復(fù)雜環(huán)境下的人臉識別技術(shù)研究.pdf

1、人臉識別技術(shù)經(jīng)過多年的發(fā)展，時至今日，在技術(shù)上已經(jīng)得到了長足的進步，許多可靠經(jīng)典方法已經(jīng)開始商用化，被應(yīng)用于各個領(lǐng)域，服務(wù)于各類人群。然而，傳統(tǒng)的經(jīng)典人臉識別方法通常被用于較理想的環(huán)境中，通常要求識別者保證端正的坐姿展現(xiàn)出足夠的面部特征，以便進行識別。
　　 然而隨著智能監(jiān)控系統(tǒng)的興起，很多原本由人類手動完成的工作，人們現(xiàn)在越來越多地希望交給計算機自動完成。因此我們常常需要對日常生活中的場景進行人臉識別工作。而日常生活中的監(jiān)控視

2、頻的環(huán)境背景常常是非常復(fù)雜的，如一幅畫面中存在眾多的人臉目標，目標姿態(tài)不端正，被遮擋等情況。同時，由于是視頻系統(tǒng)，還需要對目標進行連續(xù)的識別，更加大了處理難度。為了解決上面的問題，構(gòu)建完整的識別系統(tǒng)，本文分別從人臉檢測，特征提取和識別，全面地研究復(fù)雜環(huán)境下的有效識別技術(shù)。
　　 在人臉檢測方法上，提出Adaboost+CPCA(Adaboost+ColorPrincipalComponentAnalysis)方法，在由Haare

3、特征級聯(lián)的弱分類器所構(gòu)成的強分類器上引入結(jié)合目標膚色信息的識別方法。以提高Adaboost方法準確率。
　　 在特征提取以及識別技術(shù)上，因為需要應(yīng)對非正態(tài)的人臉識別，并且人臉的特征提取需要對光照不敏感以適應(yīng)不同光強下的檢測。而SIFT特征(Scale-invariantFeatureTransform)的旋轉(zhuǎn)和尺度不變性，以及在不同光強下的穩(wěn)定性恰好為上面的問題提供了適合的解決方法。本文在特征匹配的同時運用聚類分析加以改進，從而

4、解決了在實際應(yīng)用中，由于常常會對整幅圖片進行SIFT特征提取，可能產(chǎn)生無用特征影響特定目標的匹配效果這一缺陷。
　　 在研究了人臉檢測識別技術(shù)的同時，對目標追蹤技術(shù)加以利用。著重研究了混合高斯模型在前景檢測上的應(yīng)用與實現(xiàn)。并將其結(jié)合進人臉識別檢測系統(tǒng)中，用其解決不可識別目標的“變向識別”問題，變換對“未知目標”的識別問題為對“已知目標”的追蹤問題。
　　 最后，對以上方法加以綜合，構(gòu)建成自動化檢測識別系統(tǒng)，能夠?qū)θ粘Ｉ?/p>