基于多特征融合的人臉識別算法研究.pdf

1、自動人臉識別是依據(jù)人臉圖像的幾何特征或者統(tǒng)計特征通過計算機自動地完成人物身份辨識的過程。近年來,人臉識別已經(jīng)成為諸多領域(如計算機視覺和模式識別)的研究熱點問題,具有重大的科學意義和廣泛的應用前景。從原始的人臉圖像中提取出一種有效的人臉特征表達是人臉識別技術的關鍵環(huán)節(jié)。由于在實際應用中人臉圖像常常受到表情、姿態(tài)、光照、遮擋等因素變化的影響,提取出一種高效的、魯棒的和具有較強判別能力的人臉特征表達將變得極其困難。利用信息融合技術分析和綜合

2、多種特征表達的優(yōu)點來提高特征表達的識別性能將是一種有效的解決方法。本文主要的研究內(nèi)容分為以下幾個方面:
　　(1)研究了人臉圖像預處理技術。首先詳細地介紹了基于Adaboost的人臉檢測算法;然后提出了一種基于快速徑向?qū)ΨQ(Fast Radial Symmetry)的人眼快速定位算法,該方法通過定義一種徑向?qū)ΨQ變換來計算圖像每個像素點作為徑向?qū)ΨQ結(jié)構(gòu)中心點的可信度來檢測徑向?qū)ΨQ特征進而快速準確地確定人眼瞳孔中心位置;最后研究了人臉

3、圖像標準化方法。實驗驗證了人臉檢測算法和人眼定位算法的有效性。
　　(2)研究了局部二值模式(LBP)、Gabor濾波和圖像梯度方向(IGO)三種有效的局部人臉特征表達。LBP算子有效地描述了人臉的局部紋理信息并具有較強的區(qū)分能力;Gabor特征基于Gabor濾波器多方向和多尺度的特點很好地描述了人臉的局部信息和全局信息;IGO基于自身的統(tǒng)計特性,對噪聲具有較強的魯棒性,尤其與基于子空間的方法相結(jié)合后得到了較高的識別精度。

4、　　(3)針對人臉特征表達的維數(shù)過高和含有冗余信息的不足,利用子空間學習算法降低人臉特征的維數(shù)并且壓噪聲和冗余信息。在不同的人臉數(shù)據(jù)庫上的實驗結(jié)果驗證了三種人臉特征表達的有效性,然后根據(jù)實驗結(jié)果討論和分析了三種人臉特征表達在不同應用條件下的識別性能。
　　(4)將信息融合技術應用到人臉識別中。首先簡要地介紹多生物特征識別系統(tǒng)中常用的信息融合策略;然后提出了一種基于子空間特征維數(shù)約簡的多特征融合方法;最后,利用多特征融合方法將LBP