基于隱馬爾可夫模型的人臉識別設(shè)計與實現(xiàn).pdf

1、人臉檢測與識別技術(shù)作為近年來越來越受關(guān)注的計算機視覺研究課題之一，被廣泛地應(yīng)用到安全領(lǐng)域。人臉檢測與識別是利用人臉這一人體固有的生物特征進行個人身份鑒別的過程，具有良好的安全性、可靠性和有效性。本文主要針對人臉識別過程中圖像處理，人臉檢測與識別技術(shù)進行研究。
　　 首先分析所使用的圖像預(yù)處理方法：灰度化、圖像縮放和圖像去噪，重點集中在對圖像中脈沖噪聲檢測與去除方法的研究。通過舉例分析，發(fā)現(xiàn)傳統(tǒng)圖像脈沖噪聲檢測方法中，基于檢測窗口

2、內(nèi)像素最值判斷噪聲的標準不準確，可能造成錯誤接受噪點，增加圖像處理時間。通過引入距離平均值對傳統(tǒng)脈沖噪聲檢測方法進行簡單改進。由于人臉檢測操作頻繁，實時性要求較高，本文采用哈爾特征(Haar feature)分類器與隱馬爾可夫模型(Hidden Markov Model，HMM)結(jié)合進行人臉檢測與識別的解決方案。在人臉檢測方面，使用基于哈爾特征的分類器，確定人臉位置。利用特征分類器檢測速度快、實時性好的特點來彌補隱馬爾可夫模型判斷準確但

3、速度較慢的不足。
　　 在人臉識別方面，主要研究基于隱馬爾可夫模型進行識別人臉時，所使用的離散余弦變換這一圖像特征提取方法。直接使用圖像離散余弦特征時，特征數(shù)據(jù)量大，造成人臉識別速度慢。通過分析研究小波變換方法，在人臉特征提取過程中引入基于小波變換的圖像壓縮環(huán)節(jié)，減少數(shù)據(jù)量，取得原始圖像的逼近圖像。然后獲取逼近圖像的離散余弦特征，從而減少隱馬爾可夫模型的計算時間，確保識別系統(tǒng)的實時性。
　　 最后，結(jié)合所采用的方法，基于