基于圖像分割的遮擋人臉識(shí)別研究.pdf

1、人臉識(shí)別與其他人體生物特征識(shí)別相比具有明顯優(yōu)勢(shì)，在身份識(shí)別、自助服務(wù)、信息安全和視頻監(jiān)控等方面具有廣泛的應(yīng)用。在理想環(huán)境下，人臉識(shí)別系統(tǒng)具有較好的魯棒性。然而，當(dāng)待識(shí)別人臉存在明顯的亮度、姿勢(shì)變化及眼鏡遮擋等非受控因素影響時(shí)，識(shí)別系統(tǒng)性能急劇下降。近二十年來(lái)，面向非受控場(chǎng)景的人臉識(shí)別成為模式識(shí)別領(lǐng)域的研究熱點(diǎn)問(wèn)題。
　　人臉圖像中遮擋的存在極大地降低了對(duì)其分類判別的能力，為此，本文主要探討了基于遮擋區(qū)域消除的人臉識(shí)別。論文首先研究

2、了基于圖像分割的人臉圖像遮擋區(qū)域提取方法，然后針對(duì)光照不均衡會(huì)引起遮擋區(qū)域分割效果欠佳的問(wèn)題，提出了兩種新的圖像預(yù)處理算法以增強(qiáng)圖像遮擋區(qū)域的輪廓信息，從而有效提高分割算法對(duì)遮擋區(qū)域的檢測(cè)能力。本文的主要研究工作包括：
　　（1）開(kāi)展了基于稀疏編碼及線性回歸的人臉識(shí)別方法研究。主要完成了對(duì)相關(guān)分類算法的實(shí)驗(yàn)仿真，為后續(xù)研究工作的展開(kāi)奠定基礎(chǔ)。首先，深入研究了幾種特征提取算法、稀疏編碼、線性回歸人臉?lè)诸愃惴ǖ幕纠碚摵途唧w算法；然后

3、，對(duì)無(wú)遮擋人臉圖像，采用全局或局部的特征提取算法，并結(jié)合相應(yīng)的分類算法進(jìn)行系統(tǒng)仿真，比較了各分類算法的性能；最后，討論了基于整體圖像和分塊圖像采用不同分類方法的遮擋人臉識(shí)別性能，分析了采用不同分塊模式時(shí)的識(shí)別性能。
　?。?）探討了基于異值區(qū)域消除的遮擋人臉識(shí)別方法。圖像分割理論可對(duì)圖像遮擋區(qū)域進(jìn)行有效去除，針對(duì)部分遮擋人臉識(shí)別問(wèn)題，提出一種基于異值區(qū)域消除的遮擋人臉識(shí)別算法。該算法的關(guān)鍵在于尋找更好將遮擋區(qū)域和非遮擋區(qū)域有效區(qū)分

4、的待分割圖像。本文基于人臉無(wú)遮擋圖像與有遮擋圖像具有明顯可分性的特性，經(jīng)由遮擋人臉圖像與干凈訓(xùn)練圖像形成的平均臉圖像產(chǎn)生誤差圖像，該圖像的提取過(guò)程簡(jiǎn)單、快速，且后續(xù)用于人臉識(shí)別的分類算法不再受限。實(shí)驗(yàn)結(jié)果表明，與同類方法比較，該方法在具有計(jì)算相對(duì)簡(jiǎn)單的基礎(chǔ)上展現(xiàn)了較好的識(shí)別性能提升。但算法對(duì)受不均勻光照影響的遮擋人臉圖像，識(shí)別性能有待進(jìn)一步改善。
　?。?）提出了基于低秩矩陣分解的光照均勻化人臉圖像預(yù)處理方法。測(cè)試樣本中存在不均勻

5、光照影響時(shí)，單純利用測(cè)試樣本和訓(xùn)練樣本平均臉圖像做差的誤差圖像，對(duì)光照變化不均勻較為敏感，直接利用該誤差圖像降低了分割算法的分割能力?？紤]低秩矩陣分解算法對(duì)人臉中的異樣成分具有較好的消除效果，針對(duì)受不均勻光照影響的遮擋人臉圖像，提出了基于低秩矩陣分解的光照均勻化預(yù)處理算法。通常將干擾圖像與干凈圖像共同構(gòu)成低秩矩陣分解中的數(shù)據(jù)矩陣，以此消除人臉圖像的非受控因素。但對(duì)本文研究來(lái)說(shuō)，我們的最終目標(biāo)是在去除不均圖像勻光照的同時(shí)得到清晰的遮擋輪廓