自動人臉識別技術(shù)的研究與系統(tǒng)實現(xiàn).pdf

1、隨著圖像采集技術(shù)及計算機技術(shù)的飛速發(fā)展,自動人臉識別技術(shù)在身份鑒別、人機交互、圖像檢索和視覺監(jiān)控等眾多領(lǐng)域有著重要應用。而目前對計算機人臉識別技術(shù)的研究仍不成熟,尤其在復雜背景下如何快速有效地檢測、識別出人臉。有效提取特征和準確分類是一個難度極大的課題。本文圍繞著自動人臉識別系統(tǒng)的實現(xiàn)開展了較深入研究,取得以下幾個方面研究成果:
　　首先,深入研究了基于AdaBoost算法的人臉檢測方法,并且引入OpenCV開源庫,詳細介紹了該方

2、法的實現(xiàn)過程,實驗驗證了該方法是有效的,不僅檢測率高、誤判率低,而且魯棒性強、檢測速度快,為自動人臉識別系統(tǒng)的實現(xiàn),奠定了堅實的基礎(chǔ)。
　　其次,深入研究了基于主動形狀模型(ASM)的面部特征點定位方法,并且針對它存在的不足,引入二維Gabor小波,充分利用Gabor小波優(yōu)勢,提出了二維Gabor局部紋理模型代替?zhèn)鹘y(tǒng)的局部紋理模型,以提高定位精度;同時采用稀疏化局部協(xié)方差矩陣,以提高算法速度。實驗證明:改進方法是行之有效的,不僅明

3、顯提高了定位精度,而且滿足實時處理的要求。
　　再次,深入研究了特征臉方法、Fisher臉方法以及核直接判別分析方法(KDDA)的基本原理、實現(xiàn)過程以及優(yōu)缺點;在此基礎(chǔ)上,充分利用Gabor小波優(yōu)勢,提出了一種基于Gabor小波特征和核直接判別分析的人臉識別方法(GKDDA);實驗驗證了新方法是有效的,與特征臉、Fisher臉以及核直接判別分析方法相比,具有更高的識別率,更強的魯棒性。
　　最后,在上述工作的基礎(chǔ)上,實現(xiàn)了一