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

1、人臉識(shí)別作為一種實(shí)用的身份識(shí)別技術(shù)，由于其具有獨(dú)特的優(yōu)勢(shì)，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(duì)人臉識(shí)別技術(shù)進(jìn)行研究，首先對(duì)人臉圖像預(yù)處理技術(shù)進(jìn)行研究，其次對(duì)靜態(tài)人臉識(shí)別和動(dòng)態(tài)人臉識(shí)別分別進(jìn)行了探討分析。由于目前人臉識(shí)別技術(shù)多應(yīng)用于安全領(lǐng)域，該技術(shù)沒(méi)有更好地為企業(yè)和消費(fèi)者服務(wù)，針對(duì)這一特點(diǎn)最后利用本文的算法思路設(shè)計(jì)出一個(gè)面向銀行的，基于人臉識(shí)別技術(shù)的CRM系統(tǒng)。本文的主要研究?jī)?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(duì)于動(dòng)態(tài)人臉圖像的識(shí)別，識(shí)別對(duì)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(dòng)態(tài)人臉圖像的定位。
　?。?）特征提取：對(duì)比多種特征提取方法，如PCA方法和基于Gabor變換的特征提取方法等。
　?。?）靜態(tài)人臉識(shí)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(guò)Gabor變換后得到Gabor系數(shù)特征。最終人臉庫(kù)中的圖像和待識(shí)圖像的特征點(diǎn)都具有這兩個(gè)系數(shù)特征。實(shí)驗(yàn)證明，此方法識(shí)別率更高。并且針對(duì)于人臉圖像處于較復(fù)雜的環(huán)境下，提出了解決方法。
　?。?）動(dòng)態(tài)人臉識(shí)別：研究了動(dòng)態(tài)人臉的相關(guān)性問(wèn)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(duì)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(dòng)態(tài)人臉圖像識(shí)別的分類器，結(jié)合分割算法