基于Contourlet變換的人臉姿態(tài)估計.pdf

1、近年來，人臉識別相關(guān)產(chǎn)品已被大量應(yīng)用到生產(chǎn)生活中，相關(guān)技術(shù)日趨成熟，應(yīng)用領(lǐng)域也越來越廣。人臉姿態(tài)估計作為人臉識別的預(yù)處理階段，會對人臉識別系統(tǒng)的性能造成很大影響。人臉姿態(tài)估計屬于圖像分析的基礎(chǔ)研究內(nèi)容，涉及模式識別，計算機視覺，認知科學(xué)等多個學(xué)科，并且在公共安全，基于內(nèi)容的圖像檢索，人機交互等方面都有非常廣闊的應(yīng)用前景。因此，如何對人臉姿態(tài)進行正確估計一直是圖像處理方面一個極富挑戰(zhàn)性的問題。
　　本文提出了一種利用Contourl

2、et變換進行特征提取來實現(xiàn)姿態(tài)估計的方法。為了增強姿態(tài)估計的準確性和效率，使用Contourlet變換來進行特征提取。如何進行特征提取是人臉姿態(tài)估計技術(shù)中的關(guān)鍵問題。Contourlet變換是一種多分辨率，多方向變換，它實現(xiàn)簡單，具有較少的冗余度。Contourlet變換的第一步是通過LP（Laplacian Pyramid，拉普拉斯金字塔）來獲得不連續(xù)點，第二步是通過DFB（Directional Filter Banks，方向濾波器

3、組）將這些不連續(xù)點連接起來，構(gòu)成線性結(jié)構(gòu)。為了減小特征空間的維度，獲得適合的特征，利用PCA（Principal ComponentAnalysis，主成分分析）來進行特征降維。為了增強類間區(qū)分度，采用LDA（Linear DiscriminantAnalysis，線性判別分析）算法實現(xiàn)。最后使用KNN（K-neareast neighbor，K近鄰）算法來對人臉姿態(tài)進行分類。
　　本文的實驗中采用公開的人臉姿態(tài)圖像集FacePi