基于EHMM-SVM的人臉識(shí)別算法研究.pdf

1、現(xiàn)今，由于科學(xué)技術(shù)的快速發(fā)展以及互聯(lián)網(wǎng)的普遍應(yīng)用，網(wǎng)絡(luò)安全問(wèn)題和信息安全問(wèn)題變得愈加重要。目前出現(xiàn)了許多基于生物特征的識(shí)別手段，例如指紋、虹膜、人臉等，而基于人臉的認(rèn)證方法是諸多基于生物特征識(shí)別的方法中應(yīng)用的最為普遍的方法?；谌四樀恼J(rèn)證方法與指紋、虹膜等生物特征的認(rèn)證手段相比具有安全性能高、使用方便、直觀性突出、不易假冒、識(shí)別精度較高、識(shí)別速度較快等優(yōu)點(diǎn)，因此該方法被重點(diǎn)研究和廣泛的運(yùn)用。人臉識(shí)別是模式識(shí)別的重要研究領(lǐng)域，如何選取較好

2、的算法提高人臉識(shí)別的識(shí)別率是研究的重點(diǎn)和難點(diǎn)。
　　本文在前人的研究基礎(chǔ)上，把圖像處理與模式識(shí)別的知識(shí)綜合運(yùn)用，提出了一種基于EHMM-SVM的人臉識(shí)別算法，本文所做工作有以下幾個(gè)方面：
　?、盼闹羞\(yùn)用圖像預(yù)處理常用的直方圖均衡化、圖像平滑、幾何變換和圖形銳化等方法，同時(shí)結(jié)合ORL人臉庫(kù)進(jìn)行圖像預(yù)處理實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果表明了，運(yùn)用直方圖均衡化和中值濾波對(duì)人臉灰度圖像進(jìn)行預(yù)處理能夠得到較好的預(yù)處理效果。經(jīng)過(guò)直方圖均衡化處理后的

3、人臉灰度圖像變得較為清晰、明亮。中值濾波不但能消弭噪聲并且能夠保持人臉灰度圖像的細(xì)節(jié)，使處理后的圖像不呈現(xiàn)出明顯的模糊區(qū)域。因此在本文的實(shí)驗(yàn)中采用直方圖均衡化和中值濾波的方法對(duì)人臉灰度圖像進(jìn)行預(yù)處理。
　?、圃谌四樚卣魈崛〉沫h(huán)節(jié)，文中對(duì)經(jīng)常運(yùn)用的幾種人臉特征提取方法，K-L變換、小波變換、二維離散余弦變換和奇異值分解等進(jìn)行了較為詳盡的介紹，并結(jié)合 ORL人臉庫(kù)在EHMM人臉模型上進(jìn)行實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果表明：運(yùn)用二維離散余弦變換（2

4、D-DCT）提取人臉圖像的特征能夠降低對(duì)噪聲、光照和姿態(tài)變化的敏感度。
　　⑶參照Sammaria和Nefian對(duì)人臉灰度圖像劃分的模型，研究了EHMM人臉識(shí)別算法，并結(jié)合ORL和Yale人臉庫(kù)進(jìn)行實(shí)驗(yàn)研究。對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析可知：與HMM人臉識(shí)別算法相比，EHMM人臉模型在水平方向建立模型，更好的利用了人臉局部器官之間的相互聯(lián)系，人臉識(shí)別率有所提高。但在人臉判別時(shí)，EHMM模型僅僅是依靠最大相似概率來(lái)進(jìn)行人臉的判定，有可能會(huì)出現(xiàn)

5、識(shí)別錯(cuò)誤。通過(guò)對(duì)SVM的分析，發(fā)現(xiàn)SVM擅長(zhǎng)類(lèi)別間的分類(lèi)，它能很好的反映類(lèi)別間的不同。因此針對(duì)EHMM模型和SVM的特點(diǎn)，提出一種把EHMM和SVM兩種方法結(jié)合在一起的人臉識(shí)別算法。
　?、日撐挠肙RL和Yale人臉庫(kù)圖像進(jìn)行實(shí)驗(yàn)；采用直方圖均衡化和中值濾波的圖像預(yù)處理方法對(duì)人臉灰度圖像進(jìn)行預(yù)處理；運(yùn)用二維離散余弦變換（2D-DCT）的方法提取人臉灰度圖像的特征得到觀察向量序列；通過(guò)雙重嵌套Viterbi算法求出每個(gè)人臉圖像對(duì)應(yīng)于