基于多模式融合的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別作為一種友好、非接觸的生物特征識(shí)別技術(shù)，可分為二維圖像人臉識(shí)別和三維模型人臉識(shí)別?；趫D像的二維人臉識(shí)別研究開展的較早，在實(shí)驗(yàn)室環(huán)境下已經(jīng)獲得了較高的識(shí)別率。然而，F(xiàn)RGC（人臉識(shí)別大挑戰(zhàn)計(jì)劃）測(cè)試表明即使是最好的二維人臉識(shí)別算法在光照、姿勢(shì)、表情變換劇烈的情況下依然無法提供可靠的識(shí)別結(jié)果。三維人臉識(shí)別可以克服或減輕這些因素的影響。應(yīng)用信息融合理論，將二維人臉識(shí)別和三維人臉識(shí)別在決策層融合，有望得到高效穩(wěn)定的識(shí)別結(jié)果。文本在對(duì)這

2、一領(lǐng)域所涉及到的算法進(jìn)行了研究。為了解決二維Gabor特征維數(shù)過大的問題，本文對(duì)2DPCA（二維主成分分析）方法進(jìn)行改進(jìn)，提出R-2DPCA（增強(qiáng)二維主成分分析）降維算法，形成了完整的Gabor+R-2DPCA二維人臉識(shí)別方法。采用最近鄰分類器分別在CASIA人臉庫和ORL人臉庫上進(jìn)行實(shí)驗(yàn)，結(jié)果表明Gabor+R-2DPCA方法的識(shí)別率優(yōu)于PCA和2DPCA方法，最高識(shí)別率達(dá)到了97.5％。
　　 本文研究了從原始三維模型到深度

3、圖的轉(zhuǎn)換過程，并提出適用于深度圖特征提取的LTP（局部三值模式）算子。在不顯著增加算法復(fù)雜度的前提下，LTP方法表現(xiàn)出了良好的抗噪性。實(shí)現(xiàn)了Fisherface方法，將Fisherface與深度圖LTP特征提取結(jié)合起來，構(gòu)成了三維人臉識(shí)別模塊。在CASIA三維人臉庫上進(jìn)行了相關(guān)實(shí)驗(yàn)，驗(yàn)證了所提出的三維人臉識(shí)別算法的可行性，最高識(shí)別率達(dá)到了95.8％，訓(xùn)練時(shí)間與測(cè)試時(shí)間相對(duì)于傳統(tǒng)Fisherface方法增加均不超過4％。最后結(jié)合信息融合理

4、論，給出了2D圖像與3D模型融合的四種模式。對(duì)四種模式的優(yōu)缺點(diǎn)進(jìn)行分析，提出了改進(jìn)型決策層融合模型：先通過Gabor+R-2DPCA方法得到N個(gè)候選人，再利用深度圖LTP+Fisherface方法得到最終識(shí)別結(jié)果。按照該模型完成了基于Gabor變換與深度圖像的多模式人臉識(shí)別系統(tǒng)軟件開發(fā)。通過實(shí)驗(yàn)，在N取值大于等于30時(shí)，系統(tǒng)的識(shí)別率穩(wěn)定在98.5％以上。隨著三維成像技術(shù)的發(fā)展，本文所提出融合二維圖像和三維模型的人臉方法必將有著廣闊的應(yīng)用