基于視覺特征提取和核判決分析方法的人臉識(shí)別.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別領(lǐng)域的重要研究課題，這是由于人臉表情豐富、隨年齡增長(zhǎng)而變化，人臉圖像受成像的光照、角度和距離等影響，人臉的自動(dòng)識(shí)別非常困難，特別是要求機(jī)器在學(xué)習(xí)之后要有足夠的泛化識(shí)別能力；同時(shí)人臉識(shí)別還涉及到圖像處理、模式識(shí)別、生理學(xué)等知識(shí)。人臉識(shí)別廣泛應(yīng)用于人機(jī)交互、監(jiān)控系統(tǒng)、門禁系統(tǒng)和檔案管理等方面。人臉是具有自然相似結(jié)構(gòu)，卻又有彈性的局部可變形的非剛體目標(biāo)，因此人臉識(shí)別的研究還有對(duì)大量同類目標(biāo)識(shí)別問題具有推動(dòng)作用。

2、人臉識(shí)別是一種特定內(nèi)容的模式識(shí)別，從狹義上講，就是將特定人臉上的特征提取和檢測(cè)出來并與已知類別的標(biāo)準(zhǔn)樣本的特征進(jìn)行模式識(shí)別的操作，因此主要涉及特征提取和分類判決分析兩方面。本文研究的工作主要是利用基于視覺特征提取方法，獲得有效的人臉圖像識(shí)別特征；并結(jié)合性能或速度改進(jìn)了的核判決分析方法進(jìn)行人臉圖像識(shí)別。研究的內(nèi)容主要包括：綜合論述了人類視覺系統(tǒng)中與人臉識(shí)別有關(guān)的神經(jīng)生理學(xué)和心理學(xué)研究成果；基于視覺皮層上皮細(xì)胞感受野的Gabor模型，提出了

3、將遞推Gabor濾波用于人臉圖像特征的提取，并結(jié)合基于QR分解的核判決分析方法進(jìn)行人臉識(shí)別的方法；基于視覺皮層上皮細(xì)胞感受野的高斯微分模型，提出了具有尺度和方向選擇性的Hermite變換用于人臉圖像特征的提取，并結(jié)合以類間分布最大化、總的分布最小化為準(zhǔn)則的核判決分析方法進(jìn)行人臉識(shí)別的方法；基于傳輸?shù)饺四X的視覺皮層的信號(hào)是壓縮后具有傅立葉變換性質(zhì)的信息，提出了在壓縮域提取人臉圖像的離散余弦特征描述，并結(jié)合零空間核判決分析方法進(jìn)行人臉識(shí)別的

4、方法；基于人類視覺系統(tǒng)被當(dāng)作一個(gè)多通道模型進(jìn)行描述，并且Mart理論指出信息處理的是分不同層次的，提出了利用多分辨改變的離散余弦變換提取人臉圖像特征，并結(jié)合基于Chernoff準(zhǔn)則的核判決分析方法進(jìn)行人臉識(shí)別的方法。主要的研究成果如下： 1．提出了基于遞推Gabor濾波獲得人臉圖像特征與基于QR分解的核判決分析方法相結(jié)合的人臉識(shí)別方法。利用Gabor函數(shù)對(duì)人類視覺系統(tǒng)中大腦皮層上皮細(xì)胞感受野的逼近能力，Gabor濾波可以對(duì)圖像局

5、部信息分析中考慮視覺特性。遞推Gabor濾波方法利用前向和反向遞推計(jì)算獲得濾波結(jié)果，克服了通過卷積運(yùn)算或時(shí)頻轉(zhuǎn)換進(jìn)行濾波處理計(jì)算復(fù)雜度高的缺點(diǎn)，其計(jì)算復(fù)雜度僅與數(shù)據(jù)長(zhǎng)度成正比，并具有較好的穩(wěn)定性。因此多分辨遞推Gabor濾波對(duì)人臉圖像進(jìn)行處理，有利于獲得具有空間頻率、空間位置和方向取向選擇性的圖像特征表達(dá)，在一定程度上克服光照、表情以及姿態(tài)等變化的影響，同時(shí)降低計(jì)算量。核判決分析方法具有很好的非線性映射能力和特征提取能力，其能夠提取特征

