計(jì)算機(jī)人臉檢測(cè)與識(shí)別方法的研究.pdf

1、生物特征識(shí)別是利用人類特有的生理或行為特征來(lái)識(shí)別個(gè)人身份的技術(shù)，它提供了一種可靠、穩(wěn)定的身份鑒別途徑。人臉檢測(cè)和識(shí)別是目前生物特征識(shí)別中最受關(guān)注的一個(gè)分支，是當(dāng)前圖像處理、模式識(shí)別和計(jì)算機(jī)視覺領(lǐng)域內(nèi)的一個(gè)熱門研究課題。在公安部門犯罪搜索、安全部門動(dòng)態(tài)監(jiān)控、銀行密碼系統(tǒng)等許多領(lǐng)域有廣泛的應(yīng)用。與指紋、視網(wǎng)膜、虹膜、掌紋等其他人體生物特征識(shí)別方法相比，人臉識(shí)別具有直接、友好、使用者無(wú)心理障礙等特點(diǎn)。 本文的研究目的是探索人臉檢測(cè)和識(shí)

2、別的有效方法。本文的研究?jī)?nèi)容主要包括人臉檢測(cè)和人臉識(shí)別兩個(gè)方面。主要的研究工作及創(chuàng)新如下： (1)分析了2DLDA、修改的2DLDA算法的本質(zhì)。提出了一種基于并行特征提取的方法2DCCDA。該方法首先將并行提取到的行與列的特征信息整合到一起，有效克服了(2D)2LDA算法中特征提取串行模式中不能平衡提取行列信息的缺點(diǎn)。然后利用C2DLDA的方法并進(jìn)行進(jìn)一步的復(fù)特征提取，根據(jù)每個(gè)特征系數(shù)的分類能力從特征矩陣中抽取出最具分類能力的系

3、數(shù)組成特征向量，相比較2DLDA和(2D)2LDA方法，2DCCDA需要更少的特征系數(shù)來(lái)表征一幅圖像，并且識(shí)別率也有相應(yīng)提高。(參見6.4)(2)詳細(xì)分析了基于主元分析的各種算法并提出了一種基于二元結(jié)構(gòu)特征選取的人臉識(shí)別方法(BFS)。其主要思想是將兩個(gè)類作為一個(gè)組，從所有特征臉(主元)中挑選出最適合區(qū)分這兩個(gè)類的特征臉。BFS方法充分考慮不同的兩個(gè)類之間需要不同的特征臉進(jìn)行分類，為任意兩個(gè)類挑選最合適分類的特征臉。某個(gè)特征臉只是在需要

4、它參與分類的時(shí)候才被使用，大大提高了分類的準(zhǔn)確性。(參見第五章)(3)提出了一種基于膚色模型和眼睛定位的人臉檢測(cè)方法。首先利用膚色模型確定膚色區(qū)域，并且根據(jù)人臉膚色區(qū)域的幾何特性利用掩模進(jìn)行定位，確定人臉的大致區(qū)域，然后基于方向模板的眼睛定位在粗定位的基礎(chǔ)上驗(yàn)證人臉是否存在以及對(duì)人臉的位置進(jìn)行細(xì)調(diào)。實(shí)驗(yàn)證明了該方法對(duì)于復(fù)雜背景下人臉檢測(cè)的有效性。(參見3.3)(4)考慮到實(shí)際的人臉識(shí)別問(wèn)題往往每類只有一個(gè)訓(xùn)練樣本，在這種情況下基于LDA