基于圖像的人臉檢測(cè)與識(shí)別方法研究.pdf

1、人臉作為人體重要的特征之一，有著非常強(qiáng)的區(qū)分性、恒定性和個(gè)體差別。包含了人臉檢測(cè)、識(shí)別和追蹤等。因?yàn)槿四槂?yōu)勢(shì)明確，它有不接觸、全過(guò)程簡(jiǎn)明及距離適中等技術(shù)上明顯的優(yōu)勢(shì)，目前已經(jīng)是模式識(shí)別、計(jì)算機(jī)視覺(jué)和人工智能等領(lǐng)域的研究熱點(diǎn)。在國(guó)家安防、交通、社區(qū)安全、智能車(chē)等許多與我們休戚相關(guān)的領(lǐng)域有著廣闊的研究前景。
　　近年來(lái)，人臉檢測(cè)與識(shí)別的研究已經(jīng)取得了很多成績(jī)。當(dāng)前已經(jīng)有很多方法能夠快速而準(zhǔn)確的對(duì)正面人臉進(jìn)行檢測(cè)。但在實(shí)際應(yīng)用中，很多情

2、況下會(huì)因?yàn)閳D像采集設(shè)備位置不佳以及被檢測(cè)者有意或無(wú)意的不配合造成采集到的人臉圖像不是正面圖像。在進(jìn)行人臉識(shí)別時(shí)，由于訓(xùn)練樣本有限，會(huì)出現(xiàn)準(zhǔn)確率低、運(yùn)行慢及魯棒性差等缺點(diǎn)。因此，人臉圖像還是有很大的研究?jī)r(jià)值。
　　鑒于以上存在的一些問(wèn)題，本文為了更好的提升人臉檢測(cè)率和識(shí)別率，對(duì)前人的大量算法進(jìn)行了深入的研究后，提出了相應(yīng)的改進(jìn)算法。本文重要的研究貢獻(xiàn)分以下幾點(diǎn)進(jìn)行闡述：
　?。?）旋轉(zhuǎn)人臉圖像的檢測(cè)算法研究。本文采用了改進(jìn)的尺

3、度不變特征變換(SIFT)旋轉(zhuǎn)人臉檢測(cè)算法。首先，將主成分分析(PCA)與SIFT方法結(jié)合，分別利用PCA方法的降維和SIFT算法的旋轉(zhuǎn)、平移、縮放及部分仿射不變性快速完成旋轉(zhuǎn)人臉的初檢測(cè)。接著，通過(guò)眼、嘴部定位，提升檢測(cè)準(zhǔn)確率。最后，通過(guò)改進(jìn)的AdaBoost算法訓(xùn)練分類(lèi)器并計(jì)算關(guān)鍵點(diǎn)匹配率，完成旋轉(zhuǎn)人臉的準(zhǔn)確檢測(cè)。實(shí)驗(yàn)結(jié)果表明：與傳統(tǒng)及較新算法相比較，本文算法在保證了高檢測(cè)率與高效率的同時(shí)錯(cuò)檢率也明顯下降。
　　（2）利用改進(jìn)

4、HMM和RVM融合的方式進(jìn)行人臉圖像識(shí)別。先對(duì)原始樣本進(jìn)行降維及特征提??；再用HMM模型得到測(cè)試樣本匹配度，形成特征向量；最后用RVM對(duì)得到的特征向量進(jìn)行分類(lèi)及識(shí)別測(cè)試，輸出識(shí)別結(jié)果。在ORL人臉庫(kù)驗(yàn)證算法的優(yōu)劣度，實(shí)驗(yàn)顯示，本文算法的識(shí)別率相較于其他對(duì)比算法有很好的優(yōu)勢(shì)，是一個(gè)能被應(yīng)用的算法。
　　（3）將本文的人臉檢測(cè)與識(shí)別系統(tǒng)通過(guò)大量的實(shí)驗(yàn)進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明本文系統(tǒng)對(duì)光照、復(fù)雜背景、非正面人臉、不同表情的改變等都有非常強(qiáng)