人臉識(shí)別算法及光照問題研究.pdf

1、如今不論是在國(guó)內(nèi)還是國(guó)外人臉識(shí)別技術(shù)研究都是模式識(shí)別領(lǐng)域和人工智能領(lǐng)域里一項(xiàng)熱門研究，并已經(jīng)成為人類科學(xué)技術(shù)中一門充滿生機(jī)和希望的前沿學(xué)科。人臉識(shí)別是一種非接觸式的身份識(shí)別技術(shù)，它與指紋、虹膜等接觸式方法相比具有很多優(yōu)點(diǎn)。進(jìn)入九十年代后，由于應(yīng)用需求以及相關(guān)理論的突破，人臉識(shí)別技術(shù)得到了學(xué)術(shù)界的廣泛關(guān)注，成為熱點(diǎn)研究領(lǐng)域，進(jìn)入研究高峰期。
　　人臉識(shí)別系統(tǒng)雖然有誘人的應(yīng)用前景，但是在現(xiàn)實(shí)中卻還沒有開始大規(guī)模的使用。因?yàn)槿四樋梢曂庑?/p>

2、具有不確定性、人臉模式具有多樣性，用計(jì)算機(jī)自動(dòng)進(jìn)行人臉的定位和識(shí)別十分困難。圖像獲取過程也存在不確定的因素，每個(gè)像素值都依賴于環(huán)境中的各種因素，如光源、周圍物體等，所以致使人臉識(shí)別研究任務(wù)非常艱巨。如何正確高效地從人臉圖像中識(shí)別人的身份，滿足實(shí)時(shí)要求，是人臉識(shí)別技術(shù)迫切需要解決的問題。此外人臉識(shí)別的困難還在于圖像包括大量的數(shù)據(jù)，輸入的像素可能成百上千，如何提取出最有效的特征數(shù)據(jù)也是難點(diǎn)之一。
　　本文的研究?jī)?nèi)容主要是以下幾個(gè)方面，

3、由于基于SVD的人臉識(shí)別算法識(shí)別率低下，分析原因并據(jù)此提出了改進(jìn)的類估計(jì)基空間奇異值分解算法(CSVD)。在人臉識(shí)別特征提取環(huán)節(jié)，提出了CSVD算法與非負(fù)矩陣因子（NMF）算法特征數(shù)據(jù)相融合的人臉識(shí)別算法。如何解決NMF算法中W和H的隨機(jī)初始化問題，一直是研究的熱點(diǎn)和難點(diǎn)，本文提出利用SVD-Based算法初始化W和H，降低了NMF算法的迭代次數(shù)和訓(xùn)練時(shí)間。同時(shí) SVD-Based算法可以和當(dāng)前各種改進(jìn)的NMF算法良好的結(jié)合，在降低迭代

4、次數(shù)和訓(xùn)練時(shí)間的同時(shí)，提高了識(shí)別率。實(shí)驗(yàn)結(jié)果表明，這種結(jié)合方法有效的提高了識(shí)別率和訓(xùn)練速度。
　　近年來(lái)人臉識(shí)別技術(shù)得到了迅速的發(fā)展，但是光照問題一直沒能得到很好的解決，成為阻礙人臉識(shí)別技術(shù)應(yīng)用到實(shí)際中的瓶頸之一。一般的人臉檢測(cè)和識(shí)別算法是假設(shè)待處理圖像是在均勻的光照條件下獲得的，而生活中光照往往是不均勻的，光照校正問題一直是人臉檢測(cè)和識(shí)別中一個(gè)非常重要而難于解決的問題，使得人臉檢測(cè)和識(shí)別率大幅度下降。本文通過分析小波變換的特點(diǎn)，