基于圖論的視頻圖像人臉識(shí)別.pdf

1、由視頻圖像對(duì)人臉進(jìn)行提取并識(shí)別的技術(shù)現(xiàn)今發(fā)展很快，尤其當(dāng)對(duì)安全性需求很大時(shí)，如視頻監(jiān)控、身份鑒定等，更是有著大規(guī)模的應(yīng)用。不易察覺性、快速性、非直接觸摸性等等，這些均為人臉識(shí)別的特點(diǎn)，正是由于這些特點(diǎn)，近年來它成為人們的焦點(diǎn)之一。
　　本文主要研究并分析了從視頻圖像中提取人臉并進(jìn)行識(shí)別所涉及的圖像預(yù)處理、人臉檢測(cè)、特征提取和識(shí)別的相關(guān)內(nèi)容。人臉檢測(cè)是人臉識(shí)別的前提，只有于背景中將人臉定位并提取出來才能有利于識(shí)別的進(jìn)行。在人臉檢測(cè)部

2、分，主要工作是著重分析并研究了Adaboost檢測(cè)算法與基于膚色的檢測(cè)算法?；贏daboost的人臉檢測(cè)算法僅需數(shù)量較小的分類器即可得到好的分類效果，檢測(cè)速度較高，但這種方法較為耗時(shí)，對(duì)于正面人臉與背景較為簡(jiǎn)單的圖像檢測(cè)率高而誤檢率低?；谀w色的人臉檢測(cè)算法的適應(yīng)性較強(qiáng)，檢測(cè)復(fù)雜度低，檢測(cè)速度快，檢測(cè)率高，但是誤檢率也較高。針對(duì)這兩種方法的優(yōu)缺點(diǎn)，本文經(jīng)過最小割處理，將這兩種方法相結(jié)合，在復(fù)雜背景中通過膚色分割將膚色區(qū)域先提取出來，之

3、后通過人臉模型比例范圍去除一些非人臉區(qū)域，最終通過Adaboost分類器將人臉檢測(cè)出來。通過實(shí)驗(yàn)分析，本文算法檢測(cè)精度較高，檢測(cè)速率較快。
　　特征提取是整個(gè)視頻圖像人臉識(shí)別過程的一個(gè)核心問題，在各種特征提取方法當(dāng)中，以子空間方法為出發(fā)點(diǎn)的提取方法則是現(xiàn)在重點(diǎn)探索的一個(gè)方向。本文的出發(fā)點(diǎn)是子空間中的流形學(xué)習(xí)算法，著重探索的是以圖論為基礎(chǔ)的圖像空間幾何結(jié)構(gòu)。文章首先分析了主分量分析(PCA)、局部線性嵌入(ICA)以及鄰域保持嵌入(

4、NPE)算法，通過對(duì)比三種算法各自的優(yōu)缺點(diǎn)，針對(duì) NPE算法無法很好地保持模式間的差異信息，特別是非線性數(shù)據(jù)間的差異信息，將鄰域保持嵌入算法進(jìn)行了改進(jìn)，提出了鄰域結(jié)構(gòu)保持嵌入(Neighborhood Structure Preserving Embedding,NSPE)算法。該算法的思想是，構(gòu)建差異鄰接圖對(duì)差異幾何關(guān)系進(jìn)行描述，構(gòu)建相似鄰接圖對(duì)相似幾何關(guān)系進(jìn)行描述，這樣就能從兩方面對(duì)數(shù)據(jù)空間作出充分表述。此外，本文定義了一個(gè)差異離散