基于ehmm的人臉識別算法研究與應(yīng)用

1、分類號密級UDC學(xué)校代碼10497學(xué)位論文中文題目基于EHMM的人臉識別算法研究與應(yīng)用英文ResearchApplicationonEHMMBased題目FaceRecognition研究生姓名唐皓姓名程艷芬職稱副教授學(xué)位博士單位名稱計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院郵編430063申請學(xué)位級別碩士學(xué)科專業(yè)名稱計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)論文提交日期20144論文答辯日期20145學(xué)位授予單位武漢理工大學(xué)學(xué)位授予日期答辯委員會(huì)主席評閱人2014年5月指導(dǎo)教師萬方數(shù)

2、據(jù)武漢理工大學(xué)碩士學(xué)位論文I摘要人臉識別是橫跨多個(gè)學(xué)科的研究領(lǐng)域，包括圖像處理，模式識別和計(jì)算機(jī)視覺等。在智能身份鑒定、視頻監(jiān)控、唇語識別、表情提取等交互應(yīng)用領(lǐng)域，人臉檢測和識別是最基本和最重要的環(huán)節(jié)之一。由于人臉特征提取的比其它生物特征提取更為便捷，不需要太多用戶的配合，自然友好等特點(diǎn)，被公認(rèn)為是未來最具潛力的生物特征識別技術(shù)。完整的人臉識別系統(tǒng)包括前期圖像預(yù)處理，人臉檢測定位，人臉識別匹配和相關(guān)應(yīng)用等。本文主要研究其中基本的人臉檢測

3、和人臉識別方法，并對其中的一些方法進(jìn)行優(yōu)化，主要工作有：(1)研究了基于神經(jīng)網(wǎng)絡(luò)的人臉檢測方法，為了獲得較好的區(qū)分能力，選用多層感知器作為神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。由于灰度值不能表示穩(wěn)健的特征，為兩類分類問題帶來很多不確定性，本文使用Gab濾波結(jié)果作為分類器的輸入向量，取得了較好的檢測結(jié)果。(2)在基于隱馬爾可夫模型的人臉識別中，由于采樣窗口尺寸，重疊度和DCT系數(shù)對識別效率的影響顯著，本文提出了優(yōu)化參數(shù)組合的方式提高模型表征和識別效率，人臉

4、識別匹配階段，針對傳統(tǒng)的Viterbi算法缺少模型區(qū)分性的問題進(jìn)行了優(yōu)化，在計(jì)算最佳路徑鏈之前進(jìn)行模型的篩選，提高了系統(tǒng)的識別速度。(3)由于人臉圖像是二維數(shù)據(jù)，與一維隱馬爾可夫模型相比，嵌入式隱馬爾可夫模型的理論更適合對人臉建模。在對人臉的描述和區(qū)分能力上面，都要優(yōu)于一維的模型。本文研究了基于EHMM的人臉識別，針對EHMM中二維參數(shù)重估算法的復(fù)雜性，提出了簡化的EM算法，在超狀態(tài)和子狀態(tài)方向交替進(jìn)行計(jì)算，降低了EHMM計(jì)算復(fù)雜度。關(guān)