四種人臉識(shí)別方法研究.pdf

1、人臉識(shí)別是近二十年來模式識(shí)別中的一個(gè)重要課題,近年來人臉識(shí)別系統(tǒng)已經(jīng)可以較為準(zhǔn)確的在某些限定的條件下對(duì)人臉進(jìn)行識(shí)別,隨著應(yīng)用范圍的不斷擴(kuò)展,受到越來越多企業(yè)和單位的重視?，F(xiàn)在,人臉識(shí)別已經(jīng)在公共安全、智能監(jiān)控、數(shù)字身份認(rèn)證、電子商務(wù)、多媒體和數(shù)字娛樂等領(lǐng)域顯現(xiàn)了巨大的應(yīng)用價(jià)值。隨著人臉識(shí)別的應(yīng)用越來越廣泛,人們對(duì)于人臉識(shí)別實(shí)用性的要求則變得越來越嚴(yán)格。雖然現(xiàn)今的大多數(shù)人臉識(shí)別算法已經(jīng)可以在較為固定的環(huán)境下對(duì)人臉進(jìn)行較為正確的識(shí)別,但實(shí)際

2、使用過程中,由于受到光照、姿勢(shì)、表情、遮擋等因素的影響,人臉識(shí)別的精度仍然不能滿足實(shí)際的要求。本文針對(duì)上述存在問題進(jìn)行探究,并取得了如下的主要成果:
　　 1、針對(duì)主成分分析(PCA)方法和仿生方法在特征提取和降維方面的不足,提出一種Gabor特征提取的仿生人臉識(shí)別方法。該方法首先提取人臉圖像Gabor特征向量,經(jīng)2DPCA方法降維處理后運(yùn)用仿生識(shí)別方法對(duì)其進(jìn)行人臉識(shí)別。在Yale Facedatabase B和PIE人臉庫上驗(yàn)

3、證了該方法的有效性。實(shí)驗(yàn)結(jié)果表明,該方法的分類準(zhǔn)確性優(yōu)于仿生識(shí)別方法和PCA等方法。
　　 2、針對(duì)基于歐氏空間的人臉識(shí)別算法框架與人類的視覺感知系統(tǒng)有著很大差異的問題,提出了一種相關(guān)性子空間人臉識(shí)別方法,通過相關(guān)性度量多維尺度分析(Correlation MDS,CMDS)方法尋找到一個(gè)相關(guān)性保持的子空間,將高維人臉數(shù)據(jù)投影到此子空間中,使得人臉圖像間的相似性能夠得到保持。既然高維數(shù)據(jù)中的非線性幾何結(jié)構(gòu)常常是嵌在數(shù)據(jù)間的相似性

4、,因此相關(guān)性子空間人臉識(shí)別方法能夠有效地獲取高維人臉數(shù)據(jù)中的非線性流形結(jié)構(gòu)。在多個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:該方法可有效地提取高維數(shù)據(jù)的內(nèi)在結(jié)構(gòu)。
　　 3、從人類認(rèn)知方式出發(fā),提出了一種基于統(tǒng)計(jì)學(xué)習(xí)的局部匹配人臉識(shí)別方法,該方法首先將人臉圖像劃分成若干小塊,將每個(gè)子塊看成一弱分類器,接著利用Adaboost學(xué)習(xí)算法將這些弱分類器組成一個(gè)強(qiáng)分類器,將各個(gè)子塊(特征)有效地組合起來,發(fā)揮他們的最佳判別能力,提高最終的分類效果。與整體

5、匹配方法相比,局部匹配的人臉識(shí)別對(duì)人臉局部變化(光照、表情、姿態(tài)等)更具有健壯性,實(shí)驗(yàn)結(jié)果表明該方法可有效地提高人臉的識(shí)別準(zhǔn)確率并對(duì)人臉的表情和光照具有較好的魯棒性。
　　 4、針對(duì)稀疏表示方法存在對(duì)負(fù)系數(shù)缺乏必要的物理意義解釋且不能通過常用的梯度下降法來求解的問題,提出了一種非負(fù)稀疏表示的人臉識(shí)別方法,其理論基礎(chǔ)是將測(cè)試圖像表示成訓(xùn)練圖像的非負(fù)稀疏線性組合,這樣更符合人類的認(rèn)知且更具有實(shí)際的物理意義,還可將稀疏表示中L1范數(shù)最