姿態(tài)魯棒的人臉圖像識別方法研究.pdf

1、人臉識別技術(shù)具有非常廣泛的應(yīng)用前景，在身份認(rèn)證、視頻智能監(jiān)控和人機交互等領(lǐng)域都有重要的應(yīng)用。然而姿態(tài)變化始終是影響人臉識別正確率的一大因素，因而本文針對這一問題展開研究，通過姿態(tài)矯正提高人臉圖像識別正確率。本文研究了偏轉(zhuǎn)角度為?5o~?25o的人臉圖像的姿態(tài)矯正方法以及分塊加全局的PCANet-2（4 Block+Global）人臉識別方法，并且通過實驗證明，本文的方法在原來的基礎(chǔ)上提高了人臉識別正確率。
　　本文的主要研究內(nèi)容包

2、括：
　　（1）姿態(tài)問題對于人臉識別非常重要，在使用三維模型矯正二維人臉圖像的姿態(tài)時，深度坐標(biāo)如果估計不準(zhǔn)，矯正效果是很難理想的，針對該問題，本文研究了 Candide-3三維人臉模型與二維人臉圖像的配準(zhǔn)方法以及在配準(zhǔn)過程中Candide-3模型113個頂點的深度坐標(biāo)估計方法。
　?。?）使用Candide-3三維人臉模型將偏轉(zhuǎn)角度大于5o的側(cè)面人臉圖像轉(zhuǎn)正之后，在原來偏向的一側(cè)會有部分紋理失真，針對該問題，本文研究了對于偏

3、轉(zhuǎn)角度為?5o~?25o的側(cè)面人臉圖像，使用Candide-3模型轉(zhuǎn)正之后，檢測失真的三角面片并且對其使用約束紋理合成方法進行修復(fù)。
　?。?）本文在Tsung-Han Chan[1]等人提出的PCANet-2人臉識別方法以及劉棟梁[2]提出的PCANet-2（4 Block）方法的基礎(chǔ)上進行了改進，具體方法為：將人臉圖像分為左眼區(qū)域、右眼區(qū)域、鼻子區(qū)域、嘴巴區(qū)域和全局人臉五個部分，分別使用這五個部分的圖像訓(xùn)練第一階段和第二階段的

4、PCA濾波器，對于每一張待測圖像將其分為這五個部分分別使用對應(yīng)的PCA濾波器提取特征，整幅人臉圖像的特征由這五個部分的特征級聯(lián)表示，然后進行識別。
　?。?）實驗表明，本文的PCANet-2（4 Block+Global）人臉識別方法在錯誤接受率為1％~8%時比Tsung-Han Chan[1]等人提出的PCANet-2方法識別率高，并且在錯誤接受率為0.5%~8%時比劉棟梁[2]提出的PCANet-2（4 Block）方法識別率