基于圖像梯度方向的有遮擋人臉識別.pdf

1、隨著人臉識別技術(shù)的迅猛發(fā)展，現(xiàn)階段在可控條件下的人臉識別系統(tǒng)已有了良好的識別性能。然而，非受控環(huán)境下采集到的人臉圖像往往會因多種非受控因素(光照、遮擋等)的交錯混疊的影響而產(chǎn)生混合遮擋，使得人臉識別系統(tǒng)的性能急劇下降，難以滿足實際需求。
　　針對在混合遮擋影響的情況下，人臉識別性能大幅下降的問題，本文在圖像梯度方向域中對重構(gòu)誤差的概率模型和誤差編碼模型進(jìn)行深入地探索和研究。分別提出了基于協(xié)同誤差編碼和基于結(jié)構(gòu)化加權(quán)誤差編碼的有遮擋

2、人臉識別算法，具體內(nèi)容如下：
　　(1)為了更為有效地檢測混合遮擋的位置，排除其對人臉識別性能產(chǎn)生的影響，在建模的過程中分別利用結(jié)構(gòu)誤差和判別誤差進(jìn)行有效特征選取和圖像識別。利用遮擋的空間結(jié)構(gòu)(連續(xù)性和局部方向性)構(gòu)造結(jié)構(gòu)誤差；利用稀疏表示理論和圖像在高維特征空間中的表示，構(gòu)造判別誤差。這兩種誤差既在功能和度量方法上相互獨立又在性能上相互影響，將這兩種不同的誤差和遮擋支撐相結(jié)合，提出了協(xié)同誤差編碼模型。為了進(jìn)一步增強協(xié)同誤差編碼模

3、型的特征選擇能力和識別性能，將圖像梯度方向特征和協(xié)同誤差編碼相融合。實驗表明，協(xié)同誤差編碼方法可以選取待識別人臉圖像中的有效特征并提高識別性能。
　　(2)為了在消除混合遮擋影響的同時進(jìn)一步減小非遮擋區(qū)域的誤差對人臉識別的影響，在協(xié)同誤差編碼模型中引入權(quán)重，提出了結(jié)構(gòu)化加權(quán)誤差編碼模型。一方面，在圖像梯度方向域中,對遮擋區(qū)域與非遮擋區(qū)域的重構(gòu)誤差分別建立條件誤差概率生成模型，提出遮擋區(qū)域的重構(gòu)誤差服從???,??上的均勻分布，而對

4、于非遮擋區(qū)域，引入權(quán)重向量以自適應(yīng)地調(diào)節(jié)其誤差大小，使其分布滿足加權(quán)的高斯分布；另一方面，使用馬爾科夫隨機場對遮擋支撐的空間連續(xù)性結(jié)構(gòu)進(jìn)行建模。此模型既通過估算遮擋支撐來消除遮擋的影響，又利用權(quán)重向量來調(diào)整非遮擋區(qū)域的誤差，減小非遮擋區(qū)域誤差的影響，因此提高了算法的識別性能。
　　(3)為了便于觀察和分析算法的效果，搭建了基于MATLAB的人臉識別算法效果的演示系統(tǒng)。該系統(tǒng)將算法的識別結(jié)果以圖像和直方圖的形式集中顯示于系統(tǒng)的界面上