基于多特征融合的人臉識(shí)別技術(shù)的研究.pdf

1、隨著網(wǎng)絡(luò)信息技術(shù)的飛速發(fā)展，信息已經(jīng)成為推動(dòng)經(jīng)濟(jì)快速發(fā)展的新型生產(chǎn)力，信息安全帶來(lái)的隱患成為制約信息生產(chǎn)力發(fā)展的重要因素。對(duì)人的身份信息進(jìn)行快速準(zhǔn)確判別的途徑已經(jīng)成為了一個(gè)亟待解決問(wèn)題，人臉識(shí)別由于其非接觸式、信息采集設(shè)備簡(jiǎn)單、多平臺(tái)支持等優(yōu)勢(shì)從眾多的生物識(shí)別設(shè)備中脫穎而出。實(shí)時(shí)的人臉識(shí)別系統(tǒng)涵蓋了人臉檢測(cè)、人臉校準(zhǔn)、圖像預(yù)處理、人臉注冊(cè)、人臉特征提取與匹配等若干模塊。人臉檢測(cè)可以通過(guò)視頻流的實(shí)時(shí)檢測(cè)，以檢測(cè)是否包含人臉圖像及位置確定，

2、人臉識(shí)別是通過(guò)對(duì)檢測(cè)到的人臉圖像與已知身份的人臉相匹配，以確定檢測(cè)到的人臉圖像的身份。
　　本文對(duì)人臉檢測(cè)算法以及主要的圖像預(yù)處理算法做了詳細(xì)的介紹，并重點(diǎn)對(duì)人臉識(shí)別階段進(jìn)行研究并提出了算法改進(jìn)。目前，人臉識(shí)別的方法一般分為基于尺度不變特征(SIFT)、局部二值模式、Harris角點(diǎn)等的局部特征表征，以及基于線(xiàn)性以及非線(xiàn)性子空間分析、流形學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等的全局特征表征。盡管這些方法對(duì)正面人臉以及簡(jiǎn)單背景環(huán)境的鑒別有較好

3、的效果，但是當(dāng)人臉存在姿態(tài)變換、角度偏轉(zhuǎn)等復(fù)雜因素時(shí)，鑒別精度就會(huì)出現(xiàn)較大波動(dòng)，是以復(fù)雜因素下鑒別精度的提升成為科研的主要方向。
　　主要研究工作如下:
　　(1)尺度不變的SIFT特征是人臉局部特征的表征方式之一，在傳統(tǒng)SIFT方法中，由于特征點(diǎn)的坐標(biāo)是根據(jù)高斯差分空間的局部極值點(diǎn)來(lái)確定，造成特征點(diǎn)匹配困難。為了解決這一問(wèn)題，提出了基于標(biāo)點(diǎn)鄰域SIFT描述符的特征提取(LN-S IFT)算法。本文首先采用基于回歸的局部二值

4、特征對(duì)人臉進(jìn)行校準(zhǔn)，獲取了與人的面部幾何特征相吻合的標(biāo)點(diǎn)，從而采用有益于人臉鑒別的標(biāo)點(diǎn)代替SIFT算法的特征點(diǎn)。然后，用具有不變特性的SIFT描述符來(lái)表征標(biāo)點(diǎn)鄰域內(nèi)的局部特征，從而有效地提高了鑒別速度以及鑒別精度。最后，對(duì)標(biāo)點(diǎn)按照人臉幾何特征區(qū)域進(jìn)行加權(quán)，能夠?qū)θ四樀淖藨B(tài)變化以及角度偏轉(zhuǎn)等因素引起的誤差有一定的魯棒性。
　　(2)由于非線(xiàn)性的拉普拉斯特征映射，具有難以獲得新樣本的低維投影的缺點(diǎn)，局部保持投影對(duì)其進(jìn)行了線(xiàn)性擴(kuò)展，使樣

5、本可以通過(guò)線(xiàn)性投影矩陣快速的投影到子空間中。但是，這一方法是一種不包含標(biāo)簽信息的無(wú)監(jiān)督方法，未能使用已知的標(biāo)簽信息提高鑒別精度。為了解決這一問(wèn)題，提出了最大類(lèi)間相斥的局部鑒別投影(MR-LDP)算法。本文采用添加了局部類(lèi)別信息的權(quán)值矩陣，從而使近鄰的同一類(lèi)別樣本盡量緊湊，近鄰的不同類(lèi)別樣本盡量遠(yuǎn)離。同時(shí)，針對(duì)未能充分利用全局類(lèi)別標(biāo)簽信息的缺點(diǎn)，引入了最大化不同類(lèi)別間樣本信息，從而使不同類(lèi)別間均值中心最大程度地相互遠(yuǎn)離帶動(dòng)了不同類(lèi)別間樣本

6、的整體分散，最后得到既保持了內(nèi)在流形結(jié)構(gòu)又使不同類(lèi)別的距離最大的全局特征投影矩陣。
　　(3)人類(lèi)以及其他高等生命面對(duì)未知的待識(shí)別對(duì)象時(shí)，都會(huì)自主提取對(duì)象若干的最有意義特征，然后通過(guò)若干特征的綜合融合作為鑒別的依據(jù)。單獨(dú)的特征鑒別很難達(dá)到最優(yōu)的效果，難以對(duì)光線(xiàn)、背景、姿態(tài)等若干因素的變化做出自適應(yīng)的反應(yīng)，從而缺乏依據(jù)環(huán)境變化的自動(dòng)調(diào)節(jié)性。為了解決這一問(wèn)題，通過(guò)對(duì)本文的局部特征提取算以及全局特征提取算法進(jìn)行了融合，提出了基于混合特征