基于測(cè)地距離的人臉識(shí)別的研究.pdf

1、人臉識(shí)別是現(xiàn)今生物識(shí)別范疇中的重要研究方向之一。因?yàn)槿S人臉的自由度是六個(gè)，包含著更多的數(shù)據(jù)信息，所以，在當(dāng)代，研究者已開始逐漸將目光從二維人臉轉(zhuǎn)向三維人臉識(shí)別的研究。測(cè)地距離(Geodesic Distance)是數(shù)學(xué)形態(tài)學(xué)中的一個(gè)概念，相比于傳統(tǒng)的距離度量，能夠較好地克服表情的變化和姿態(tài)的變化等問(wèn)題帶來(lái)的影響，鑒于以上的兩個(gè)優(yōu)點(diǎn)，本文主要以測(cè)地距離理論為依據(jù)，在此基礎(chǔ)之上，初步探究了二維人臉和三維人臉的識(shí)別方法，論文的主要研究?jī)?nèi)容和

2、成果如下：
　　針對(duì)人臉檢測(cè)數(shù)據(jù)中集中的信息均為高維特征向量且人臉識(shí)別易受表情變化影響等問(wèn)題，本文提出了一種測(cè)地距離的KPCA(Kernel Principal Component Analysis)人臉識(shí)別方法，該方法中，主成分的提取利用非線性方法來(lái)完成。先采用KPCA方法，把人臉數(shù)據(jù)映射到高維空間，進(jìn)而在高維空間中提取人臉的主成分，其中核函數(shù)為多項(xiàng)式核函數(shù)，然后引入測(cè)地距離替換原來(lái)的歐氏距離來(lái)進(jìn)行相似度量，其能更準(zhǔn)確的測(cè)量出兩

3、像素點(diǎn)間的實(shí)際距離，使得人臉識(shí)別率受表情變化影響小，實(shí)驗(yàn)表明，該方法不但可以實(shí)現(xiàn)降維，而且能達(dá)到有效提取特征的目的，同時(shí)，使得識(shí)別的魯棒性強(qiáng)，取得較高的識(shí)別率。
　　針對(duì)傳統(tǒng)方法對(duì)人臉定位準(zhǔn)確率較低問(wèn)題，對(duì)三維人臉定位算法進(jìn)行了優(yōu)化，提出了一種基于測(cè)地距離的三維人臉定位算法，測(cè)地距離能夠較好地克服姿態(tài)變化和表情變化所產(chǎn)生的影響，對(duì)于給出的某張三維人臉，先利用濾波等方法對(duì)該人臉實(shí)施了基本的數(shù)據(jù)處理，再對(duì)過(guò)濾后的數(shù)據(jù)，定位特征鼻尖點(diǎn)，

4、進(jìn)而對(duì)整張人臉進(jìn)行定位，最后將人臉模型統(tǒng)一到相同的坐標(biāo)系框架下，給后續(xù)過(guò)程中人臉的特征提取和匹配奠定基礎(chǔ)，實(shí)驗(yàn)表明了該方法的有效性。
　　針對(duì)人臉數(shù)據(jù)信息復(fù)雜，出現(xiàn)誤匹配而較難辨識(shí)的問(wèn)題，提出了一種基于測(cè)地距離的特征匹配的人臉識(shí)別。該方法是結(jié)合三維人臉的多數(shù)據(jù)信息和二維人臉?biāo)惴ㄖ械膬?yōu)勢(shì)，以獲取的二維人臉虛擬圖像為基礎(chǔ)來(lái)進(jìn)行實(shí)驗(yàn)分析，利用SIFT(Scale Invariant Feature Transform)方法進(jìn)行特征提取，