基于形狀特征的人臉聚類算法.pdf

1、人臉識別技術(shù)是一種重要的生物特征識別技術(shù)，因其友好、直接等使用特點已廣泛應(yīng)用于安全、商業(yè)等許多領(lǐng)域。人臉識別系統(tǒng)涉及大量數(shù)據(jù)的比對操作，對于人臉數(shù)據(jù)庫較小的識別系統(tǒng)，識別率和識別速度都有較大提高，基本可以滿足實際需求。然而隨著數(shù)據(jù)庫規(guī)模的不斷增大，順序檢索策略顯得非常耗時，不利于人臉識別系統(tǒng)的實時應(yīng)用。因此對數(shù)據(jù)庫進行有效管理和設(shè)計以提高檢索速度非常必要。
　　 本文將聚類分析算法與人臉識別技術(shù)結(jié)合，根據(jù)人臉形狀特征對數(shù)據(jù)庫中圖

2、像進行聚類預(yù)處理，為數(shù)據(jù)庫建立層次結(jié)構(gòu)。首先對圖像進行人臉檢測，在檢測基礎(chǔ)上提取人臉形狀特征點，利用形狀特征對人臉圖像進行聚類，從而將圖像庫劃分為若干小類，最后對圖像分類結(jié)果在人臉識別系統(tǒng)的后續(xù)應(yīng)用進行了驗證和分析。
　　 本文的主要內(nèi)容如下：
　　 ①使用基于AdaBoost的人臉檢測算法檢測人臉，該算法具有正確率高、速度快等優(yōu)點，適用于實時檢測系統(tǒng)。
　　 ②使用主動形狀模型方法定位人臉形狀特征點，提取臉形特

3、征。算法在初始定位和紋理模型兩方面進行了改進。提出將人臉檢測器的結(jié)果作為ASM搜索的初始位置，使用級聯(lián)ASM進行特征點定位，建立二維紋理模型進行特征點匹配，提高定位精度，并在計算馬氏距離過程中修剪協(xié)方差矩陣，減少計算時間。
　　 ③采用ISODATA動態(tài)聚類算法對形狀特征聚類，改進初始聚類中心值的選取方式，并使用Hausdorff距離衡量兩個特征間的相似性。
　　 通過實驗證明，本文提出的方法能夠合理、穩(wěn)定地將人臉圖像分