基于EHMM-SVM的人臉識別算法研究.pdf

1、現(xiàn)今，由于科學(xué)技術(shù)的快速發(fā)展以及互聯(lián)網(wǎng)的普遍應(yīng)用，網(wǎng)絡(luò)安全問題和信息安全問題變得愈加重要。目前出現(xiàn)了許多基于生物特征的識別手段，例如指紋、虹膜、人臉等，而基于人臉的認證方法是諸多基于生物特征識別的方法中應(yīng)用的最為普遍的方法?；谌四樀恼J證方法與指紋、虹膜等生物特征的認證手段相比具有安全性能高、使用方便、直觀性突出、不易假冒、識別精度較高、識別速度較快等優(yōu)點，因此該方法被重點研究和廣泛的運用。人臉識別是模式識別的重要研究領(lǐng)域，如何選取較好

2、的算法提高人臉識別的識別率是研究的重點和難點。
　　本文在前人的研究基礎(chǔ)上，把圖像處理與模式識別的知識綜合運用，提出了一種基于EHMM-SVM的人臉識別算法，本文所做工作有以下幾個方面：
　?、盼闹羞\用圖像預(yù)處理常用的直方圖均衡化、圖像平滑、幾何變換和圖形銳化等方法，同時結(jié)合ORL人臉庫進行圖像預(yù)處理實驗分析。實驗結(jié)果表明了，運用直方圖均衡化和中值濾波對人臉灰度圖像進行預(yù)處理能夠得到較好的預(yù)處理效果。經(jīng)過直方圖均衡化處理后的

3、人臉灰度圖像變得較為清晰、明亮。中值濾波不但能消弭噪聲并且能夠保持人臉灰度圖像的細節(jié)，使處理后的圖像不呈現(xiàn)出明顯的模糊區(qū)域。因此在本文的實驗中采用直方圖均衡化和中值濾波的方法對人臉灰度圖像進行預(yù)處理。
　?、圃谌四樚卣魈崛〉沫h(huán)節(jié)，文中對經(jīng)常運用的幾種人臉特征提取方法，K-L變換、小波變換、二維離散余弦變換和奇異值分解等進行了較為詳盡的介紹，并結(jié)合 ORL人臉庫在EHMM人臉模型上進行實驗分析。實驗結(jié)果表明：運用二維離散余弦變換（2

4、D-DCT）提取人臉圖像的特征能夠降低對噪聲、光照和姿態(tài)變化的敏感度。
　?、菂⒄誗ammaria和Nefian對人臉灰度圖像劃分的模型，研究了EHMM人臉識別算法，并結(jié)合ORL和Yale人臉庫進行實驗研究。對實驗結(jié)果進行分析可知：與HMM人臉識別算法相比，EHMM人臉模型在水平方向建立模型，更好的利用了人臉局部器官之間的相互聯(lián)系，人臉識別率有所提高。但在人臉判別時，EHMM模型僅僅是依靠最大相似概率來進行人臉的判定，有可能會出現(xiàn)

5、識別錯誤。通過對SVM的分析，發(fā)現(xiàn)SVM擅長類別間的分類，它能很好的反映類別間的不同。因此針對EHMM模型和SVM的特點，提出一種把EHMM和SVM兩種方法結(jié)合在一起的人臉識別算法。
　?、日撐挠肙RL和Yale人臉庫圖像進行實驗；采用直方圖均衡化和中值濾波的圖像預(yù)處理方法對人臉灰度圖像進行預(yù)處理；運用二維離散余弦變換（2D-DCT）的方法提取人臉灰度圖像的特征得到觀察向量序列；通過雙重嵌套Viterbi算法求出每個人臉圖像對應(yīng)于