基于EHMM的人臉識(shí)別算法研究與應(yīng)用.pdf

1、人臉識(shí)別是橫跨多個(gè)學(xué)科的研究領(lǐng)域，包括圖像處理，模式識(shí)別和計(jì)算機(jī)視覺等。在智能身份鑒定、視頻監(jiān)控、唇語(yǔ)識(shí)別、表情提取等交互應(yīng)用領(lǐng)域，人臉檢測(cè)和識(shí)別是最基本和最重要的環(huán)節(jié)之一。由于人臉特征提取的比其它生物特征提取更為便捷，不需要太多用戶的配合，自然友好等特點(diǎn)，被公認(rèn)為是未來(lái)最具潛力的生物特征識(shí)別技術(shù)。完整的人臉識(shí)別系統(tǒng)包括前期圖像預(yù)處理，人臉檢測(cè)定位，人臉識(shí)別匹配和相關(guān)應(yīng)用等。本文主要研究其中基本的人臉檢測(cè)和人臉識(shí)別方法，并對(duì)其中的一些方

2、法進(jìn)行優(yōu)化，主要工作有：
　　(1)研究了基于神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)方法，為了獲得較好的區(qū)分能力，選用多層感知器作為神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。由于灰度值不能表示穩(wěn)健的特征，為兩類分類問(wèn)題帶來(lái)很多不確定性，本文使用Gabor濾波結(jié)果作為分類器的輸入向量，取得了較好的檢測(cè)結(jié)果。
　　(2)在基于隱馬爾可夫模型的人臉識(shí)別中，由于采樣窗口尺寸，重疊度和DCT系數(shù)對(duì)識(shí)別效率的影響顯著，本文提出了優(yōu)化參數(shù)組合的方式提高模型表征和識(shí)別效率，人臉識(shí)別

3、匹配階段，針對(duì)傳統(tǒng)的Viterbi算法缺少模型區(qū)分性的問(wèn)題進(jìn)行了優(yōu)化，在計(jì)算最佳路徑鏈之前進(jìn)行模型的篩選，提高了系統(tǒng)的識(shí)別速度。
　　(3)由于人臉圖像是二維數(shù)據(jù)，與一維隱馬爾可夫模型相比，嵌入式隱馬爾可夫模型的理論更適合對(duì)人臉建模。在對(duì)人臉的描述和區(qū)分能力上面，都要優(yōu)于一維的模型。本文研究了基于EHMM的人臉識(shí)別，針對(duì)EHMM中二維參數(shù)重估算法的復(fù)雜性，提出了簡(jiǎn)化的EM算法，在超狀態(tài)和子狀態(tài)方向交替進(jìn)行計(jì)算，降低了EHMM計(jì)算復(fù)