基于魯棒特征的人臉識別與特征保護算法研究.pdf

1、中山大學博士學位論文基于魯棒特征的人臉識別與特征保護算法研究姓名：周玲麗申請學位級別：博士專業(yè)：應用數(shù)學指導教師：賴劍煌20100603摘要安全保護技術的研究、發(fā)展及應用情況，最后討論了理論和應用進一步發(fā)展的方向和趨勢。2、提出一種基于局部二值模式和隨機投影的人臉識別安全算法。針對生物特征具有唯一性，一旦丟失、竊取或篡改，則無法重新進行設置或修改的問題。本文利用隨機投影，生成具有可重建性的人臉特征模板數(shù)據(jù)，對人臉特征模板數(shù)據(jù)庫中的人臉特

2、征數(shù)據(jù)進行保護。一旦人臉特征模板數(shù)據(jù)丟失，則可以修改相關參數(shù)生成新的人臉特征模板數(shù)據(jù)。人臉特征模板數(shù)據(jù)的生成是不可逆的，即使人臉特征模板數(shù)據(jù)庫中的模板特征數(shù)據(jù)丟失了，也無法還原出原始的人臉特征。利用局部二值模式提取人臉特征，具有較好的旋轉(zhuǎn)不變性和灰度不變性，對視角的微小變化、光照和表情等的變化也具有較高的魯棒性。3、提出一種運用模糊邏輯對類內(nèi)差異進行建模的新方法。通常生物特征保護算法需要將實值的生物特征數(shù)據(jù)轉(zhuǎn)化為二值的串，然后再利用加密

3、技術或其他安全算法對二值的特征串進行保護，并運用糾錯碼處理類內(nèi)差異問題。但是，將實值的特征數(shù)據(jù)轉(zhuǎn)化為二值的串，必然會導致特征信息的丟失，從而影響到安全算法的最終性能。本文分析二值串的每一bit位的可靠性，應用模糊邏輯對類內(nèi)差異進行建模，最大限度的降低類內(nèi)差異，從而提高安全保護算法的識別能力。4、提出一種基于SIFT特征的人臉特征保護算法。人臉識別中，由于圖像采集受到光照、視覺、攝像設備的變化、人臉表情、年齡變化等影響，都可能使得同一個人

4、的人臉圖像表觀差別很大，造成識別的困難，因此提高人臉識別系統(tǒng)對這些變化的魯棒性是人臉識別研究的重要目標之一，基于局部特征的算法可以很好的解決這些問題，其中SIFT特征是一種對尺度空間、圖像縮放、旋轉(zhuǎn)甚至仿射不變的圖像局部特征。本文將人臉的SIFT特征應用于對人臉特征的保護算法中，對SIFT特征進行不可逆變換，生成可重建的SIFT特征數(shù)據(jù)，存儲在特征模板數(shù)據(jù)庫中。SIFT特征不僅對旋轉(zhuǎn)、尺度縮放和亮度變化等保持不變性，而且對噪聲也保持一定