人臉檢測(cè)和識(shí)別.pdf

1、隨著現(xiàn)代科技的快速發(fā)展，生活智能化程度不斷提高。各種智能型系統(tǒng)已被應(yīng)用到各行各業(yè)。在眾多智能系統(tǒng)中，自動(dòng)身份認(rèn)證系統(tǒng)由于其應(yīng)用范圍廣，在業(yè)界已受到極大的關(guān)注。特別是基于人臉識(shí)別的身份認(rèn)證系統(tǒng)，比起基于指紋和虹膜的認(rèn)證系統(tǒng)，它更加快捷、方便，同時(shí)對(duì)用戶友好，已逐漸成為關(guān)注的重點(diǎn)。
　　近年來(lái)，很多企業(yè)和科研單位都推出了自己的人臉識(shí)別系統(tǒng)。但這些系統(tǒng)多數(shù)是針對(duì)某種的特定環(huán)境而開(kāi)發(fā)的，很大程度上缺乏通用性。其主要原因是這些系統(tǒng)中的人臉識(shí)

2、別算法對(duì)光照變化和姿態(tài)變化非常敏感，現(xiàn)有算法一般只能克服這兩個(gè)因素中的一個(gè)，而不能同時(shí)消除光照和姿態(tài)對(duì)整個(gè)系統(tǒng)的影響。因此，對(duì)人臉檢測(cè)與識(shí)別技術(shù)進(jìn)一步研究是非常有必要的。
　　基于上述人臉識(shí)別系統(tǒng)的前景和局限，本文將從多角度對(duì)人臉識(shí)別技術(shù)進(jìn)行深入的研究。本課題關(guān)注的人臉識(shí)別技術(shù)主要針對(duì)監(jiān)控系統(tǒng)中的視頻圖像序列，對(duì)實(shí)時(shí)性有較高要求，因此本文算法不僅克服光照和姿態(tài)的對(duì)識(shí)別效果的影響，同時(shí)還注重提高人臉識(shí)別系統(tǒng)的速度。本文主要工作包括：

3、
　　1、基于膚色模型和Adaboost算法的人臉檢測(cè)框架：本課題中視頻圖像大小為720×560，直接利用Adaboost算法進(jìn)行人臉檢測(cè)很難達(dá)到實(shí)時(shí)性要求，為此，本文提出一種多階段的人臉檢測(cè)方法。首先利用膚色模型進(jìn)行人臉預(yù)檢測(cè)，找到圖像中可能出現(xiàn)人臉的大概區(qū)域，然后再利用Adaboost算法在預(yù)檢測(cè)區(qū)域進(jìn)行精確的人臉檢測(cè)。
　　2、基于 EHMM的復(fù)雜光照下人臉識(shí)別算法：為了克服人臉識(shí)別中的光照變化和姿態(tài)變化的影響，本文提

4、出嵌入式隱馬爾可夫模型（EHMM）和局部二值模式（LBP）和相結(jié)合的人臉識(shí)別算法。EHMM模型利用圖像分塊的思想，不但描述了局部的圖像塊信息，而且從整體上描述了不同圖像塊之間的關(guān)聯(lián)關(guān)系。該模型很好的描述了人臉特征，能有效克服人臉的各種姿態(tài)變化。對(duì)于光照變化的影響，本文首先利用LBP算子抗光照的特點(diǎn)將各種光照條件下的人臉圖像轉(zhuǎn)化為二次特征圖，對(duì)人臉圖像進(jìn)行光照均勻化；然后在二次特征圖中利用離散余弦變換（DCT）提取圖像作為EHMM中的局部