人臉精確檢測(cè)與多分辨率下識(shí)別方法研究.pdf

1、人臉檢測(cè)與識(shí)別技術(shù)是生物特征鑒別技術(shù)中研究最多和最熱門(mén)的技術(shù)之一，它已經(jīng)在身份認(rèn)證、安全檢查、罪犯查詢(xún)、人機(jī)交互等廣泛領(lǐng)域得到了初步應(yīng)用。 在人臉檢測(cè)研究中，構(gòu)建快速而精確的檢測(cè)方法一直是該領(lǐng)域的研究熱點(diǎn)；在人臉識(shí)別研究中，如何克服獲取圖像光線、表情、視角等變化的影響，提高識(shí)別率則是迫切需要研究的問(wèn)題。針對(duì)這兩個(gè)問(wèn)題，本文以彩色和灰色正面人臉靜態(tài)圖像為研究對(duì)象，將模式識(shí)別理論和圖像處理技術(shù)相結(jié)合，重點(diǎn)研究基于LVQ人工神經(jīng)網(wǎng)絡(luò)(

2、ANN)的膚色像素檢測(cè)和基于模板匹配的人臉精確檢測(cè)方法，以及基于小波包分解(WPD)和(2D)2PCA的不同變化條件人膛圖像的識(shí)別方法，為建立快速精確的人臉識(shí)別系統(tǒng)提供技術(shù)依據(jù)。 本文的主要研究工作如下： (1)針對(duì)現(xiàn)有人臉檢測(cè)系統(tǒng)檢測(cè)精度和速度不平衡的問(wèn)題，提出了一種基于LVQANN的膚色檢測(cè)與基于模板匹配的精確人臉檢測(cè)相結(jié)合的方法。該方法在獲取膚色像素基礎(chǔ)上，采用基于全局搜索的Mosaic方法預(yù)定位人臉區(qū)域。以CVL

3、人臉庫(kù)圖像實(shí)驗(yàn)結(jié)果表明，LVQ ANN實(shí)現(xiàn)了較滿(mǎn)意的膚色像素檢測(cè)效果，又能提高檢測(cè)速度；Mosaic方法成功地實(shí)現(xiàn)了人臉區(qū)域的預(yù)定位。 (2)為在預(yù)定位人臉區(qū)域中實(shí)現(xiàn)精確的人臉檢測(cè)，采用一種基于模板匹配的人臉檢測(cè)方法。該方法首先構(gòu)建基于R分量的標(biāo)準(zhǔn)灰度人臉模板，然后以相關(guān)性系數(shù)為匹配準(zhǔn)則，使用多尺寸人臉模板實(shí)現(xiàn)不同尺寸人臉的檢測(cè)。實(shí)驗(yàn)結(jié)果表明，CVL人臉庫(kù)中常態(tài)組、微笑組和大笑組的正確檢測(cè)率分別為100％、100％和93.6％；

4、與僅采用模板匹配法相比，檢測(cè)速度從1870.6s/幅提高到208.4s/幅。 (3)為解決從圖像小波包分解得到節(jié)點(diǎn)圖像中選取顯著節(jié)點(diǎn)困難的問(wèn)題，提出了采用(2D)2PCA和最鄰近分類(lèi)器測(cè)試所有節(jié)點(diǎn)圖像的正確識(shí)別率(CRRI)，并依據(jù)識(shí)別率選取出“成功”節(jié)點(diǎn)圖像的方法。 (4)為了有效組合“成功”節(jié)點(diǎn)的特征矩陣，提出了一種測(cè)量測(cè)試圖像和庫(kù)圖像距離的方法。該方法以“成功”節(jié)點(diǎn)圖像特征矩陣的加權(quán)距離和，做為測(cè)試圖像和庫(kù)圖像的距

5、離，既考慮了全局和局部特征，又考慮了不同節(jié)點(diǎn)圖像的識(shí)別貢獻(xiàn)率，人臉識(shí)別實(shí)驗(yàn)結(jié)果表明該測(cè)量方法有效地提高了識(shí)別率。 (5)針對(duì)變化人臉圖像識(shí)別困難的問(wèn)題，提出了一種基于WPD和(2D)2PCA的人臉識(shí)別方法。首先，對(duì)圖像進(jìn)行小波包分解，采用(2D)2PCA和最鄰近分類(lèi)器得到子節(jié)點(diǎn)的正確識(shí)別率，選取具有較大識(shí)別率的節(jié)點(diǎn)作為“成功”節(jié)點(diǎn)，然后，組合“成功”節(jié)點(diǎn)的特征矩陣，計(jì)算測(cè)試圖像與庫(kù)圖像的距離，最后，采用最鄰近分類(lèi)器實(shí)現(xiàn)識(shí)別。

6、 (6)以MATLAB7.0為工具編程實(shí)現(xiàn)基于WPD和(2D)2pCA的人臉識(shí)別方法，并以CMUPIE、Yale和UMIST人臉庫(kù)圖像為測(cè)試對(duì)象，分別進(jìn)行光照、表情和視角變化圖像的識(shí)別性能實(shí)驗(yàn)，以原圖像采用(2D)2pCA和最鄰近分類(lèi)器的識(shí)別率為對(duì)比標(biāo)準(zhǔn)，結(jié)果表明，本文方法在3個(gè)實(shí)驗(yàn)中的識(shí)別率均高于標(biāo)準(zhǔn)識(shí)別率，其中，光照變化時(shí)識(shí)別能力最好，最高識(shí)別率為98.795％;表情變化其次，最高為88.796％，視角變化最差，最高為36.04

7、7％。 (7)實(shí)驗(yàn)表明，距離尺度和小波函數(shù)的選取對(duì)多分辨率下節(jié)點(diǎn)的識(shí)別率有較大影響。L1在主體節(jié)點(diǎn)上的識(shí)別率高，而L2在細(xì)節(jié)節(jié)點(diǎn)上的識(shí)別率高;小波函數(shù)對(duì)不同條件圖像識(shí)別效果也各不相同。因此，要根據(jù)圖像變化條件選取節(jié)點(diǎn)、距離尺度和小波函數(shù)。由試驗(yàn)提出了如下選取規(guī)則：光照變化時(shí)，采用L1和Daubechies4下的A1、A2、H2、V2、HH2組合;表情變化時(shí)，采用L1和Haar下的A2。 (8)本文提出的方法在視角變化時(shí)效