基于融合的人臉識別方法研究.pdf

1、從20世紀(jì)70年代起，對人類語言方式的機(jī)器理解研究成為國際上重要的研究課題。在我們?nèi)粘５慕煌?，人臉表達(dá)著豐富而細(xì)膩的情感和心理信息，因此，以人臉識別為代表的面部感知計算從80年代末開始逐漸成為熱門的研究方向之一，尤其是人臉識別引起了越來越多的關(guān)注。 人臉識別被重視的另一個重要原因是其在經(jīng)濟(jì)、安全、社會保障、犯罪、軍事等領(lǐng)域具有巨大的潛在的應(yīng)用價值，尤其在需要對用戶身份進(jìn)行驗證或識別的場合。人臉識別技術(shù)因其無需用戶過多參與、非接

2、觸式的數(shù)據(jù)采集方式、對用戶無任何損害、便于隱藏等優(yōu)點而普遍為人們所看好，被稱為21世紀(jì)最有前途的身份驗證方法。對人臉問題的研究和解決，有助于對其他對象識別問題的研究分析和解決，人臉識別也因此成為這些基礎(chǔ)研究領(lǐng)域的重要課題之一，具有重要的理論研究價值。 在現(xiàn)有人臉檢測和識別的基本理論和關(guān)鍵技術(shù)基礎(chǔ)上，論文重點討論了彩色人臉圖像的人臉檢測、圖像增強(qiáng)、特征提取、基于多分類器組合的人臉識別方法、人耳識別、側(cè)面人臉識別、人臉識別和人耳識別

3、相融合的方法、三維人臉識別的多Agent結(jié)構(gòu)模型等問題。 本文的主要研究內(nèi)容包括：(1)針對人臉檢測算法的主要困難，本文提出了一種新的人臉圖像增強(qiáng)方法。實驗結(jié)果表明，該方法對于偏亮或者偏暗的人臉圖像，可以轉(zhuǎn)換成比較清晰的人臉圖像，從而明顯地提高人臉檢測、識別的準(zhǔn)確性。 (2)針對復(fù)雜背景下的人臉檢測，本文提出了一種基于膚色和雙眼信息的彩色圖像中的人臉檢測算法。該算法首先根據(jù)膚色信息對輸入圖像進(jìn)行人臉區(qū)域的粗檢測。剔除了人

4、臉不可能存在的區(qū)域，同時獲得了人臉可能存在的區(qū)域，從而縮短了檢測時間。實驗結(jié)果表明，此算法利用膚色和雙眼信息進(jìn)行人臉區(qū)域檢測，具有較好的魯棒性，可以有效地運用于多人臉、不同尺寸、表情姿態(tài)、復(fù)雜背景的情況，對人臉旋轉(zhuǎn)和側(cè)偏具有較高的適應(yīng)性。同時也使誤檢率達(dá)到較低的水平，取得了較好的檢測效果。 (3)本文提出了基于改進(jìn)特征臉方法以及支持向量機(jī)的多分類器融合的識別方法，該多分類器組合方法不僅充分利用了支持向量機(jī)識別率高和距離度量速度快

5、的優(yōu)點，而且還利用距離度量的結(jié)果指導(dǎo)支持向量機(jī)的訓(xùn)練和測試。實驗表明，該多分類器組合方法具有較高的效率和識別精度以及較低的誤識率。 (4)人耳識別和側(cè)面人臉識別都是嶄新的生物識別技術(shù)，目前國內(nèi)外報道的研究成果很少，本文對其進(jìn)行了初步的探索與嘗試。提出了一種新的人耳識別方法，利用幾何方法提取特征，對于光照沒有變化的清晰的人耳圖像進(jìn)行識別，識別準(zhǔn)確率較高。針對現(xiàn)有的基于幾何特征方法定位側(cè)面人臉特征點沒有考慮這些特征點的鄰域信息，以及

6、根據(jù)特征歐氏距離、側(cè)面人臉輪廓線分段曲率方法進(jìn)行側(cè)面人臉識別正確識別率較低。提出了采用連續(xù)小波檢測出側(cè)面人臉的主要邊緣輪廓，利用主分量分析方法提取出主分量，之后通過支持向量機(jī)識別側(cè)面人臉的識別方法。 (5)由于人耳識別和人臉識別同樣具有其他生物識別所不具備的“非打擾”特征，而且人耳特征的唯一性以及人臉與人耳在三維人體頭部的位置關(guān)系確保了將二者進(jìn)行組合應(yīng)用方法的可行性。本文提出一種將人臉識別和人耳識別相融合的新方法，采用決策層融合

7、，所需要處理的數(shù)據(jù)量小，可以提高識別的速度。這兩種識別方法的融合是解決目前身份識別中識別率不高，可信程度低的新思路，這對于探索生物識別新方法是一個有益的嘗試。 由于人眼對人臉模式的識別過程是并行的，而目前的計算機(jī)系統(tǒng)結(jié)構(gòu)卻是串行的。針對多生物認(rèn)證系統(tǒng)到目前為止還沒有一個統(tǒng)一的框架結(jié)構(gòu)，本文首次利用人工智能的最新研究成果多智能體系統(tǒng)理論描述人臉的三維識別過程，利用并發(fā)的研究成果，結(jié)合三維人臉識別過程的具體特點，提出了三維人臉識別的