基于隱馬爾可夫模型的人臉識別研究.pdf

1、人臉包含的視覺信息是區(qū)別人與人之間差別的最重要生物特征之一，以其直接性、唯一性、方便性等特點，越來越受到人們的關(guān)注。人臉自動識別技術(shù)是生物特征識別技術(shù)的重要組成部分，是模式識別和機器視覺領域最富挑戰(zhàn)性的研究課題之一，也是近年來研究的熱點問題。它主要包括人臉檢測和人臉識別兩方面內(nèi)容。 近年來，人們提出了許多的人臉識別方法，它們大體上可以分為以下幾大類：靜止圖像中的人臉識別方法、系列視頻中的人臉識別方法，以及三維人臉識別方法等。但由

2、于人臉的可變塑性和在成像過程中多種因素的影響，目前己經(jīng)取得的研究成果距離實際應用還有相當大的距離。本文深入研究了基于奇異值分解和隱馬爾可夫模型的人臉識別方法，主要做了如下幾個方面的工作： (1)提出了一種新的基于奇異值分解的人臉識別方法，我們稱其為基于局部奇異值的方法。傳統(tǒng)的方法是將整幅圖像的奇異值向量作為識別特征量，這種做法有兩個明顯的不足，一方面是整幅圖像的奇異值向量反映的是整幅圖像的統(tǒng)計特性，對細節(jié)描述不夠；另一方面由于奇

3、異值向量作為識別特征量是由前面幾個顯著值起決定作用的，這就造成了圖像尺寸增加不一定能增加識別的特征個數(shù)，而特征量太少的直接結(jié)果是識別率的降低?；谏鲜鍪聦?，我們提出一種基于局部奇異值向量的人臉識別方法，用多個小窗口采樣人臉，用多個奇異值向量表示人臉特征。這樣能更加充分地利用圖像的信息，增加有效的識別特征量，更好的反映人臉局部特征的個體差異。實驗結(jié)果表明，這種方法是非常有效的，采用基于局部奇異值的方法要遠遠優(yōu)于傳統(tǒng)的基于奇異值的方法。

4、 (2)提出了一種基于奇異值分解和隱馬爾可夫模型(Hidden Markov Model，簡記HMM)的人臉識別方法，它采用奇異值向量作為觀察向量。我們認為，人臉識別研究中，把人臉作為一個對象來建模時，既要注重各部分結(jié)構(gòu)的整體性信息，還需要注重臉部五官特征的局部細節(jié)性信息。整體性信息描述了人臉的宏觀特征，而細節(jié)性信息則是區(qū)分不同人臉的關(guān)鍵。所以人臉應當作為一個整體來描述，不僅僅包括各個器官的數(shù)值特征，還應當包括各個器官的不同表象和相

5、互關(guān)聯(lián)。我們選擇隱馬爾可夫模型的合理性在于，可以將同一個人的面部表情變化、姿態(tài)變化等的豐富表現(xiàn)看作是同一個狀態(tài)產(chǎn)生的一系列實現(xiàn)，它們對應的是同一個HMM，而不同的人我們用不同的HMM來表現(xiàn)。利用隱馬爾可夫模型對人臉進行描述和識別，我們就不是孤立地利用各個器宮的數(shù)值特征，而是把這些特征和一個狀態(tài)轉(zhuǎn)移模型聯(lián)系起來。由于奇異值向量的穩(wěn)定性以及轉(zhuǎn)置不變性等特性，因而用它作為觀察向量要優(yōu)于直接采用灰度值或二維離散余弦變換系數(shù)。我們對經(jīng)典Baum-

6、Welch算法進行了改進，給出了多觀察值序列條件下的連續(xù)HMM的參數(shù)重估算法，提高了HMM人臉識別的識別性能。我們的實驗結(jié)果也證明了這一點，本文的基于連續(xù)HMM的人臉識別方法無論是參與計算的數(shù)據(jù)量還是識別率都要優(yōu)于傳統(tǒng)的HMM 人臉識別方法。 (3)提出了一種基于奇異值分解和嵌入式隱馬爾可夫模型(Embedded HMM)的人臉識別方法。嵌入式隱馬爾可夫模型是一種簡化了的二維隱馬爾可夫模型，它可以較好地描述人臉。該模型通過超狀

7、態(tài)的嵌入狀態(tài)來描述臉部局部特征的細節(jié)性信息，通過狀態(tài)轉(zhuǎn)移把這些局部信息聯(lián)系起來；通過超狀態(tài)之間的轉(zhuǎn)移關(guān)系來描述人臉宏觀整體性信息。因此，利用嵌入式隱馬爾可夫模型描述人臉，我們不是孤立地利用臉部局部特征，而是把這些局部特征和概率轉(zhuǎn)移模型聯(lián)系起來，進而形成整體的宏觀描述。從原理上來說，基于嵌入式隱馬爾可夫模型的人臉表示和識別方法更合理。我們在一維HMM的基礎上，修訂了連續(xù)EHMM的參數(shù)重估算法，優(yōu)化了EHMM人臉模型，同時也提高了人臉識別算