雨雪環(huán)境下視頻中人臉特征提取的研究.pdf

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

2、噪聲。根據(jù)雨雪的光學(xué)和時(shí)間性能,分別利用幀時(shí)差法和改進(jìn)幀時(shí)差法進(jìn)行雨雪去除,對(duì)仿真結(jié)果進(jìn)行分析。
　　其次,針對(duì)仿真結(jié)果存在的問(wèn)題,對(duì)視頻圖像中雨雪去除算法進(jìn)行改進(jìn)。該算法采用連續(xù)5幀的視頻圖像來(lái)處理第3幀,先計(jì)算該5幀中同一像素點(diǎn)的最大與最小灰度值,當(dāng)二者差值大于0時(shí),可檢測(cè)出該像素點(diǎn)被雨雪覆蓋;再分別計(jì)算第3幀中該像素點(diǎn)與最大、最小灰度值的距離,當(dāng)與最小灰度值的距離大于與最大灰度值的距離時(shí),用最小灰度值去取代第3幀中該點(diǎn)的灰度

3、值。
　　再次,對(duì)人臉進(jìn)行檢測(cè)定位以及對(duì)已有特征提取算法進(jìn)行性能分析。利用基于模板匹配的人臉檢測(cè)定位方法,采用邊緣加權(quán)的Hausdorff距離作為衡量匹配程度的距離,對(duì)視頻圖像中的人臉進(jìn)行檢測(cè)定位。分別利用PCA、ICA、LDA、KPCA和2DPCA人臉特征提取算法進(jìn)行人臉識(shí)別,并根據(jù)仿真結(jié)果存在的問(wèn)題,對(duì)人臉特征提取算法進(jìn)行改進(jìn)。該算法將訓(xùn)練集分別存儲(chǔ)在一個(gè)二維和一個(gè)三維矩陣中,在二維矩陣上運(yùn)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(zhuǎn)換為二維矩陣,再在該二維矩陣上運(yùn)行KPCA算法,將標(biāo)準(zhǔn)化后的測(cè)試集投影到2DPCA的特征空間,并將其重構(gòu)結(jié)果作為KPCA的測(cè)試集,改變KPCA在測(cè)試階段的核函數(shù)計(jì)算方法,再次運(yùn)行KPCA算法,并利用歐式距離和最近鄰分類(lèi)器進(jìn)行識(shí)別。
　　最后,本文將改進(jìn)雨雪去除算法和改進(jìn)人臉特征提取算法應(yīng)用到人臉庫(kù)上,并將二者的識(shí)別率分別與直接對(duì)視頻圖像中的人臉進(jìn)行識(shí)別所得到的識(shí)別率進(jìn)行比較,以證明上述兩種