基于學(xué)習(xí)的人臉識(shí)別研究.pdf

1、人臉識(shí)別是生物特征識(shí)別的關(guān)鍵技術(shù)之一，其最核心的兩大步驟為人臉檢測(cè)與識(shí)別。它的主要任務(wù)就是從圖像或視頻中準(zhǔn)確地找出人臉并確定其身份。本文從基于學(xué)習(xí)的角度出發(fā)，在聚類、流形、子空間學(xué)習(xí)等機(jī)器學(xué)習(xí)方法的基礎(chǔ)上，提出了改進(jìn)或新的人臉識(shí)別方法，并和其他人臉識(shí)別方法作比較，取得了較好的效果。本文主要研究了以下幾方面的內(nèi)容： 1）針對(duì)人臉檢測(cè)問題，通過膚色法分離人臉目標(biāo)與背景后，提出兩種方法定位人臉即：積分投影—高斯曲線法和改進(jìn)減法聚類法，

2、分別對(duì)應(yīng)單人臉和多人臉檢測(cè)。積分投影—高斯曲線法將人臉二值圖像分別在X、Y軸積分投影，根據(jù)投影曲線分別計(jì)算相應(yīng)的高斯曲線，通過求解高斯方程快速得到較為準(zhǔn)確的人臉區(qū)域。改進(jìn)減法聚類法運(yùn)用一種新的距離定義，通過圖像中人臉目標(biāo)的統(tǒng)計(jì)信息對(duì)算法的關(guān)鍵參數(shù)進(jìn)行預(yù)估計(jì)，能自動(dòng)結(jié)束人臉目標(biāo)搜索。下采樣降低減法聚類的運(yùn)算量，提高了算法的運(yùn)行速度，同時(shí)驗(yàn)證了減法聚類在視頻運(yùn)動(dòng)目標(biāo)定位中的良好應(yīng)用效果。精確地檢測(cè)人臉需要對(duì)不同姿態(tài)的人臉進(jìn)行姿態(tài)角估計(jì)，本文

3、在膚色區(qū)域提取的基礎(chǔ)上，提出姿態(tài)角度估計(jì)目標(biāo)函數(shù)，并討論了兩種尋優(yōu)方法，即梯度下降法和次全局枚舉尋優(yōu)法，來估計(jì)姿態(tài)角度值。根據(jù)估計(jì)的姿態(tài)角度作相應(yīng)的旋轉(zhuǎn)校正，在校正后的區(qū)域利用眼睛和嘴的色度和亮度特點(diǎn)分別構(gòu)造映射圖，提取出眼睛和嘴，并驗(yàn)證人臉。 2）針對(duì)流形學(xué)習(xí)的人臉識(shí)別問題，圍繞流形學(xué)習(xí)方法的本質(zhì)要素，即：（1）如何構(gòu)造近鄰結(jié)構(gòu)圖；（2）以什么樣的距離測(cè)度來衡量人臉樣本的近鄰；（3）遵循什么樣的目標(biāo)準(zhǔn)則來構(gòu)造低維嵌入，從三方面

4、入手，衍生了中心近鄰嵌入學(xué)習(xí)和鑒別矢量角嵌入學(xué)習(xí)兩種新的流形學(xué)習(xí)方法。中心近鄰嵌入的學(xué)習(xí)算法，與經(jīng)典的局部線性嵌入和保局映射不同，它是一種有監(jiān)督的線性降維方法。該方法首先通過計(jì)算各類樣本中心，并引入中心近鄰距離代替兩樣本點(diǎn)之間的直接距離作為權(quán)系數(shù)函數(shù)的輸入；然后在保持中心近鄰幾何結(jié)構(gòu)不變的情況下把高維數(shù)據(jù)嵌入到低維坐標(biāo)系中。鑒別矢量角嵌入的識(shí)別方法，構(gòu)造了一幅有正/負(fù)連接邊的鄰接圖，算法中連接邊權(quán)系數(shù)的測(cè)度采用矢量角代替矢量模，不但省去

5、了傳統(tǒng)方法中對(duì)熱核權(quán)函數(shù)t參數(shù)的估計(jì)，而且降低由于圖像樣本間的亮度差異對(duì)識(shí)別率造成的影響。 3）為了實(shí)現(xiàn)人臉識(shí)別免于特征提取，提出了一種基于正交補(bǔ)臉的人臉識(shí)別方法。該方法基于空間正交分解理論，首先對(duì)不同類的原始訓(xùn)練樣本進(jìn)行Gram—Schmidt正交化，以正交化后的基張成各個(gè)不同的子空間，然后把測(cè)試樣本分解為子空間投影及子空間正交補(bǔ)兩部分。正交補(bǔ)的范數(shù)體現(xiàn)了測(cè)試樣本到各類子空間的距離，并以此作為分類的依據(jù)。 4）針對(duì)單樣