自動(dòng)人臉識別技術(shù)的研究與系統(tǒng)實(shí)現(xiàn).pdf

1、隨著圖像采集技術(shù)及計(jì)算機(jī)技術(shù)的飛速發(fā)展,自動(dòng)人臉識別技術(shù)在身份鑒別、人機(jī)交互、圖像檢索和視覺監(jiān)控等眾多領(lǐng)域有著重要應(yīng)用。而目前對計(jì)算機(jī)人臉識別技術(shù)的研究仍不成熟,尤其在復(fù)雜背景下如何快速有效地檢測、識別出人臉。有效提取特征和準(zhǔn)確分類是一個(gè)難度極大的課題。本文圍繞著自動(dòng)人臉識別系統(tǒng)的實(shí)現(xiàn)開展了較深入研究,取得以下幾個(gè)方面研究成果:
　　首先,深入研究了基于AdaBoost算法的人臉檢測方法,并且引入OpenCV開源庫,詳細(xì)介紹了該方

2、法的實(shí)現(xiàn)過程,實(shí)驗(yàn)驗(yàn)證了該方法是有效的,不僅檢測率高、誤判率低,而且魯棒性強(qiáng)、檢測速度快,為自動(dòng)人臉識別系統(tǒng)的實(shí)現(xiàn),奠定了堅(jiān)實(shí)的基礎(chǔ)。
　　其次,深入研究了基于主動(dòng)形狀模型(ASM)的面部特征點(diǎn)定位方法,并且針對它存在的不足,引入二維Gabor小波,充分利用Gabor小波優(yōu)勢,提出了二維Gabor局部紋理模型代替?zhèn)鹘y(tǒng)的局部紋理模型,以提高定位精度;同時(shí)采用稀疏化局部協(xié)方差矩陣,以提高算法速度。實(shí)驗(yàn)證明:改進(jìn)方法是行之有效的,不僅明

3、顯提高了定位精度,而且滿足實(shí)時(shí)處理的要求。
　　再次,深入研究了特征臉方法、Fisher臉方法以及核直接判別分析方法(KDDA)的基本原理、實(shí)現(xiàn)過程以及優(yōu)缺點(diǎn);在此基礎(chǔ)上,充分利用Gabor小波優(yōu)勢,提出了一種基于Gabor小波特征和核直接判別分析的人臉識別方法(GKDDA);實(shí)驗(yàn)驗(yàn)證了新方法是有效的,與特征臉、Fisher臉以及核直接判別分析方法相比,具有更高的識別率,更強(qiáng)的魯棒性。
　　最后,在上述工作的基礎(chǔ)上,實(shí)現(xiàn)了一