基于多相機(jī)陣列的多姿態(tài)人臉識(shí)別.pdf

1、人臉姿態(tài)與光照因素是影響人臉識(shí)別性能的兩個(gè)主要原因，本文提出一種二維人臉識(shí)別與三維人臉識(shí)別相融合的方法來(lái)解決這兩個(gè)問(wèn)題。二維人臉識(shí)別中先對(duì)人臉區(qū)域圖像進(jìn)行預(yù)處理，減少光照等因素的影響，然后提取人臉Gabor特征，再利用Fisher線性判別(FLD)進(jìn)行子空間降維，設(shè)計(jì)分類器得到二維人臉識(shí)別的結(jié)果。三維人臉信息的獲取是三維人臉識(shí)別的基礎(chǔ)，我們通過(guò)多相機(jī)陣列，利用立體視覺(jué)的技術(shù)來(lái)得到人臉三維幾何特征信息，設(shè)計(jì)加權(quán)最小距離分類器進(jìn)行三維人臉識(shí)

2、別。最后把二維人臉識(shí)別與三維人臉識(shí)別的結(jié)果進(jìn)行決策融合。
　　 在二維人臉識(shí)別的研究中，我們利用Gabor特征以及Fisher線性判決(FLD)的方法。我們對(duì)Gabor特征的提取進(jìn)行了深入的研究，Gabor特征不僅能夠表征人臉的尺度特征以及方向特征，還能通過(guò)減少圖像的直流成分來(lái)減少灰度的影響。由于對(duì)圖像提取多尺度多方向的Gabor特征，數(shù)據(jù)量會(huì)有很大的增加，我們利用Fisher線性判別分析來(lái)進(jìn)行子空間降維處理。
　　 三

3、維人臉識(shí)別首先需要獲取人臉的三維特征信息，我們通過(guò)多相機(jī)陣列獲取人臉同一姿態(tài)的多張照片，然后利用立體視覺(jué)的技術(shù)獲取人臉的特征點(diǎn)的三維空間位置，然后確定了人臉的三維幾何特征，采用三維幾何信息即包括關(guān)鍵特征的分布特點(diǎn)（眼睛中心的距離、眼睛中心與鼻尖的距離等），又包括了關(guān)鍵特征的形狀大小特征（眼睛大小、嘴巴的大小等），最后利用加權(quán)最小距離法進(jìn)行分類識(shí)別。
　　 人臉識(shí)別的研究?jī)?nèi)容主要有人臉檢測(cè)、特征點(diǎn)定位、特征提取、人臉識(shí)別等，我們利

4、用立體視覺(jué)獲取三維人臉信息，立體視覺(jué)的主要研究?jī)?nèi)容有相機(jī)標(biāo)定、立體匹配、目標(biāo)點(diǎn)空間定位等。本文的研究重點(diǎn)是快速多相機(jī)人臉檢測(cè)、特征點(diǎn)精確定位、Gabor特征提取以及子空間降維、基于垂足法的空間點(diǎn)定位以及基于三維幾何特征的三維人臉識(shí)別。
　　 1)人臉檢測(cè)是人臉識(shí)別的第一步。我們的研究是基于多相機(jī)陣列的，這要求自動(dòng)人臉檢測(cè)的快速性?？紤]到相機(jī)采集到的圖像是彩色圖像，利用人臉膚色的不變特征進(jìn)行人臉可疑區(qū)域的篩選，然后利用Adaboo

5、st算法在篩選出來(lái)的可疑人臉區(qū)域上進(jìn)行人臉確認(rèn)，大大減少了Adaboost算法的搜索區(qū)域，從而提高了檢測(cè)速度。
　　 2)人臉檢測(cè)獲取人臉區(qū)域后就需要進(jìn)行特征點(diǎn)定位，特征點(diǎn)定位的是準(zhǔn)確性決定了提取的人臉特征是否準(zhǔn)確有效。本文利用主動(dòng)形狀模型(ASM)進(jìn)行多特征點(diǎn)的定位，我們對(duì)ASM算法進(jìn)行改進(jìn)，把原算法一維方向的特征搜索改進(jìn)為二維方向的特征搜索，雖然計(jì)算量稍有增加，但是收斂變快使得算法的循環(huán)次數(shù)減少，總體速度得到了一定的改善。A

6、SM算法能同時(shí)定位多個(gè)特征點(diǎn)且定位速度較快，但是定位精度并不是很高，特別是在人臉姿態(tài)發(fā)生較大改變的情況下，我們利用角點(diǎn)檢測(cè)的方法對(duì)特征點(diǎn)的位置進(jìn)行修正。
　　 3)最后我們進(jìn)行了人臉識(shí)別系統(tǒng)的設(shè)計(jì)。光照是影響特征提取的主要因素，我們?cè)谙到y(tǒng)設(shè)計(jì)中非常重視圖像的預(yù)處理，通過(guò)對(duì)圖像進(jìn)行同態(tài)濾波，實(shí)現(xiàn)減少低頻分量增加高頻分量的目的，采用直方圖匹配的方法可以最大可能的保證所有圖像光照的一致性。然后對(duì)基于二維特征與三維特征人臉識(shí)別算法的融合