復(fù)雜環(huán)境下的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)經(jīng)過(guò)多年的發(fā)展，時(shí)至今日，在技術(shù)上已經(jīng)得到了長(zhǎng)足的進(jìn)步，許多可靠經(jīng)典方法已經(jīng)開(kāi)始商用化，被應(yīng)用于各個(gè)領(lǐng)域，服務(wù)于各類(lèi)人群。然而，傳統(tǒng)的經(jīng)典人臉識(shí)別方法通常被用于較理想的環(huán)境中，通常要求識(shí)別者保證端正的坐姿展現(xiàn)出足夠的面部特征，以便進(jìn)行識(shí)別。
　　 然而隨著智能監(jiān)控系統(tǒng)的興起，很多原本由人類(lèi)手動(dòng)完成的工作，人們現(xiàn)在越來(lái)越多地希望交給計(jì)算機(jī)自動(dòng)完成。因此我們常常需要對(duì)日常生活中的場(chǎng)景進(jìn)行人臉識(shí)別工作。而日常生活中的監(jiān)控視

2、頻的環(huán)境背景常常是非常復(fù)雜的，如一幅畫(huà)面中存在眾多的人臉目標(biāo)，目標(biāo)姿態(tài)不端正，被遮擋等情況。同時(shí)，由于是視頻系統(tǒng)，還需要對(duì)目標(biāo)進(jìn)行連續(xù)的識(shí)別，更加大了處理難度。為了解決上面的問(wèn)題，構(gòu)建完整的識(shí)別系統(tǒng)，本文分別從人臉檢測(cè)，特征提取和識(shí)別，全面地研究復(fù)雜環(huán)境下的有效識(shí)別技術(shù)。
　　 在人臉檢測(cè)方法上，提出Adaboost+CPCA(Adaboost+ColorPrincipalComponentAnalysis)方法，在由Haare

3、特征級(jí)聯(lián)的弱分類(lèi)器所構(gòu)成的強(qiáng)分類(lèi)器上引入結(jié)合目標(biāo)膚色信息的識(shí)別方法。以提高Adaboost方法準(zhǔn)確率。
　　 在特征提取以及識(shí)別技術(shù)上，因?yàn)樾枰獞?yīng)對(duì)非正態(tài)的人臉識(shí)別，并且人臉的特征提取需要對(duì)光照不敏感以適應(yīng)不同光強(qiáng)下的檢測(cè)。而SIFT特征(Scale-invariantFeatureTransform)的旋轉(zhuǎn)和尺度不變性，以及在不同光強(qiáng)下的穩(wěn)定性恰好為上面的問(wèn)題提供了適合的解決方法。本文在特征匹配的同時(shí)運(yùn)用聚類(lèi)分析加以改進(jìn)，從而

4、解決了在實(shí)際應(yīng)用中，由于常常會(huì)對(duì)整幅圖片進(jìn)行SIFT特征提取，可能產(chǎn)生無(wú)用特征影響特定目標(biāo)的匹配效果這一缺陷。
　　 在研究了人臉檢測(cè)識(shí)別技術(shù)的同時(shí)，對(duì)目標(biāo)追蹤技術(shù)加以利用。著重研究了混合高斯模型在前景檢測(cè)上的應(yīng)用與實(shí)現(xiàn)。并將其結(jié)合進(jìn)人臉識(shí)別檢測(cè)系統(tǒng)中，用其解決不可識(shí)別目標(biāo)的“變向識(shí)別”問(wèn)題，變換對(duì)“未知目標(biāo)”的識(shí)別問(wèn)題為對(duì)“已知目標(biāo)”的追蹤問(wèn)題。
　　 最后，對(duì)以上方法加以綜合，構(gòu)建成自動(dòng)化檢測(cè)識(shí)別系統(tǒng)，能夠?qū)θ粘Ｉ?/p>