基于隱馬爾科夫模型的人臉認(rèn)證算法研究.pdf

1、身份認(rèn)證與識(shí)別是人類社會(huì)日常生活中的基本活動(dòng)之一。隨著社會(huì)的發(fā)展和要求，國(guó)家公共安全、信息安全等領(lǐng)域更需要高可靠性身份認(rèn)證技術(shù)。而基于人臉特征的認(rèn)證技術(shù)是滿足這些需求的重要途徑。 隱馬爾科夫模型（Hidden Markov Model，HMM）可以較好地表征人臉器官之間的關(guān)聯(lián)，故可以應(yīng)用于人臉的建模與認(rèn)證中。本文的貢獻(xiàn)主要有：將改進(jìn)的E-HMM應(yīng)用于人臉認(rèn)證領(lǐng)域，研究了多種觀測(cè)向量?jī)?yōu)化方法對(duì)認(rèn)證率的影響，并進(jìn)行了系統(tǒng)實(shí)現(xiàn)。具體內(nèi)

2、容如下： （1）對(duì)于人臉認(rèn)證來說，由于每個(gè)用戶的觀測(cè)向量數(shù)據(jù)量相對(duì)較少，同時(shí)并不需要過多地考慮計(jì)算時(shí)間。因此，獲得良好的HMM觀測(cè)向量對(duì)于提高人臉認(rèn)證的效果具有很高的重要性。本文采用了多種特征提取的方法來對(duì)HMM觀測(cè)向量進(jìn)行優(yōu)化。分別應(yīng)用了具有優(yōu)良的空間局部性和方向選擇性的Gabor變換、小波變換，以及具有良好的去相關(guān)特性的DCT和K-L變換對(duì)HMM的觀測(cè)向量進(jìn)行了優(yōu)化。實(shí)驗(yàn)表明，觀測(cè)向量的優(yōu)化使得認(rèn)證率有不同程度的提高。

3、 （2）采用嵌入式隱馬爾科夫模型（Embedded Hidden Markov Model， E-HMM），結(jié)合優(yōu)化的觀測(cè)向量，對(duì)二維人臉圖像進(jìn)行建模分析，對(duì)模型進(jìn)行訓(xùn)練。然后利用訓(xùn)練好的隱馬爾科夫模型完成人臉認(rèn)證。提出了在認(rèn)證中的動(dòng)態(tài)閾值的方法，增強(qiáng)了認(rèn)證模型的自適應(yīng)能力，使認(rèn)證性能有較大提高。 （3）系統(tǒng)設(shè)計(jì)在很大程度上影響著算法應(yīng)用的成敗，良好的系統(tǒng)設(shè)計(jì)可以起到事半功倍的效果，使核心算法發(fā)揮最佳的功效。本文設(shè)計(jì)并實(shí)現(xiàn)了歸