基于學習的人臉識別研究.pdf

1、人臉識別是生物特征識別的關鍵技術之一，其最核心的兩大步驟為人臉檢測與識別。它的主要任務就是從圖像或視頻中準確地找出人臉并確定其身份。本文從基于學習的角度出發(fā)，在聚類、流形、子空間學習等機器學習方法的基礎上，提出了改進或新的人臉識別方法，并和其他人臉識別方法作比較，取得了較好的效果。本文主要研究了以下幾方面的內容： 1）針對人臉檢測問題，通過膚色法分離人臉目標與背景后，提出兩種方法定位人臉即：積分投影—高斯曲線法和改進減法聚類法，

2、分別對應單人臉和多人臉檢測。積分投影—高斯曲線法將人臉二值圖像分別在X、Y軸積分投影，根據投影曲線分別計算相應的高斯曲線，通過求解高斯方程快速得到較為準確的人臉區(qū)域。改進減法聚類法運用一種新的距離定義，通過圖像中人臉目標的統(tǒng)計信息對算法的關鍵參數(shù)進行預估計，能自動結束人臉目標搜索。下采樣降低減法聚類的運算量，提高了算法的運行速度，同時驗證了減法聚類在視頻運動目標定位中的良好應用效果。精確地檢測人臉需要對不同姿態(tài)的人臉進行姿態(tài)角估計，本文

3、在膚色區(qū)域提取的基礎上，提出姿態(tài)角度估計目標函數(shù)，并討論了兩種尋優(yōu)方法，即梯度下降法和次全局枚舉尋優(yōu)法，來估計姿態(tài)角度值。根據估計的姿態(tài)角度作相應的旋轉校正，在校正后的區(qū)域利用眼睛和嘴的色度和亮度特點分別構造映射圖，提取出眼睛和嘴，并驗證人臉。 2）針對流形學習的人臉識別問題，圍繞流形學習方法的本質要素，即：（1）如何構造近鄰結構圖；（2）以什么樣的距離測度來衡量人臉樣本的近鄰；（3）遵循什么樣的目標準則來構造低維嵌入，從三方面

4、入手，衍生了中心近鄰嵌入學習和鑒別矢量角嵌入學習兩種新的流形學習方法。中心近鄰嵌入的學習算法，與經典的局部線性嵌入和保局映射不同，它是一種有監(jiān)督的線性降維方法。該方法首先通過計算各類樣本中心，并引入中心近鄰距離代替兩樣本點之間的直接距離作為權系數(shù)函數(shù)的輸入；然后在保持中心近鄰幾何結構不變的情況下把高維數(shù)據嵌入到低維坐標系中。鑒別矢量角嵌入的識別方法，構造了一幅有正/負連接邊的鄰接圖，算法中連接邊權系數(shù)的測度采用矢量角代替矢量模，不但省去

5、了傳統(tǒng)方法中對熱核權函數(shù)t參數(shù)的估計，而且降低由于圖像樣本間的亮度差異對識別率造成的影響。 3）為了實現(xiàn)人臉識別免于特征提取，提出了一種基于正交補臉的人臉識別方法。該方法基于空間正交分解理論，首先對不同類的原始訓練樣本進行Gram—Schmidt正交化，以正交化后的基張成各個不同的子空間，然后把測試樣本分解為子空間投影及子空間正交補兩部分。正交補的范數(shù)體現(xiàn)了測試樣本到各類子空間的距離，并以此作為分類的依據。 4）針對單樣