基于多線索的人臉識(shí)別認(rèn)證.pdf

1、生物特征識(shí)別是一項(xiàng)根據(jù)人類自身固有的生物特征進(jìn)行身份識(shí)別的技術(shù)，具有優(yōu)于傳統(tǒng)身份識(shí)別技術(shù)的安全性和可靠性。其中，人臉識(shí)別技術(shù)以其采集方便并可在不打擾檢測對(duì)象正?；顒?dòng)條件下隱蔽進(jìn)行的獨(dú)特優(yōu)勢，受到廣泛關(guān)注并成為研究熱點(diǎn)。經(jīng)過多年的研究和開發(fā)，人臉識(shí)別技術(shù)已取得了一定的突破，在公共安全、信息安全、金融安全等領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景。但是，由于人臉圖像的復(fù)雜性和多樣性，目前人臉識(shí)別技術(shù)的精度距離人們的期望還有一些距離，提高人臉識(shí)別正確率是一項(xiàng)

2、非常重要的研究任務(wù)，同時(shí)也是一項(xiàng)具有挑戰(zhàn)性難度的研究課題。
　　人臉識(shí)別是一個(gè)復(fù)雜的信息處理過程，在真實(shí)應(yīng)用條件下的人臉識(shí)別，更是受到多種不能預(yù)先確定環(huán)境因素的影響。在認(rèn)知判別中，引入多種有效的特征信息和多種理論推理方法，將有助于全面、準(zhǔn)確地認(rèn)識(shí)和區(qū)分對(duì)象。本文研究和探討了基于多線索即多種特征信息和多種理論方法集成（融合）的人臉識(shí)別技術(shù)。主要工作成果和貢獻(xiàn)如下:
　　1.提出了一種基于多線索的眼睛精確定位方法。該方法包含三個(gè)

3、階段由粗到細(xì)逐級(jí)精確化眼睛定位。前兩個(gè)階段，采用Viola-Jones算法進(jìn)行眼睛的粗定位。本文工作的主要貢獻(xiàn)在于第三階段的精確定位，提出采用具有更高分辨能力的梯度組合特征和曲線波(Curvelet)特征，以適應(yīng)眼睛中心周圍鄰域的灰度分布和邊緣輪廓的描述;并提出一種重構(gòu)偏差計(jì)算機(jī)制，采用重構(gòu)偏差來度量候選眼睛子塊圖像與眼睛子塊典型樣本圖像集的匹配相似度，進(jìn)行計(jì)算對(duì)比，將基于梯度組合特征和曲線波特征的重構(gòu)偏差結(jié)果進(jìn)行綜合，最終選定最佳的眼

4、睛中心位置。實(shí)驗(yàn)結(jié)果表明，本文方法具有較高的定位精度。
　　2.提出了一種基于Gabor特征、Curvelet特征和LBP（Local Binary Pattern）特征融合的人臉識(shí)別方法。Gabor、Curvelet和LBP都是有成效的描述人臉的特征，它們分別從通用的和側(cè)重于邊緣輪廓的多尺度波形分解和亮度差細(xì)觀紋理結(jié)構(gòu)等不同特性角度，描述了對(duì)象的內(nèi)蘊(yùn)特性。三種特征內(nèi)容具有很強(qiáng)的關(guān)聯(lián)性和互補(bǔ)性，在本文提出的方法中，首先將特征相關(guān)性

5、較強(qiáng)的Gabor特征和Curvelet特征在特征層上采用典型相關(guān)分析(Canonical Correlation Analysis，CCA)的原理方法進(jìn)行重組融合;然后將CCA融合特征的匹配相似度與LBP特征的匹配相似度在決策層上進(jìn)行融合，獲得最終的匹配相似度。實(shí)驗(yàn)結(jié)果表明，通過將三種特征進(jìn)行融合識(shí)別精度得到顯著提高。
　　3.對(duì)于同一人臉多張圖像和單張人臉圖像的匹配問題，本文提出一種計(jì)算同一人臉多張圖像的共性表征和匹配偏差方法。

6、在選定特征表示后，同一人臉對(duì)象的多張圖像特征數(shù)據(jù)計(jì)算得到的主方向可作為該人臉對(duì)象的共性表征。將待匹配單張圖像在已知多張圖像的主方向上投影，然后進(jìn)行重構(gòu)，其重構(gòu)偏差可作為匹配偏差。通過實(shí)驗(yàn)測試證明本文提出的方法的有效性。
　　4.對(duì)于非正面人臉圖像匹配問題，本文提出了一種新的人臉姿態(tài)估測方法以及兩項(xiàng)簡化校正處理:縱橫比修正和選用翻轉(zhuǎn)圖像。在人臉姿態(tài)估測方法中，采用局部線性嵌入(Locally Linear Embedding，LLE