有遮擋人臉圖像的特征提取和識(shí)別研究.pdf

1、人臉識(shí)別技術(shù)由于其具有安全、保密、友好、方便等特點(diǎn)，從上世紀(jì)六十年代開(kāi)始，被廣泛應(yīng)用于金融、信息安全及公共安全等領(lǐng)域。然而，現(xiàn)實(shí)中采集到的人臉圖像往往會(huì)因各種復(fù)雜因素的交錯(cuò)混疊而發(fā)生局部遮擋。局部遮擋的復(fù)雜性和不可預(yù)料性，為人臉識(shí)別帶來(lái)了巨大挑戰(zhàn)。因此，設(shè)計(jì)一種綜合性能優(yōu)良、能夠有效削弱遮擋等不可預(yù)料因素影響的算法是關(guān)鍵。眾多研究者針對(duì)此問(wèn)題做了深入研究，然而仍然存在著難題：算法對(duì)于遮擋并不魯棒，一旦遮擋水平超過(guò)某個(gè)臨界點(diǎn)，其識(shí)別能力會(huì)

2、迅速下降；當(dāng)訓(xùn)練樣本較少時(shí)或除了遮擋以外還有其他干擾（如光照變化）時(shí)，現(xiàn)有方法的識(shí)別效果并不理想。
　　本文針對(duì)小樣本情形下的有遮擋人臉識(shí)別問(wèn)題和存在光照變化遮擋的人臉識(shí)別問(wèn)題，進(jìn)行了深入地研究。分別提出了基于貝葉斯多元分布的特征提取與識(shí)別算法和基于梯度臉和馬爾可夫隨機(jī)場(chǎng)的有遮擋人臉識(shí)別算法。本文的主要工作和已取得的研究成果如下：
　?。?）針對(duì)小樣本問(wèn)題，提出了基于貝葉斯多元分布的特征提取與識(shí)別算法。通過(guò)對(duì)人臉圖像的分塊解

3、決了有遮擋人臉識(shí)別中訓(xùn)練樣本缺乏即小樣本問(wèn)題，并且使得遮擋信息分散，盡可能地降低遮擋對(duì)識(shí)別的影響。在貝葉斯方法的框架下，通過(guò)多元高斯函數(shù)和指數(shù)函數(shù)分別約束類(lèi)內(nèi)特征和類(lèi)間特征，保證投影后新的特征有較小的類(lèi)內(nèi)距離和較大的類(lèi)間距離，提取出具有最佳可分離性的新特征。利用提取出的每個(gè)子塊的低維特征，根據(jù)投票原則，能更好地解決小樣本下有遮擋的人臉識(shí)別問(wèn)題。
　?。?）針對(duì)同時(shí)存在光照變化時(shí)有遮擋的人臉識(shí)別問(wèn)題，提出了一種基于梯度臉和馬爾可夫隨

4、機(jī)場(chǎng)的有遮擋人臉識(shí)別算法，解決了當(dāng)存在光照變化時(shí)，有遮擋的人臉識(shí)別率偏低問(wèn)題。首先將圖像從原始像素域變換到梯度臉特征域，降低因光照變化對(duì)圖像產(chǎn)生的影響。然后，構(gòu)建了重構(gòu)誤差的概率生成模型，并且融合重構(gòu)誤差概率模型和遮擋支撐的結(jié)構(gòu)模型：考慮了有遮擋區(qū)域和無(wú)遮擋區(qū)域的誤差分布，分別用均勻分布和加權(quán)條件高斯分布進(jìn)行建模；同時(shí)也考慮到遮擋結(jié)構(gòu)信息的連續(xù)性，采用馬爾可夫隨機(jī)場(chǎng)進(jìn)行建模。這使得該算法能有效地檢測(cè)出遮擋位置，進(jìn)而可用無(wú)遮擋的信息進(jìn)行人