室外動(dòng)態(tài)場景中的人臉識(shí)別.pdf

1、人臉識(shí)別一直是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱點(diǎn)研究與應(yīng)用方向，在智能視頻監(jiān)控、自動(dòng)門禁、國防安全、生物識(shí)別等方面都發(fā)揮著最關(guān)鍵的作用，擁有極高的應(yīng)用價(jià)值。近些年來，對(duì)于人臉識(shí)別算法的研究方向正慢慢從受限制的簡單場景向不受限的復(fù)雜場景轉(zhuǎn)變。與簡單的靜態(tài)場景相比，在室外動(dòng)態(tài)場景中人臉識(shí)別受影響的因素更多，復(fù)雜光照變化、人臉姿態(tài)變化以及多變的背景都會(huì)對(duì)人臉識(shí)別算法帶來難以處理的棘手問題。因此，研究在室外動(dòng)態(tài)場景中穩(wěn)健的人臉識(shí)別算法具有較大的挑戰(zhàn)性和較

2、強(qiáng)的實(shí)用性。
　　結(jié)合動(dòng)態(tài)場景的特性，本文從人臉對(duì)齊、人臉特征提取方法和分類識(shí)別算法進(jìn)行了深入的研究，主要研究內(nèi)容如下：
　　(1)提出了相應(yīng)的人臉對(duì)齊及歸一化方法，在一定程度上較好的解決了動(dòng)態(tài)場景下的光照與人臉姿態(tài)變化。對(duì)常見的人臉圖像預(yù)處理算法進(jìn)行了介紹與研究，對(duì)直方圖均衡、對(duì)數(shù)變換和伽馬校正等光照預(yù)處理方法進(jìn)行了研究與實(shí)驗(yàn)，重點(diǎn)研究了基于改進(jìn)的主動(dòng)形狀模型（ASM）算法對(duì)于人臉姿態(tài)檢測的效果。
　　(2)對(duì)常用的

3、人臉特征提取方法進(jìn)行了介紹與優(yōu)劣分析，在此基礎(chǔ)上深入研究了基于人臉圖像金字塔多尺度的高維特征提取方法，提升了對(duì)人臉圖像的描述與表征能力，分別研究了基于PCA和基于稀疏的降維方法的優(yōu)缺點(diǎn)以及對(duì)人臉識(shí)別率的影響，基于聯(lián)合貝葉斯方法和經(jīng)典的SVM分類器實(shí)現(xiàn)了最終的人臉識(shí)別算法，與傳統(tǒng)的特征提取方法進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證了該方法在室外動(dòng)態(tài)場景中人臉識(shí)別的準(zhǔn)確性。
　　(3)研究多種人臉特征融合方法，分析了經(jīng)典SVM與概率輸出的SVM各自的特點(diǎn)