6、空間中的最佳鑒別特征，這些特征對(duì)應(yīng)于輸入空間中的非線性最佳鑒別特征。在具體運(yùn)用的過程中，可以采用先可以通過重心矩陣進(jìn)行QR分解，進(jìn)行類間散布的最大化處理，然后再進(jìn)行類內(nèi)散布的最小化處理兩個(gè)步驟，減小了計(jì)算的復(fù)雜度。實(shí)驗(yàn)仿真表明，遞推Gabor濾波方法能夠較好地提取人臉圖像特征，對(duì)比結(jié)果表明了該方法的有效性。 2．提出了基于Hermite特征和核判決分析方法的人臉識(shí)別方法。在研究中，人們發(fā)現(xiàn)視覺感受野的形狀類似于高斯函數(shù)與其拉普拉

7、斯變換之和，視覺系統(tǒng)對(duì)亮度對(duì)比度的感知問題可轉(zhuǎn)化為數(shù)學(xué)中的特征函數(shù)問題，這些特征函數(shù)既不是正弦函數(shù)或Gabor函數(shù)，而是微分算子的特征函數(shù)。隨著基于高斯微分描述的視覺皮層細(xì)胞感受野的分布模型的提出，Martens在此基礎(chǔ)上建立了Hermite變換，該變換是建立高斯微分算子的基礎(chǔ)上，其濾波器的沖擊響應(yīng)與視覺皮層中細(xì)胞的感受野分布相似。人臉圖像通過該變換進(jìn)行多分辨分析，可獲得具有空間頻率特性、空間位置和方向取向選擇性的局部特征。由于Gabo

8、r濾波器和Hermite濾波器具有相似性，Gabor濾波器提取的特征有利于分類判決，因此在選擇Hermite變換的參數(shù)時(shí)充分考慮了其提取的特征的鑒別特性。建立以類間散布最大化、總散布最小化為判決準(zhǔn)則的核判決分析方法，有效地從整體上保證了分類變換達(dá)到最佳。通過實(shí)驗(yàn)仿真比較表明，該方法具有較好的特征提取能力和識(shí)別效果。 3．提出了在壓縮域基于離散余弦特征和零空間核判決分析的人臉識(shí)別方法。離散余弦變換（DCT）與傅立葉變換相關(guān)，它將圖

9、像被分成具有不同視覺特性重要性的頻譜子帶，離散余弦變換的系數(shù)可以很好地描述圖像特征，低頻系數(shù)包含了圖像較多的能量，能夠平滑由于表情或少許姿態(tài)引起的變化；直流分量主要包含了圖像的亮度信息。從壓縮人臉圖像中通過部分解碼提取DCT系數(shù)，節(jié)約IDCT所需的時(shí)間；并通過分塊內(nèi)系數(shù)和相鄰分塊間的部分系數(shù)的水平、垂直方向的一階正交多項(xiàng)式作為圖像的特征，減弱了照度變化的影響。判決分析中，由于小樣本問題，類內(nèi)散布矩陣通常是奇異的，在其零空間中包含著用于判

10、決分析的信息，尤其當(dāng)類間散布矩陣在該零空間的某一投影軸的投影不為零時(shí)，判決信息更顯著，零空間方法能夠提取該部分信息，因此將零空間方法與核判決分析方法相結(jié)合可獲得在高維特征空間由類間散布矩陣的補(bǔ)空間和類內(nèi)散布矩陣的零空間的交集構(gòu)成的識(shí)別子空間。實(shí)驗(yàn)仿真結(jié)果表明，該方法能夠從壓縮數(shù)據(jù)中較好地提取特征描述，與其它通常的方法相比，具有較好的識(shí)別效果。 4．提出了利用多分辨改變的離散余弦（MDCT）提取圖像特征與基于Chernoff準(zhǔn)則的

11、核判決分析方法相結(jié)合的人臉識(shí)別方法。通常人類視覺系統(tǒng)被當(dāng)作一個(gè)多通道模型進(jìn)行描述；并且Marr理論指出信息處理的是分不同層次的。MDCT在理論上和多相濾波器屬于同一類時(shí)間／頻率映射機(jī)制，其結(jié)合了臨界取樣，具有良好的頻率分辨性和靈活的窗轉(zhuǎn)換，因此容易實(shí)現(xiàn)對(duì)不同分辨率的處理。利用多分辨分析，將人臉圖像分解為不同的解析度，然后利用MDCT進(jìn)行處理，實(shí)現(xiàn)了人臉圖像的多分辨MDCT分析，提取了不同頻段上反應(yīng)不同分辨率的結(jié)構(gòu)特征提取的圖像特征，這與