基于局部和全局特征融合的人臉識(shí)別研究.pdf

1、人臉識(shí)別是一項(xiàng)極具有發(fā)展?jié)摿Φ纳锾卣髯R(shí)別技術(shù)，如何從人臉圖像中有效地提取使之區(qū)別于其它個(gè)體的特征，是人臉識(shí)別研究的關(guān)鍵所在。最近幾年，人臉識(shí)別技術(shù)取得了前所未有的進(jìn)展，但人臉個(gè)性化特征抽取的好壞還是受姿態(tài)、表情、光照變化等因素的制約，使其在實(shí)際應(yīng)用中的識(shí)別精度仍然難以滿足人們的預(yù)期要求。
　　孤立像素灰度的集合不能直接反映人臉的內(nèi)蘊(yùn)特征，引入適當(dāng)人臉描述方法，如Gabor變換、LBP變換，將轉(zhuǎn)換后的人臉特征映射到特征空間進(jìn)行識(shí)別

2、處理是行之有效的提高識(shí)別性能的途徑。在Gabor變換幅值域內(nèi)提取局部二值模式空間直方圖序列的人臉描述方法解決了Gabor變換維數(shù)災(zāi)難的問題。Gabor變換、LBP變換、空間區(qū)域直方圖的采用使得該方法對(duì)光照變化、表情變化、姿態(tài)變化、誤配準(zhǔn)等具有良好的魯棒性。
　　同時(shí)，人臉全局輪廓特征在人臉識(shí)別中也具有重要意義，通常認(rèn)為低頻信息保留了人臉的整體輪廓信息，本文采用低通濾波保留圖像的低頻信息，減輕了人臉局部變化對(duì)輪廓信息的影響。最后，分

3、別對(duì)基于Gabor變換的局部特征和全局特征采用Fisher線性鑒別分析對(duì)人臉特征進(jìn)行聚類分析。本文的主要工作如下:
　　(1)本文對(duì)局部Gabor變換直方圖序列的人臉描述方法進(jìn)行深入的解析，并分析不同參數(shù)變化對(duì)人臉識(shí)別率的影響;
　　(2)針對(duì)傳統(tǒng)的基于局部Gabor變化直方圖序列的方法，由于各個(gè)人臉區(qū)域?qū)θ四樧R(shí)別的貢獻(xiàn)對(duì)不同，本文提出對(duì)人臉各個(gè)不同的區(qū)域進(jìn)行Fisher加權(quán)的方法;
　　(3) CMU最新研究表明，人

4、臉圖像的清晰度不和人臉識(shí)別率成正比，本文提出通過高斯低通濾波保留圖像的低頻信息，即全局的輪廓信息，通過全局輪廓信息最大限度的保留人臉識(shí)別所需要的信息;
　　(4)最后，本文提出結(jié)合局部和全局的人臉特征，通過Fisher鑒別分析對(duì)人臉特征進(jìn)行聚類，并對(duì)整體和局部的權(quán)值進(jìn)行調(diào)整。
　　在FRGC2.0人臉庫實(shí)驗(yàn)一和實(shí)驗(yàn)四上均取得了較好的識(shí)別效果，表明該方法對(duì)人臉圖像條件的變化是魯棒的，具有很好的識(shí)別能力。本文的課題來自于實(shí)際的開