基于統(tǒng)計(jì)特征的人臉識(shí)別技術(shù)研究.pdf

1、由于在安全驗(yàn)證方面，視頻監(jiān)控方面，甚至家庭娛樂等方面潛在的巨大應(yīng)用前景，人臉識(shí)別技術(shù)近年來已經(jīng)受到許多學(xué)者、政府部門、企業(yè)界的普遍關(guān)注，并已成為生物特征識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)。實(shí)際上，在身份驗(yàn)證中，相對(duì)于其他生物特征識(shí)別而言，人臉特征識(shí)別是最直接，最方便友好的手段。本文的主要研究內(nèi)容是人臉識(shí)別技術(shù)，重點(diǎn)研究了利用統(tǒng)計(jì)特征進(jìn)行人臉識(shí)別的方法。本文的主要?jiǎng)?chuàng)新點(diǎn)有： (1)提出了兩種基于小波變換和多特征的人臉識(shí)別方法：一種是將多特征和

2、多分類器結(jié)合的識(shí)別方法：另一種方法則是利用多特征組成混合特征，并引入了“支持向量機(jī)”(SupportVectorMachine)進(jìn)行分類的方法。兩種方法均取得了滿意的識(shí)別結(jié)果。 (2)提出了基于人臉局部特征融合的識(shí)別方法。首先根據(jù)人臉的分布知識(shí)對(duì)人臉特征進(jìn)行分割，提取各局部特征的特征臉特征，再分別利用支持向量機(jī)和Boosting算法進(jìn)行融合和分類。實(shí)驗(yàn)證明這種方法的識(shí)別率高于傳統(tǒng)的直接利用整幅人臉圖像的特征的方法。 (3

3、)結(jié)合了小波變換和圖像頻譜的頻譜臉，在人臉識(shí)別方面具有相當(dāng)高的應(yīng)用價(jià)值，本文進(jìn)一步提取了頻譜臉的特征臉和線性鑒別特征作為分類特征，并利用了不同的分類方法進(jìn)行識(shí)別，這種基于頻譜的方法可以有效提高識(shí)別率，我們稱之為頻譜特征臉法。同時(shí)在這種特征提取基礎(chǔ)上，還提出了一種利用多特征和徑向基函數(shù)網(wǎng)絡(luò)進(jìn)行人臉識(shí)別的算法，并將該算法應(yīng)用到了單訓(xùn)練樣本情況，獲得了較好的識(shí)別結(jié)果。 (4)為了克服人臉識(shí)別中由于小幅度的姿態(tài)、表情，光照變化所帶來的困

4、難，本文提出了一種利用“互信息”(MutualInformation)和混合特征的兩步人臉識(shí)別算法，并在幾個(gè)不同的人臉庫上進(jìn)行了實(shí)驗(yàn)，證明了該算法可以在人臉圖像存在小幅度的姿態(tài)、表情，光照變化的情況下可以保證較高的識(shí)別率。 (5)在人臉識(shí)別研究中，由于獲得的人臉圖像常常是不同視角，不同光照方向的，因此會(huì)給識(shí)別帶來較大的困難，我們提出了兩個(gè)針對(duì)不同具體情況的解決光照變化情況下的人臉識(shí)別方法，第一種是光照子空間法，第二種是利用徑向基