人臉圖像特征提取與識別研究.pdf

1、人臉識別的主要難點在于光照、表情、姿態(tài)以及時間等變化導(dǎo)致不同人臉圖像模式之間的可分性差，以及在現(xiàn)實應(yīng)用中往往不可能獲得待識別對象的多個樣本導(dǎo)致難以有效訓(xùn)練。如何提取區(qū)別于其它個體的特征是人臉識別的關(guān)鍵所在。
　　 本文主要研究如何行之有效地對人臉圖像進行特征提取和識別，從兩種思路出發(fā)進行了學(xué)習(xí)和研究：一是利用局部二元模式進行非統(tǒng)計的人臉匹配；二是使用基于流形的統(tǒng)計學(xué)習(xí)以提取非線性結(jié)構(gòu)和提高泛化能力。具體有以下內(nèi)容：
　　

2、 ①對比分析幾種基于圖像處理技術(shù)的光照預(yù)處理方法。制定實驗方案對幾種方法對比分析，結(jié)果證明了各方法的有效性，但也反映了基于圖像處理方法的弊端：1)未充分利用先驗知識估計光照影響；2)本質(zhì)上都是去除低頻光照信息，缺乏深入的篩選；3)參數(shù)的影響難以量化。這些缺點導(dǎo)致同一方法結(jié)合不同識別算法呈現(xiàn)明顯差異。
　　 ②研究并實現(xiàn)局部二元模式(LBP)在表情識別中的應(yīng)用。針對LBP難以提取圖像多層次信息的問題，采用Gabor+LBP的方法表

3、示與匹配人臉，此方法因利用了Gabor濾波提取圖像不同方向和尺度特征而更具描述能力。最終將這種方法應(yīng)用于面部表情識別，通過在JAFFE上實驗Gabor+LBP在不同分塊數(shù)上的識別率都有所提高，在分塊數(shù)較少時改善效果更明顯。
　　 ③分析流形學(xué)習(xí)方法并應(yīng)用于維數(shù)約簡和人臉識別。流形學(xué)習(xí)旨在發(fā)現(xiàn)嵌入在高維空間中的低維流形結(jié)構(gòu)，并給出有效低維表示。在介紹常用流形方法Isomap、LLE、Laplacian Eigenmap基礎(chǔ)上，制定