基于隱馬爾可夫模型的人臉識(shí)別設(shè)計(jì)與實(shí)現(xiàn).pdf

1、人臉檢測(cè)與識(shí)別技術(shù)作為近年來越來越受關(guān)注的計(jì)算機(jī)視覺研究課題之一，被廣泛地應(yīng)用到安全領(lǐng)域。人臉檢測(cè)與識(shí)別是利用人臉這一人體固有的生物特征進(jìn)行個(gè)人身份鑒別的過程，具有良好的安全性、可靠性和有效性。本文主要針對(duì)人臉識(shí)別過程中圖像處理，人臉檢測(cè)與識(shí)別技術(shù)進(jìn)行研究。
　　 首先分析所使用的圖像預(yù)處理方法：灰度化、圖像縮放和圖像去噪，重點(diǎn)集中在對(duì)圖像中脈沖噪聲檢測(cè)與去除方法的研究。通過舉例分析，發(fā)現(xiàn)傳統(tǒng)圖像脈沖噪聲檢測(cè)方法中，基于檢測(cè)窗口

2、內(nèi)像素最值判斷噪聲的標(biāo)準(zhǔn)不準(zhǔn)確，可能造成錯(cuò)誤接受噪點(diǎn)，增加圖像處理時(shí)間。通過引入距離平均值對(duì)傳統(tǒng)脈沖噪聲檢測(cè)方法進(jìn)行簡單改進(jìn)。由于人臉檢測(cè)操作頻繁，實(shí)時(shí)性要求較高，本文采用哈爾特征(Haar feature)分類器與隱馬爾可夫模型(Hidden Markov Model，HMM)結(jié)合進(jìn)行人臉檢測(cè)與識(shí)別的解決方案。在人臉檢測(cè)方面，使用基于哈爾特征的分類器，確定人臉位置。利用特征分類器檢測(cè)速度快、實(shí)時(shí)性好的特點(diǎn)來彌補(bǔ)隱馬爾可夫模型判斷準(zhǔn)確但

3、速度較慢的不足。
　　 在人臉識(shí)別方面，主要研究基于隱馬爾可夫模型進(jìn)行識(shí)別人臉時(shí)，所使用的離散余弦變換這一圖像特征提取方法。直接使用圖像離散余弦特征時(shí)，特征數(shù)據(jù)量大，造成人臉識(shí)別速度慢。通過分析研究小波變換方法，在人臉特征提取過程中引入基于小波變換的圖像壓縮環(huán)節(jié)，減少數(shù)據(jù)量，取得原始圖像的逼近圖像。然后獲取逼近圖像的離散余弦特征，從而減少隱馬爾可夫模型的計(jì)算時(shí)間，確保識(shí)別系統(tǒng)的實(shí)時(shí)性。
　　 最后，結(jié)合所采用的方法，基于