雨雪環(huán)境下視頻中人臉特征提取的研究.pdf

1、人臉識別是模式識別和人工智能領域的研究熱點。人臉特征提取是人臉識別的核心步驟,其特征提取的效果將直接影響到人臉識別系統的性能。室外的攝像系統極易受到雨雪天氣的影響,導致視頻圖像的質量嚴重下降,影響人臉識別的效果。因此,本文將對雨雪環(huán)境下視頻中人臉特征提取進行研究,具體過程如下:
　　首先,對圖像進行預處理以及對已有雨雪去除算法進行性能分析。對視頻圖像進行灰度化,以降低計算量,對灰度化后的圖像進行直方圖均衡和中值濾波,以減少圖像上的

2、噪聲。根據雨雪的光學和時間性能,分別利用幀時差法和改進幀時差法進行雨雪去除,對仿真結果進行分析。
　　其次,針對仿真結果存在的問題,對視頻圖像中雨雪去除算法進行改進。該算法采用連續(xù)5幀的視頻圖像來處理第3幀,先計算該5幀中同一像素點的最大與最小灰度值,當二者差值大于0時,可檢測出該像素點被雨雪覆蓋;再分別計算第3幀中該像素點與最大、最小灰度值的距離,當與最小灰度值的距離大于與最大灰度值的距離時,用最小灰度值去取代第3幀中該點的灰度

3、值。
　　再次,對人臉進行檢測定位以及對已有特征提取算法進行性能分析。利用基于模板匹配的人臉檢測定位方法,采用邊緣加權的Hausdorff距離作為衡量匹配程度的距離,對視頻圖像中的人臉進行檢測定位。分別利用PCA、ICA、LDA、KPCA和2DPCA人臉特征提取算法進行人臉識別,并根據仿真結果存在的問題,對人臉特征提取算法進行改進。該算法將訓練集分別存儲在一個二維和一個三維矩陣中,在二維矩陣上運行2DPCA算法,將三維矩陣投影到2

4、DPCA的特征空間,并將所得到的三維矩陣轉換為二維矩陣,再在該二維矩陣上運行KPCA算法,將標準化后的測試集投影到2DPCA的特征空間,并將其重構結果作為KPCA的測試集,改變KPCA在測試階段的核函數計算方法,再次運行KPCA算法,并利用歐式距離和最近鄰分類器進行識別。
　　最后,本文將改進雨雪去除算法和改進人臉特征提取算法應用到人臉庫上,并將二者的識別率分別與直接對視頻圖像中的人臉進行識別所得到的識別率進行比較,以證明上述兩種