基于隱馬爾科夫模型的人臉認證算法研究.pdf

1、身份認證與識別是人類社會日常生活中的基本活動之一。隨著社會的發(fā)展和要求，國家公共安全、信息安全等領域更需要高可靠性身份認證技術。而基于人臉特征的認證技術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聯(lián)，故可以應用于人臉的建模與認證中。本文的貢獻主要有：將改進的E-HMM應用于人臉認證領域，研究了多種觀測向量優(yōu)化方法對認證率的影響，并進行了系統(tǒng)實現(xiàn)。具體內(nèi)

2、容如下： （1）對于人臉認證來說，由于每個用戶的觀測向量數(shù)據(jù)量相對較少，同時并不需要過多地考慮計算時間。因此，獲得良好的HMM觀測向量對于提高人臉認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HMM觀測向量進行優(yōu)化。分別應用了具有優(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特性的DCT和K-L變換對HMM的觀測向量進行了優(yōu)化。實驗表明，觀測向量的優(yōu)化使得認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），結合優(yōu)化的觀測向量，對二維人臉圖像進行建模分析，對模型進行訓練。然后利用訓練好的隱馬爾科夫模型完成人臉認證。提出了在認證中的動態(tài)閾值的方法，增強了認證模型的自適應能力，使認證性能有較大提高。 （3）系統(tǒng)設計在很大程度上影響著算法應用的成敗，良好的系統(tǒng)設計可以起到事半功倍的效果，使核心算法發(fā)揮最佳的功效。本文設計并實現(xiàn)了歸