基于SIFT的分塊加權(quán)人臉識別系統(tǒng)研究.pdf

1、目前人臉識別技術(shù)已經(jīng)取得了很大的成就，一些經(jīng)典的人臉識別系統(tǒng)當(dāng)條件理想時能得到理想的識別效果，但是在非理想情況下，如表情、光照、姿勢、視角、遮擋等變化條件對人臉造成影響時，其識別率明顯下降，不能得到很好的結(jié)果。針對此問題，本文在對現(xiàn)有國內(nèi)外人臉識別系統(tǒng)研究分析的基礎(chǔ)上，利用 SIFT算子在非理想條件下對人臉識別有較好識別效果的優(yōu)勢，就怎樣能在人臉圖像中提取出對表情、光照、以及遮擋等魯棒性更強的 SIFT特征為研究重點，并試圖將其運用于人

2、臉識別系統(tǒng)以提高人臉識別率。
　　本文在 SIFT特征提取的基礎(chǔ)上，針對傳統(tǒng)圖像分塊特征提取方法沒有考慮到分塊邊緣信息以及圖像各部分對圖像整體貢獻度不同的問題，提出基于 SIFT的改進分塊自適應(yīng)加權(quán)的特征提取方法并將其運用在人臉識別系統(tǒng)中。該方法首先利用提出的重疊分塊方法來對人臉圖像進行重疊分塊處理；之后，提取各個子塊的 SIFT特征點并用特征向量來進行描述；然后，采用2DICA降維方法來對上一步中得到的特征描述向量降維并根據(jù)局部

3、信息熵圖譜計算出的局部貢獻度來給降維后的特征描述向量進行自適應(yīng)加權(quán)；最后，利用上一步得到的人臉圖像特征以及RBF算法來進行訓(xùn)練分類與識別。
　　為了對本文方法所提取的特征進行人臉識別的實驗。本文選擇在YALE、ORL以及YALEB人臉庫中進行實驗，分別在有表情變化、光照變化、姿勢變化、遮擋變化的條件下進行實驗，并且與現(xiàn)有幾種常見特征提取方法的實驗結(jié)果進行了比較與說明，結(jié)果證明本文方法與其它描述方法相比在遮擋、姿勢、光照以及表情變化