基于局部特征的人臉圖像分析和識別方法研究.pdf

1、人臉圖像分析和識別是一個具備很高理論和應用價值的研究課題。如何模擬人類的視覺特征，通過計算機技術對人臉圖像進行處理分析來獲得想要的信息，吸引了大批學者從圖像處理、機器視覺、模式識別和人工智能等多個角度對其進行研究。本文針對人臉圖像分析和識別技術中的幾個典型問題——人臉檢測與定位、人臉識別和面部表情識別分類等，開展研究工作，主要內容如下:
　　第一章，闡述本課題的相關研究背景、目的和意義，概述了人臉圖像分析和識別研究的基本組成以及國

2、內外研究機構的應用成果情況，分析了人臉識別和面部表情識別的理論研究框架，著重介紹了人臉檢測、人臉識別和面部表情識別理論研究的現狀和主要方法，指出了相關研究存在的主要問題，并給出論文的主要研究內容。
　　第二章，針對彩色圖像中的人臉檢測定位問題，提出了結合YCbC，空間膚色高斯模型與AdaBoost分類器的由粗到細的人臉檢測策略。首先探討了幾種典型顏色空間的特點;在YCbCr空間，運用統(tǒng)計理論對采集的膚色樣本進行分析，建立了膚色色度

3、分量Cb-Cr二維分布的單高斯模型，然后依據模型計算膚色似然值從背景圖像中分割出人臉候選區(qū)域;研究了基于Haar-like矩形局部特征迭代訓練學習的AdaBoost方法，并運用其在得到的候選區(qū)域內進行人臉的精確定位，在取得了更好的效果的同時大大降低了計算量;實現了結合顏色信息和局部特征的快速高精度的人臉檢測。
　　第三章，研究了基于SIFT尺度不變特征的人臉識別，提出了基于SIFT特征和空間金字塔表達（Spatial Pyrami

4、d Representation，SPR）的“局部—整體”人臉表征方法。首先研究了提取人臉圖像SIFT特征的方法;針對SIFT特征因空間坐標不確定性和基數不確定性而無法形成全局表征的問題，提出了將現有的空間金字塔匹配擴展成空間金字塔表達，即將SIFT特征分別映射至空間域和特征域，再構建統(tǒng)計直方圖生成人臉圖像“局部—整體”的全面表征;最后將生成的SPR表征向量輸入到最近鄰分類器和SVM分類器實現人臉的分類辨別，在ORL和Yale兩個通用的

5、人臉數據庫上進行了實驗驗證。
　　第四章，針對光照條件變化這一人臉識別研究中的普遍難題，從提取光照不變特征入手，提出了基于“梯度臉”和局部特征編碼的光照魯棒性人臉識別方法。首先將圖像轉化到梯度域，論述了梯度分量光照不變性的理論基礎;然后根據梯度幅值分量和相位分量各自的特點，提出了分別運用局部二值模式和局部異或模式進行局部特征編碼，得到LGBP和LGXP，在增強光照不變性的同時提高了特征的區(qū)分能力;再運用直方圖統(tǒng)計，提出了一種基于權

6、重系數的直方圖鏈接方法，在特征級進一步融合得到具有光照不變性的識別特征LGXBP;最后采用了最近鄰分類器進行人臉識別分類，在Yale B和CMU-PIE兩個通用的光照變化人臉數據庫上進行對比實驗，驗證了基于梯度臉和局部特征編碼的光照魯棒性人臉識別算法的有效性。
　　第五章，對基于局部特征的面部表情識別方法進行研究，提出了一種基于“空域—頻域”局部特征融合和關鍵表情子區(qū)域自動選擇的方法，獲得了表情圖像關鍵子區(qū)域的LSPBP局部特征。

7、分析了局部二值模式和局部相位量化的原理，論證了兩個高效局部特征的相關性和互補性，提出了二者的特征級融合策略;引入了AdaBoost訓練學習并自動選擇出不同表情各自最具區(qū)分能力的關鍵人臉子區(qū)域;最后利用訓練獲得的強分類器及SVM分類器進行六種基本表情+中性表情的識別，在JAFFE人臉表情數據庫上驗證了算法的有效性。
　　第六章，建立了基于單幅靜態(tài)圖像的人臉圖像分析和識別系統(tǒng)，能夠自動完成自然場景圖像中人臉的檢測、識別和基本面部表情的