有遮擋人臉圖像的特征提取和識別研究.pdf

1、人臉識別技術(shù)由于其具有安全、保密、友好、方便等特點，從上世紀六十年代開始，被廣泛應(yīng)用于金融、信息安全及公共安全等領(lǐng)域。然而，現(xiàn)實中采集到的人臉圖像往往會因各種復(fù)雜因素的交錯混疊而發(fā)生局部遮擋。局部遮擋的復(fù)雜性和不可預(yù)料性，為人臉識別帶來了巨大挑戰(zhàn)。因此，設(shè)計一種綜合性能優(yōu)良、能夠有效削弱遮擋等不可預(yù)料因素影響的算法是關(guān)鍵。眾多研究者針對此問題做了深入研究，然而仍然存在著難題：算法對于遮擋并不魯棒，一旦遮擋水平超過某個臨界點，其識別能力會

2、迅速下降；當訓(xùn)練樣本較少時或除了遮擋以外還有其他干擾（如光照變化）時，現(xiàn)有方法的識別效果并不理想。
　　本文針對小樣本情形下的有遮擋人臉識別問題和存在光照變化遮擋的人臉識別問題，進行了深入地研究。分別提出了基于貝葉斯多元分布的特征提取與識別算法和基于梯度臉和馬爾可夫隨機場的有遮擋人臉識別算法。本文的主要工作和已取得的研究成果如下：
　?。?）針對小樣本問題，提出了基于貝葉斯多元分布的特征提取與識別算法。通過對人臉圖像的分塊解

3、決了有遮擋人臉識別中訓(xùn)練樣本缺乏即小樣本問題，并且使得遮擋信息分散，盡可能地降低遮擋對識別的影響。在貝葉斯方法的框架下，通過多元高斯函數(shù)和指數(shù)函數(shù)分別約束類內(nèi)特征和類間特征，保證投影后新的特征有較小的類內(nèi)距離和較大的類間距離，提取出具有最佳可分離性的新特征。利用提取出的每個子塊的低維特征，根據(jù)投票原則，能更好地解決小樣本下有遮擋的人臉識別問題。
　?。?）針對同時存在光照變化時有遮擋的人臉識別問題，提出了一種基于梯度臉和馬爾可夫隨

4、機場的有遮擋人臉識別算法，解決了當存在光照變化時，有遮擋的人臉識別率偏低問題。首先將圖像從原始像素域變換到梯度臉特征域，降低因光照變化對圖像產(chǎn)生的影響。然后，構(gòu)建了重構(gòu)誤差的概率生成模型，并且融合重構(gòu)誤差概率模型和遮擋支撐的結(jié)構(gòu)模型：考慮了有遮擋區(qū)域和無遮擋區(qū)域的誤差分布，分別用均勻分布和加權(quán)條件高斯分布進行建模；同時也考慮到遮擋結(jié)構(gòu)信息的連續(xù)性，采用馬爾可夫隨機場進行建模。這使得該算法能有效地檢測出遮擋位置，進而可用無遮擋的信息進行人