人臉識(shí)別算法及其改進(jìn)研究.pdf

1、目前，雖然人臉識(shí)別技術(shù)越來越被人們所重視，而且國內(nèi)外的研究也取得了很大的進(jìn)展，但是在實(shí)際應(yīng)用中，由于受到光照條件、姿態(tài)、飾物遮擋以及人臉齡變化等干擾因素的影響，以及算法性能。使得目前人臉識(shí)別技術(shù)在實(shí)際應(yīng)用中還存在一些缺陷。為此，本文主要從基于全局特征的人臉識(shí)別算法和基于局部特征的人臉識(shí)別算法進(jìn)行如下幾個(gè)方面的研究。
　　首先，在人臉圖像與處理方面。為了消除拍攝條件對(duì)人臉識(shí)別算法的影響，需要進(jìn)行人臉圖像的幾何、灰度歸一化預(yù)處理，而人

2、眼定位是幾何歸一化的基礎(chǔ)。為此本文設(shè)計(jì)了一種基于先驗(yàn)知識(shí)進(jìn)行人眼位置粗定位，然后通過投影峰值分析的快速人眼定位算法，實(shí)驗(yàn)結(jié)果表明本文所設(shè)計(jì)的快速人眼定位算法在保證了定位準(zhǔn)確性的基礎(chǔ)上，提高了人眼定位的速度。
　　其次，在基于全局特征的人臉識(shí)別算法的研究方面，針對(duì)PCA人臉識(shí)別算法對(duì)所有樣本進(jìn)行統(tǒng)一訓(xùn)練從而導(dǎo)致的性能下降和人臉特征不集中的問題。基于分類的思想，通過樣本的分類訓(xùn)練，來提高算法性能，同時(shí)由于分類可以使得人臉特征子空間中的

3、人臉特征更加集中，測(cè)試結(jié)果表明，在PCA變換后的人臉特征子空間中，少數(shù)幾個(gè)特征值較大的特征向量就可以表示絕大多數(shù)的人臉圖像特征，因此減少了特征子空間的維數(shù)，提高了人臉識(shí)別算法的性能。
　　最后，在基于局部特征的人臉識(shí)別算法的研究方面，基于Gabor變化對(duì)基于局部特征的人臉識(shí)別算法進(jìn)行研究。Gabor變換同時(shí)在頻域和時(shí)域上可以獲得最佳局部化，在Gabor變換的系數(shù)上描述了人臉圖像給定位置附近區(qū)域的灰度特征，同時(shí)具有對(duì)位置、光照不敏感