自動人臉識別若干關(guān)鍵問題研究.pdf

1、自動人臉識別技術(shù)(Automatic Face Recognition Technology)是近年來計算機視覺、圖像處理、模式識別以及人工智能等領(lǐng)域研究中一項極富挑戰(zhàn)性的研究課題。本論文正是結(jié)合相關(guān)技術(shù)研究了自動人臉識別的若干關(guān)鍵技術(shù)，包括人臉檢測與跟蹤、人臉特征表示以及人臉的識別算法等。 本論文的主要研究內(nèi)容和創(chuàng)新性工作如下： 1)提出了一種快速的基于提升框架的圖像序列中人臉目標檢測算法。該算法把小波提升框架引入序列

2、圖像中，將兩幅相鄰圖像幀用間隔插值方法融合后進行小波變換，擴展了差分圖像的算法；并且利用這些小波圖像縮小需要搜索的目標區(qū)域。該算法充分利用小波良好的多分辨率特性結(jié)合變模板技術(shù)減少匹配計算量，較好的解決了對圖像序列中人臉運動變形的檢測問題和傳統(tǒng)方法漏檢測的局限，加快了算法的速度，提高了人臉跟蹤的匹配效率。 2)提出了一種在子空間中進行人臉識別的新思想，并基于此提出了兩種人臉識別新算法，分別是基于最優(yōu)小波包分解和模糊積分的PCA-L

3、DA人臉識別算法和SVM人臉識別算法。這兩種算法都是首先基于模糊準則求出給定圖像的最優(yōu)小波包分解，然后用最優(yōu)小波包把訓練集人臉分解到n個子空間。對于這些子空間，分別用PCA-LDA和SVM方法求出試驗人臉對與訓練集中每一類人臉的的平均隸屬度；最后，計算這n個子空間上的平均隸屬度和模糊測度的模糊積分，得出試驗人臉最終屬于的類。 3)針對線性判別分析的小樣本空間問題，提出了一種基于類向量的融合全局和局部特征的人臉識別算法。該算法首先

4、提取人臉的高維全局特征；再用一種新的基于Gabor分塊統(tǒng)計量的方法分別提取局部特征，將全局和局部特征融合，得出樣本的特征向量；從每一類樣本中得出一個相同的所謂類樣本向量并據(jù)此給出一種新的投影準則；最后，將類向量和試驗樣本分別進行投影，根據(jù)其歐氏距離的大小得出試驗人臉的最終類。 4)提出多區(qū)域特征融合的人臉特征表示新理念并據(jù)此設(shè)計了一種新的加權(quán)PCA-LDA人臉識別方法。首先提取人臉的全局特征；然后將人臉分割成6個關(guān)鍵部分，并用一

5、種新的基于Gabor小波的方法提取特征；其次，闡述了將全局和局部特征加權(quán)融合的思想，給出了權(quán)值的選擇方法；再次，論述了多區(qū)域特征加權(quán)融合原理；最后，給出了詳細的加權(quán)PCA-LDA算法。 5)給出一種基于樣本加權(quán)特征矩陣和類矩陣的自適應(yīng)人臉識別方法。首先提取人臉的全局特征和6個關(guān)鍵部分的局部特征，給出了權(quán)值的概念將其全局和局部特征加權(quán)融合，得出了樣本的特征矩陣；并在經(jīng)典PCA基礎(chǔ)上設(shè)計出一種新的加權(quán)PCA方法對樣本矩陣進行降維；定