全局與局部特征融合的人臉識(shí)別研究.pdf

1、人臉識(shí)別作為生物特征識(shí)別的一個(gè)重要分支,一直是模式識(shí)別和圖像處理領(lǐng)域的研究熱點(diǎn)之一。人臉識(shí)別克服了傳統(tǒng)身份驗(yàn)證的缺陷,有著廣泛的應(yīng)用前景。但是人臉識(shí)別無(wú)論在二維還是三維上依然有許多研究課題,人臉的特征表征存在較大的困難。本文主要研究:人臉預(yù)處理算法,以及在預(yù)處理算法的基礎(chǔ)的人臉全局特征與局部特征,并在對(duì)比實(shí)驗(yàn)的基礎(chǔ)上,驗(yàn)證了融合特征的識(shí)別效果。本文的主要研究?jī)?nèi)容和工作總結(jié)如下:
　　 1)提出了一種簡(jiǎn)單快捷的人臉預(yù)處理方法。結(jié)合

2、實(shí)際應(yīng)用中著重需要考慮的情況,以及傳統(tǒng)預(yù)處理方法的優(yōu)缺點(diǎn),提出了基于雙眼獨(dú)立動(dòng)態(tài)閾值的人眼定位算法。在雙眼定位的基礎(chǔ)上,結(jié)合灰度積分投影圖與迭代閾值法進(jìn)一步得到鼻尖與嘴巴區(qū)域,最后利用獲得的區(qū)域裁切出裸臉位置進(jìn)行人臉歸一化。在CASIA-FaceV1人臉庫(kù)的不同光照、不同姿態(tài)、睜眼閉眼等復(fù)雜情況下,算法定位準(zhǔn)確率達(dá)到了86.83％,測(cè)試得到人臉歸一化的圖像可以滿足人臉識(shí)別的要求。
　　 2)研究了全局特征與局部特征下的幾種人臉識(shí)

3、別方法,并且橫向?qū)Ρ攘藥追N主要特征提取方法,分析算法時(shí)間消耗、識(shí)別效果及適用情況。對(duì)比了PCA與2DPCA的全局算法識(shí)別率,局部特征采用Ga bor與/BP特征進(jìn)行人臉紋理表征。分別在ORL庫(kù)、ESSEX等數(shù)據(jù)庫(kù)上進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明在預(yù)處理后的圖像庫(kù)上,紋理特征可以有較好的識(shí)別率,兩種紋理特征相結(jié)合還可以取得更好的識(shí)別效果。最后,在Texas3D Face Database上測(cè)試了SURF算子對(duì)深度圖的匹配效果,取得了93.58％的

4、識(shí)別結(jié)果,SURF算子用于人臉深度圖特征提取,具有一定的實(shí)用性。
　　 3)設(shè)計(jì)特征融合實(shí)驗(yàn)以提高識(shí)別率。對(duì)比兩種融合策略,采用決策融合的識(shí)別率對(duì)比單一特征的識(shí)別率,在不同人臉庫(kù)上都有不同程度的提升,最好提升效果達(dá)到+24％。
　　 4)構(gòu)建基于不同人臉庫(kù)的人臉?lè)诸惼?對(duì)比分類器與簡(jiǎn)單距離度量的效果差異。采用SVM分類器,在ORL與ESSEX數(shù)據(jù)庫(kù)上,對(duì)比了LBP與LGBP兩種特征的分類效果,最優(yōu)SVM分類器都可以獲得優(yōu)