低質(zhì)量圖像模糊人臉識(shí)別的研究.pdf

1、人臉識(shí)別技術(shù)是生物特征識(shí)別技術(shù)在身份認(rèn)證中最主要的方法之一?；谌四樧R(shí)別的身份認(rèn)證具有重要的理論意義和應(yīng)用價(jià)值，對(duì)人臉識(shí)別方法的研究已成為當(dāng)前模式識(shí)別與人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。雖然人臉識(shí)別技術(shù)已經(jīng)取得了很好的成績(jī)，但目前的多數(shù)人臉識(shí)別技術(shù)在算法設(shè)計(jì)和模型訓(xùn)練方面都往往只針對(duì)圖像質(zhì)量好的情況，而對(duì)于智能監(jiān)控、公安系統(tǒng)犯罪嫌疑人圖像比對(duì)等應(yīng)用而言，由于人臉圖像來(lái)源不一，有些圖像的質(zhì)量非常差，比如模糊、高噪聲、分辨率低等，都增加了圖像識(shí)別

2、的難度，如何提高系統(tǒng)對(duì)這些低質(zhì)量圖像的識(shí)別能力也是人臉識(shí)別亟待解決的關(guān)鍵問(wèn)題之一。
　　論文概述了低質(zhì)量圖像模糊人臉識(shí)別的研究意義、研究現(xiàn)狀和存在的問(wèn)題，在分析、總結(jié)國(guó)內(nèi)外現(xiàn)有人臉識(shí)別技術(shù)的基礎(chǔ)上，對(duì)基于幾何特征和形狀特征的模糊人臉識(shí)別技術(shù)進(jìn)行了深入的研究，針對(duì)特征提取過(guò)程中所遇到的具體問(wèn)題，提出了相應(yīng)的改進(jìn)算法。本文主要工作如下：
　　首先，根據(jù)低質(zhì)量圖像的特點(diǎn)，提出了基于幾何特征模糊人臉識(shí)別技術(shù)。在基于幾何特征識(shí)別中，利

3、用小波變換先對(duì)圖像進(jìn)行了預(yù)處理，提高了幾何特征的提取準(zhǔn)確性，采用幾何特征歸一化方法，對(duì)幾何特征不同選取方法的優(yōu)劣比較，得出了相應(yīng)的選取決定，有效地提高了識(shí)別效果。在VC++平臺(tái)下對(duì)算法進(jìn)行了實(shí)驗(yàn)分析，結(jié)果表明該算法克服了低質(zhì)量圖像模糊人臉不可識(shí)別的現(xiàn)象，改善了對(duì)此類圖像的人臉識(shí)別能力。
　　其次，提出了形狀特征的模糊人臉識(shí)別技術(shù)。在基于形狀特征識(shí)別中，針對(duì)低質(zhì)量圖像的特點(diǎn)，采用了Active Shape Model(ASM)方法。

4、針對(duì)傳統(tǒng)的ASM方法的缺陷與不足，提出了幾點(diǎn)改進(jìn)的方法。傳統(tǒng)的ASM方法利用人臉檢測(cè)提供的初始位置進(jìn)行特征搜索；在改進(jìn)算法中，利用了瞳孔定位的方法進(jìn)行初始化。傳統(tǒng)ASM方法是提取特征點(diǎn)法線方向上的n個(gè)像素的灰度信息，構(gòu)成一個(gè)n維的向量；在改進(jìn)算法中，以特征點(diǎn)為圓心構(gòu)成一個(gè)圓，在圓內(nèi)提取了更多的像素信息。同時(shí)還通過(guò)邊緣信息改變局部匹配，這些方法都有效地改善了ASM方法的性能。在Matlab平臺(tái)下對(duì)算法進(jìn)行了實(shí)驗(yàn)分析，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的A