性、唯一性、便捷性等特點(diǎn),但是由于人臉的可塑多變和在成像過程中受諸多因素的影響,又使得人臉的機(jī)器自動識別這一課題極具挑戰(zhàn)性。特別是非受控環(huán)境下人臉的多姿態(tài)變化問題、攝像機(jī)更換以及人體運(yùn)動等因素帶來的人臉圖像退化(低分辨率和模糊)問題,這些亟待解決的關(guān)鍵問題已成為人臉識別技術(shù)在視頻監(jiān)控環(huán)境下得到廣泛應(yīng)用的瓶頸之一。
　　本文主要針對人臉識別中的多

2、姿態(tài)變化和退化兩個關(guān)鍵問題開展了相關(guān)的研究。多姿態(tài)人臉識別主要涉及兩大類型:(1)可通過幾何歸一化得到校正的平面內(nèi)旋轉(zhuǎn)人臉識別;(2)無法進(jìn)行幾何校正的俯仰變化和左右搖擺變化的人臉識別。針對這兩大類型的多姿態(tài)人臉,本文分別提出了有效的人臉識別方法。針對退化人臉識別問題,本文主要從距離度量的角度出發(fā),提出了一種非線性的耦合度量策略,它能夠直接用于不同分辨率圖像和模糊圖像的特征提取與分類識別。本文的主要研究內(nèi)容總結(jié)如下:
　　首先,針

3、對人臉在同一個平面內(nèi)的旋轉(zhuǎn)變化問題,提出具體的解決方案。首先,提出一種融合Adaboost算法和分塊積分投影的眼睛定位方法,實(shí)現(xiàn)了對傾斜人臉中眼睛的高精度定位。該方法采用Adaboost人臉和眼睛分類器粗估計(jì)出人眼區(qū)域,然后,在人眼區(qū)域中通過分塊積分投影法準(zhǔn)確定位雙眼位置。確定雙眼位置后,給出以圖像幾何中心為旋轉(zhuǎn)基準(zhǔn)點(diǎn)進(jìn)行圖像旋轉(zhuǎn)校正時旋轉(zhuǎn)角度的計(jì)算方法,實(shí)現(xiàn)了以圖像幾何中心為旋轉(zhuǎn)基準(zhǔn)點(diǎn)對傾斜人臉圖像進(jìn)行的平面校正。這對于完善以圖像中心

4、為基準(zhǔn)的圖像校正方法有一定的意義。最后,提出一種基于子模式的Gabor特征融合的人臉識別方法,有效提取了校正后人臉圖像中的特征信息用于分類識別或相似度計(jì)算。
　　其次,針對人臉多姿態(tài)變化中無法通過幾何校正來克服的俯仰變化和左右搖擺變化問題,提出一種全新的人臉表征方法,即人臉能量圖(Faceenergyimage,FEI),并分別定義了廣義和狹義人臉能量圖,通過理論證明說明了人臉能量圖所具有的多個優(yōu)點(diǎn);針對人臉能量圖模糊的問題,采用

5、改進(jìn)的Retinex圖像增強(qiáng)方法對其進(jìn)行了增強(qiáng)預(yù)處理;最后,針對人臉能量圖存在特征冗余的問題,提出一種基于最大分離度差的有監(jiān)督局部保持投影特征提取方法,能夠有效提取人臉能量圖中所蘊(yùn)含的非線性流形信息和分類信息用于識別。
　　然后,在本文提出的人臉能量圖(人臉均值能量圖)基礎(chǔ)上,進(jìn)一步提出另外一種新的能量圖,即人臉方差能量圖(Facevarianceenergyimage,FVEI)。人臉均值和方差能量圖分別從均值和方差兩個角度對多

6、姿態(tài)人臉圖像進(jìn)行了描述。由于這兩種能量圖在人臉識別過程中具有不同的分類作用,所以,以這兩種不同含義的特征為基礎(chǔ),結(jié)合特征級融合的策略,本文提出一種有效融合均值和方差能量圖的多姿態(tài)人臉識別方法,能夠更好的解決姿態(tài)變化給人臉識別帶來的困難。
　　最后,本文將人臉識別中出現(xiàn)的退化人臉識別問題看作不同數(shù)據(jù)集合元素間的度量問題,針對不同數(shù)據(jù)集合元素間的度量問題,提出一種新的基于有監(jiān)督局部保持投影的耦合度量學(xué)習(xí)方法,并在此基礎(chǔ)上與核技術(shù)相結(jié)合