基于粗糙集的人臉識(shí)別改進(jìn)方法.pdf

1、由于傳統(tǒng)的信息安全技術(shù)很難滿足實(shí)際需求，而生物特征識(shí)別技術(shù)因其高效、安全、穩(wěn)定等特點(diǎn)受到廣泛關(guān)注和應(yīng)用。生物特征識(shí)別技術(shù)中的人臉識(shí)別技術(shù)與其他技術(shù)相比具有穩(wěn)定、非接觸性和人機(jī)交互良好等特點(diǎn)，因此，人臉識(shí)別技術(shù)成為了生物特征識(shí)別技術(shù)領(lǐng)域的研究熱點(diǎn)。人臉識(shí)別系統(tǒng)在實(shí)際條件下一般需要對(duì)人臉實(shí)現(xiàn)復(fù)雜環(huán)境下的定位、特征提取和最終的分類識(shí)別。其中人臉檢測(cè)和定位是人臉識(shí)別前期的必要工作，其主要作用是從復(fù)雜背景條件中實(shí)時(shí)、高效和穩(wěn)定的分割出人臉區(qū)域。<

2、br>　　為了使最終分割出的膚色區(qū)域穩(wěn)定，本文利用空域?yàn)V波中的中值濾波和均值濾波以及頻域中的低通濾波對(duì)圖像進(jìn)行濾波并比較它們之中濾波效果較好的中值濾波作為濾波處理算法。濾波處理之后則需要對(duì)膚色區(qū)域分割，而膚色是人臉圖像中最為重要的特點(diǎn)。在顏色空間中膚色特征具有很強(qiáng)的穩(wěn)定性和聚類性。因此，本文在不同的顏色空間中分割出人臉區(qū)域，并進(jìn)行比較得出膚色分割最好的顏色空間即YCbCr作為人臉膚色分割空間。在YCbCr空間中，運(yùn)用膚色的兩種模型橢圓膚

3、色模型和高斯膚色模型,對(duì)人臉膚色進(jìn)行分割和比較，結(jié)果表明高斯模型在人臉分割中的優(yōu)越性，所以本文采用高斯膚色模型作為人臉分割算法。實(shí)驗(yàn)結(jié)果證明了這種方法的穩(wěn)定性和有效性。
　　本文在完成人臉前期的分割后，通過主元成分分析法和線性判別分析法來提取人臉特征，但是在提取特征的過程中發(fā)現(xiàn)這兩種特征提取方法，都存在不包含圖像的細(xì)節(jié)特征的缺陷，針對(duì)這個(gè)問題本文提出了一種融合主成分分析法和隨機(jī)主成分分析法來構(gòu)建特征空間的方法。這種方法雖然能有效提

4、高識(shí)別率，但是存在特征過多，計(jì)算復(fù)雜度較高的缺點(diǎn)。為了得到識(shí)別率較高并且計(jì)算復(fù)雜度較低的人臉識(shí)別系統(tǒng)，本文利用粗糙集方法對(duì)不完備數(shù)據(jù)和不精確知識(shí)約簡(jiǎn)的能力，來計(jì)算每個(gè)屬性的重要度，從而去除不必要的屬性來減少特征維數(shù)和提高特征質(zhì)量，進(jìn)而在提高系統(tǒng)的識(shí)別率的同時(shí)減少分類時(shí)的計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果顯示PCA+rough set的平均識(shí)別率89.7％，PCA+LDA的平均識(shí)別率88.3%, PCA方法的平均識(shí)別率為87.5%，而采用Random