抗局部圖像污染的人臉識別方法研究與實現(xiàn).pdf

1、在許多人臉識別算法、信息安全和多媒體信息恢復中,要求人臉識別系統(tǒng)在局部污染情況(如未知、部分扭曲/閉塞、旋轉角度或者缺乏光照條件)下具有魯棒性。但是,目前許多人臉識別系統(tǒng)在上述條件下識別率會大幅下降甚至無法識別。其主要原因是在實際應用中,光照條件、人臉旋轉角度、表情、發(fā)型和背景等因素的變化造成了訓練和識別數(shù)據(jù)間的失配,從而極大程度地影響了識別算法的性能。本論文致力于上述問題的研究和介紹新的適應未知,部分扭曲,閉塞,人臉旋轉等條件下的人臉

2、識別方法。
　　 本論文的研究是基于863項目工作的延伸,也就是后驗聯(lián)合概率決策神經(jīng)網(wǎng)絡(PUDBNN)模型。該模型是能在對環(huán)境先驗知識未知情況下,對含噪聲特征進行自適應的抑制,確保認證結果主要是由干凈特征所決定。這樣該模型有效的提高了部分特征在被噪聲污染情況下的認證精確度。該模型是由后驗概率模型(PUM)與高斯混合模型(GMM)相融合形成的。因此,PUDBNN有兩個明顯的缺點--需要大量訓練樣本和不能處理高維人臉特征。本論文針

3、對上述兩個問題進行了深入研究。本論文的主要工作如下:
　　 (1)本論文對經(jīng)典的特征提取算法進行了分析和研究,結合分塊Gabor特征提取算法和完備鑒別保局投影算法(CDLPP)的優(yōu)點,提出了分塊Gabor+CDLPP特征提取方法對高維特征降維和去除冗余信息。并使用典型相關分析特征融合對CDLIPP算法做了改進。為后面的人臉識別算法提供更加易于分類的人臉特征。
　　 (2)本論文提出了一種新人臉識別模型。該模型是利用核函數(shù)

4、的相關性,用核相關函數(shù)代替高斯混合模型(GMM),將PUM模型與核相關函數(shù)相聯(lián)合,讓核相關函數(shù)作為決策函數(shù),提出一個新型的魯棒性人臉識別認證模型。從而解決小訓練樣本和高維特征情況下人臉圖像局部污染和人臉有旋轉角度情況下的人臉識別問題。
　　 (3)將新模型在XM2VTS和MIT-CBCL人臉數(shù)據(jù)庫上進行測試,即使用測試圖像遇到各種模擬以及現(xiàn)實的部分扭曲,閉塞和人臉旋轉的情況。本論文比較了不同的人臉特征:分塊小波特征、分塊Gabo