復(fù)雜環(huán)境下人臉識別研究及其在CRM的實現(xiàn).pdf

1、人臉識別作為一種實用的身份識別技術(shù)，由于其具有獨(dú)特的優(yōu)勢，在我們生活中已經(jīng)得到普遍的應(yīng)用，已成為一種方便人們?nèi)粘Ｉ畹闹匾夹g(shù)。
　　本論文主要對人臉識別技術(shù)進(jìn)行研究，首先對人臉圖像預(yù)處理技術(shù)進(jìn)行研究，其次對靜態(tài)人臉識別和動態(tài)人臉識別分別進(jìn)行了探討分析。由于目前人臉識別技術(shù)多應(yīng)用于安全領(lǐng)域，該技術(shù)沒有更好地為企業(yè)和消費(fèi)者服務(wù)，針對這一特點(diǎn)最后利用本文的算法思路設(shè)計出一個面向銀行的，基于人臉識別技術(shù)的CRM系統(tǒng)。本文的主要研究內(nèi)容如

2、下：
　　（1）人臉圖像的預(yù)處理：主要研究了直方圖均值化、濾波平滑等技術(shù)。對于動態(tài)人臉圖像的識別，識別對象是視頻序列。研究了分割算法和定位算法，并采用Hausdorff距離進(jìn)行動態(tài)人臉圖像的定位。
　　（2）特征提?。簩Ρ榷喾N特征提取方法，如PCA方法和基于Gabor變換的特征提取方法等。
　　（3）靜態(tài)人臉識別：分析PCA方法和Gabor變換。研究它們各自的優(yōu)缺點(diǎn)，最終使用PCA方法進(jìn)行局部人臉特征點(diǎn)的特征提取，得到

3、特征點(diǎn)的PCA系數(shù)特征；將人臉圖像通過Gabor變換后得到Gabor系數(shù)特征。最終人臉庫中的圖像和待識圖像的特征點(diǎn)都具有這兩個系數(shù)特征。實驗證明，此方法識別率更高。并且針對于人臉圖像處于較復(fù)雜的環(huán)境下，提出了解決方法。
　　（4）動態(tài)人臉識別：研究了動態(tài)人臉的相關(guān)性問題及相關(guān)系數(shù)定義算法，分析圖像分割與相關(guān)性的關(guān)系；利用相關(guān)系數(shù)對隱馬爾科夫模型的初始概率分布進(jìn)行調(diào)整。最后采用隱馬爾科夫模型作為動態(tài)人臉圖像識別的分類器，結(jié)合分割算法