基于隱馬爾科夫模型的人臉識別技術研究.pdf

1、近年來，人臉識別技術越來越受到重視，已經成為計算機視覺、圖像分析和理解中應用最成功的技術之一。本文系統(tǒng)的研究了基于嵌入式隱馬爾科夫模型的人臉識別方法。完成的主要工作有以下幾點：
　　 首先本文針對傳統(tǒng)人臉識別方法在受到表情、姿態(tài)和光照等影響時存在魯棒性差的問題，提出了一種改進的人臉識別方法。在特征提取上，該方法首先提取人臉的Gabor特征，接著利用DCT壓縮使得相似特征得到聚合，最后利用PCA分別篩選出最能夠代表人臉各個區(qū)域的D

2、CT系數。在識別方法上，該方法采用了嵌入式隱馬爾科夫模型(EHMM)，并基于人臉的認知結構信息對嵌入式隱馬爾可夫人臉結構模型進行了改進。對比實驗結果表明，該方法識別率高，復雜度低，并具有較好的魯棒性，易于在工程上應用。
　　 其次針對基于嵌入式隱馬爾科夫模型的人臉識別方法中僅僅利用訓練樣本得到單一分類器的缺點，引入了AdaBoost集成學習算法對樣本隨機擾動，并且對AdaBoost算法進行了改進。首先我們通過對樣本庫加入隨機噪聲

3、，提高學習方法的泛化能力。接著在該數據庫的基礎上，通過訓練多個弱分類器構造出一個強分類器。訓練過程中首先通過對訓練集設置相等的權重，得到初始分類器。然后通過識別誤差調節(jié)訓練樣本的權重，進而構建出新的訓練集，如此重復，得到一個由多個弱分類器所組成的強分類器。最后通過加權投票的方法得到識別結果。實驗證明，該方法識別率高，魯棒性好。
　　 最后根據實際需要，利用本文所涉及的方法實現了相應的人臉識別系統(tǒng)。該系統(tǒng)基于OpenCV與隱馬爾可