人臉檢測和識別算法的研究與實現(xiàn).pdf

1、生物特征識別是利用人類特有的生理或行為特征來識別個人身份的技術(shù)，它提供了一種高可靠性、高穩(wěn)定性的身份鑒別途徑。人臉檢測和識別是目前生物特征識別中最受人們關(guān)注的一個分支，是當前圖像處理、模式識別和計算機視覺領(lǐng)域內(nèi)的一個熱門研究課題，在公安部門罪犯搜索、安全部門動態(tài)監(jiān)視識別、銀行密碼系統(tǒng)等許多領(lǐng)域有廣泛的應(yīng)用。與指紋、視網(wǎng)膜、虹膜、掌紋等其他人體生物特征識別方法相比，人臉識別具有直接、友好，使用者無心理障礙等特點。本文對此進行了較為深入的研

2、究，論文的主要工作和成果有以下幾個方面： (1)全面概述了生物特征識別技術(shù)及其發(fā)展方向、應(yīng)用背景和研究意義，重點描述了人臉識別技術(shù)的研究內(nèi)容、方法、應(yīng)用前景，介紹了人臉識別技術(shù)在國內(nèi)外的研究現(xiàn)狀，對人臉自動檢測與識別技術(shù)進行了綜述。 (2)提出一種非線性變換的彩色空間來描述膚色模型，在該非線性彩色空間上進行人臉膚色的分割，采用基于區(qū)域增長算法的自適應(yīng)閾值處理，實現(xiàn)了一個完整的皮膚分類器。通過使用自適應(yīng)閾值的模糊分割技術(shù)，

3、使皮膚區(qū)域與非皮膚區(qū)域有效地分割開，從而得到人臉候選區(qū)域。提出利用多尺度形態(tài)邊緣檢測算法定位眼睛和嘴的位置，根據(jù)均值和方差分割出的紋理特征和人臉幾何特性來定位人臉，從而驗證候選區(qū)域是否為人臉。 (3)在標準PCA原理基礎(chǔ)上，分別提出了對稱主成分分析和核主成分分析算法進行人臉識別。通過引入鏡像樣本，將人臉圖像進行奇偶分解，并分別對奇偶圖像應(yīng)用KL展開，提取奇偶對稱KL特征；根據(jù)各個特征分量在人臉中所占能量比例的不同以及對視角、旋轉(zhuǎn)

4、、光照等干擾的不同敏感程度，進行特征選擇，增強特征的穩(wěn)定性；從理論分析入手，建立理論基礎(chǔ)，并將該算法成功應(yīng)用于人臉識別中。該算法從理論上提出奇偶正交重構(gòu)，在應(yīng)用上利用鏡像樣本擴大樣本容量，提高了識別性能并增強了人臉識別算法的實用性。作為一類核方法，KPCA方法在模式識別領(lǐng)域中得到了較多的應(yīng)用，其基礎(chǔ)是使用KPCA進行特征抽取。在進行非線性映射之前，首先利用經(jīng)典的主分量分析降維，然后再進行核主分量分析(KPCA)。在ORL標準人臉庫上的實

5、驗結(jié)果驗證了所提算法的有效性。 (4)提出了基于小波變換圖像相關(guān)性的人臉識別方法。用小波變換將原始圖像分解提取特征，可以有效地降低特征向量的維數(shù)；將訓(xùn)練集中的5幅圖像取平均值作為模板臉，計算測試集中的5幅小波變換圖像與模板臉的相關(guān)系數(shù)，并進行比較。在ORL人臉庫上的實驗結(jié)果表明，提出的方法可以達到98.5％的正確識別率，計算量小，速度快，可用于各種人臉識別系統(tǒng)中。 (5)提出融合小波特征和離散余弦變換特征的支持向量機人臉

6、識別方法。通過小波變換提取圖像的低頻分量，再利用離散余弦變換的較好壓縮性能及計算的有效性提取樣本圖像的特征，該方法提取的特征少而精，使輸入向量的維數(shù)大大減小，減少了計算的復(fù)雜性；同時結(jié)合支持向量機的強大分類能力，對標準的ORL人臉庫進行分類識別，取得了很好的分類、識別效果。 (6)提出將小波變換和主成分分析方法結(jié)合提取人臉特征，有效地減少了人臉圖像維數(shù)，減少了神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練和識別時間，提高了效率；利用隱層數(shù)和隱層單元數(shù)計算公式

7、，合理選擇神經(jīng)元網(wǎng)絡(luò)隱層數(shù)和隱層單元數(shù)，獲得較好的識別結(jié)果。 由于人臉自動識別系統(tǒng)相對比較復(fù)雜，涉及的內(nèi)容很多，本文雖然在人臉檢測與識別方面取得了一些成果，但距離實際應(yīng)用還有一定的差距，有待于在今后的工作中繼續(xù)研究改進和完善。人臉自動識別是近年來非?；钴S的研究領(lǐng)域，新思想、新技術(shù)、新方法和新應(yīng)用層出不窮，相信在不久的將來一定會找到比較完美的解決辦法，到那時候人們就可以更加充分的享受這一技術(shù)給人們的工作和生活帶來的方便。