基于高維特征的人臉認證方法研究.pdf

1、人臉識別是許多包括考勤、視頻監(jiān)控以及基于內(nèi)容的圖像檢索等應用的基礎。人臉識別又可以分為兩個子問題：人臉認證和人臉辨別，前者的應用更加廣泛。但受到人臉姿態(tài)、光照以及遮擋物的影響，使得人臉認證問題更加復雜、更具有挑戰(zhàn)性。本文提出采用構建人臉的高維特征（超過10萬維度）的方法來克服這些困難，高維特征具有更多的人臉信息，并通過支持向量機和Adaboost算法實現(xiàn)人臉認證并應用在了煤礦環(huán)境下。
　　人臉的低維特征往往只包含了人臉的一部分信息

2、，用作人臉認證效果并不理想。而且某種特征只提取人臉的特定信息，比如方向梯度直方圖特征適合行人檢測，局部二值模式特征對光照強度不敏感。高維人臉特征雖然能改善這些問題，但勢必會給算法訓練、計算以及儲存帶來困難。針對這些問題，本文做了以下工作：
　　(1)構建人臉高維特征，描述盡可能多的人臉信息。對人臉圖像作多尺度變換，在每個尺度上，分別基于人臉關鍵點位置提取不同的人臉特征，最后將所提取的特征聯(lián)合起來構建成人臉的高維度特征用于人臉認證。

3、
　　(2)使用支持向量機以及Adaboost算法實現(xiàn)人臉認證。經(jīng)過PCA降維后的高維特征使用支持向量機分類器實現(xiàn)人臉認證，并通過基于FERET人臉庫的實驗驗證了高維度特征具有更好的人臉認證效果。由于PCA降維運算復雜，故采取Adaboost算法選取最具可分性的人臉特征實現(xiàn)降維的同時構建級聯(lián)人臉認證分類器，快速實現(xiàn)人臉認證。兩種方法均在 FERET人臉庫上取得了超過97％的人臉認證成功率。
　　(3)在煤礦考勤系統(tǒng)上實現(xiàn)了人

4、臉認證系統(tǒng)并完成了煤礦礦工人臉庫的采集。該人臉庫包括了實際場景下共2753位礦工的不同姿態(tài)、表情和煤灰污染的“黑臉”圖像，具有很大的使用研究價值。特別地，針對礦工被煤灰污染的人臉圖像進行了人臉認證的研究，通過本文中的人臉認證方法達到了86.95%的一次性認證成功率。
　　本文主要研究了基于圖像多尺度變換和人臉關鍵點的高維特征對于人臉認證的積極影響。并且基于高維特征采用支持向量機和Adaboost算法實現(xiàn)了人臉認證，在FERET人臉