基于PHOW特征的人臉姿態(tài)識(shí)別算法研究.pdf

1、人臉姿態(tài)識(shí)別是計(jì)算機(jī)視覺領(lǐng)域和人臉識(shí)別領(lǐng)域的一個(gè)重要研究方向，是人臉識(shí)別系統(tǒng)中至關(guān)重要的一步，具有廣泛的應(yīng)用價(jià)值和良好的市場(chǎng)前景。當(dāng)前，國(guó)內(nèi)外對(duì)于人臉姿態(tài)識(shí)別的研究都投入了可觀的人力、物力和財(cái)力。相關(guān)的研究方法根據(jù)實(shí)現(xiàn)原理的不同，可分為基于模板的方法、基于檢測(cè)的方法、基于人臉幾何特征的方法、基于特征回歸的方法、基于子空間學(xué)習(xí)的方法、基于局部約束模型的方法等等；根據(jù)數(shù)據(jù)源類型的不同，可分為基于彩色圖像的方法、基于深度圖像的方法和基于3D圖

2、像的方法等。盡管人臉姿態(tài)識(shí)別研究已經(jīng)取得了重大的突破，但是由于圖像采集、人臉檢測(cè)、姿態(tài)識(shí)別等過程中軟硬件條件的制約，目前存在的人臉姿態(tài)識(shí)別方法在實(shí)際應(yīng)用中仍存在一定的局限性：僅能識(shí)別小范圍的單個(gè)方向上的離散的人臉姿態(tài)變化，針對(duì)光照變化、局部遮擋和表情變化等影響因素的魯棒性不高，對(duì)于復(fù)雜的多個(gè)方向同時(shí)變化的人臉姿態(tài)仍無能為力。
　　本文提出了基于PHOW的人臉姿態(tài)識(shí)別算法以解決提取可以更準(zhǔn)確描述人臉姿態(tài)變化特征的難題。其中，SIFT

3、尺度不變特征轉(zhuǎn)換算法，作為一種局部特征描述子，具有旋轉(zhuǎn)、縮放和仿射不變性，且對(duì)光照變化、觀察視角的變化、局部遮擋和噪聲等敏感度不高。Bag of Words模型最早被應(yīng)用于文本分類，之后被引入了2維圖像處理中。BOW模型有助于圖像語義的理解，更屏蔽了復(fù)雜背景變化對(duì)于識(shí)別結(jié)果的影響。但由于其模糊了圖像的結(jié)構(gòu)和位置信息，所以我們將金字塔尺度空間融合其中，對(duì)丟失的部分結(jié)構(gòu)和位置信息進(jìn)行補(bǔ)償，以提高人臉姿態(tài)識(shí)別的效果。文中的相關(guān)實(shí)驗(yàn)結(jié)果表明，本