基于圖像梯度方向的有遮擋人臉識(shí)別.pdf

1、隨著人臉識(shí)別技術(shù)的迅猛發(fā)展，現(xiàn)階段在可控條件下的人臉識(shí)別系統(tǒng)已有了良好的識(shí)別性能。然而，非受控環(huán)境下采集到的人臉圖像往往會(huì)因多種非受控因素(光照、遮擋等)的交錯(cuò)混疊的影響而產(chǎn)生混合遮擋，使得人臉識(shí)別系統(tǒng)的性能急劇下降，難以滿足實(shí)際需求。
　　針對(duì)在混合遮擋影響的情況下，人臉識(shí)別性能大幅下降的問(wèn)題，本文在圖像梯度方向域中對(duì)重構(gòu)誤差的概率模型和誤差編碼模型進(jìn)行深入地探索和研究。分別提出了基于協(xié)同誤差編碼和基于結(jié)構(gòu)化加權(quán)誤差編碼的有遮擋

2、人臉識(shí)別算法，具體內(nèi)容如下：
　　(1)為了更為有效地檢測(cè)混合遮擋的位置，排除其對(duì)人臉識(shí)別性能產(chǎn)生的影響，在建模的過(guò)程中分別利用結(jié)構(gòu)誤差和判別誤差進(jìn)行有效特征選取和圖像識(shí)別。利用遮擋的空間結(jié)構(gòu)(連續(xù)性和局部方向性)構(gòu)造結(jié)構(gòu)誤差；利用稀疏表示理論和圖像在高維特征空間中的表示，構(gòu)造判別誤差。這兩種誤差既在功能和度量方法上相互獨(dú)立又在性能上相互影響，將這兩種不同的誤差和遮擋支撐相結(jié)合，提出了協(xié)同誤差編碼模型。為了進(jìn)一步增強(qiáng)協(xié)同誤差編碼模

3、型的特征選擇能力和識(shí)別性能，將圖像梯度方向特征和協(xié)同誤差編碼相融合。實(shí)驗(yàn)表明，協(xié)同誤差編碼方法可以選取待識(shí)別人臉圖像中的有效特征并提高識(shí)別性能。
　　(2)為了在消除混合遮擋影響的同時(shí)進(jìn)一步減小非遮擋區(qū)域的誤差對(duì)人臉識(shí)別的影響，在協(xié)同誤差編碼模型中引入權(quán)重，提出了結(jié)構(gòu)化加權(quán)誤差編碼模型。一方面，在圖像梯度方向域中,對(duì)遮擋區(qū)域與非遮擋區(qū)域的重構(gòu)誤差分別建立條件誤差概率生成模型，提出遮擋區(qū)域的重構(gòu)誤差服從???,??上的均勻分布，而對(duì)

4、于非遮擋區(qū)域，引入權(quán)重向量以自適應(yīng)地調(diào)節(jié)其誤差大小，使其分布滿足加權(quán)的高斯分布；另一方面，使用馬爾科夫隨機(jī)場(chǎng)對(duì)遮擋支撐的空間連續(xù)性結(jié)構(gòu)進(jìn)行建模。此模型既通過(guò)估算遮擋支撐來(lái)消除遮擋的影響，又利用權(quán)重向量來(lái)調(diào)整非遮擋區(qū)域的誤差，減小非遮擋區(qū)域誤差的影響，因此提高了算法的識(shí)別性能。
　　(3)為了便于觀察和分析算法的效果，搭建了基于MATLAB的人臉識(shí)別算法效果的演示系統(tǒng)。該系統(tǒng)將算法的識(shí)別結(jié)果以圖像和直方圖的形式集中顯示于系統(tǒng)的界面上