基于PCA算法和人臉姿態(tài)合成的人臉識(shí)別.pdf

1、人臉識(shí)別，是指對(duì)于給定的某個(gè)人臉圖像，從存儲(chǔ)的已知身份的人臉圖像庫中識(shí)別出該人的身份。特征提取是人臉識(shí)別的核心問題，采用主成分分析(Principal Component Analysis，PCA)方法進(jìn)行特征提取是較成功的線性分析方法。PCA算法具有速度快，對(duì)正面人臉圖像識(shí)別率高等優(yōu)點(diǎn)，但該算法的缺點(diǎn)是識(shí)別率的魯棒性容易受光照、表情、姿態(tài)等因素的影響。本課題從光照和姿態(tài)因素這兩個(gè)方面分別對(duì)人臉識(shí)別進(jìn)行研究。
　　為了抑制PCA算

2、法對(duì)圖像中光照因素的較高敏感性，本課題提出一種對(duì)圖像灰度進(jìn)行冪次變換的預(yù)處理策略。首先采用隨機(jī)序列來選取人臉庫中的訓(xùn)練樣本和測(cè)試樣本，然后對(duì)隨機(jī)人臉樣本進(jìn)行冪次變換和Butterworth低通濾波處理，最后進(jìn)行PCA處理的人臉識(shí)別算法?；贠RL數(shù)據(jù)庫的實(shí)驗(yàn)表明，在適當(dāng)選擇冪次變換參數(shù)的情況下，基于冪次變換預(yù)處理的PCA人臉識(shí)別算法比傳統(tǒng)的PCA算法具有更高的識(shí)別精度。
　　基于PCA算法的特征提取技術(shù)，雖然在正面人臉圖像識(shí)別方面

3、取得了顯著效果，但是，當(dāng)人臉的姿態(tài)改變，即人臉的角度發(fā)生變化，面部特征就會(huì)受到不同程度的遮擋，此時(shí)人臉識(shí)別算法的識(shí)別率會(huì)急劇下降。目前多數(shù)的人臉識(shí)別算法主要針對(duì)正面人臉圖像，針對(duì)姿態(tài)變化的研究相對(duì)比較的少，所以姿態(tài)問題是亟待解決的問題。
　　姿態(tài)合成人臉圖像的識(shí)別是一個(gè)將面部信息“無中生有”的恢復(fù)過程。本課題根據(jù)有限姿態(tài)的人臉圖像和人臉姿態(tài)變化的先驗(yàn)知識(shí)，結(jié)合主動(dòng)表觀模型理論，對(duì)每個(gè)姿態(tài)的人臉圖像提取紋理信息，得到對(duì)齊后的多姿態(tài)人