面向手持設備的人臉識別的設計與研究.pdf

1、人臉識別是一個融合了數(shù)字圖像處理，計算機圖形學，特征提取，模式識別等多門技術的學科。由于人臉識別技術只需要用戶的少量配合，具有非接觸性的優(yōu)點，已廣泛使用在國家安全，銀行身份識別，以及各式各樣的門禁系統(tǒng)中。
　　 目前已經(jīng)產(chǎn)生了大量的人臉識別方法，這些方法的主要步驟為：1、圖像預處理，2、人臉檢測，3、人臉對齊，4、特征提取，5、特征降維，6、人臉判別。
　　 本文算法主要使用在手持設備上，需要較快的執(zhí)行速度、應對較為復雜

2、的光照條件和較大的人臉角度變化，所以針對以上的人臉識別過程，本文主要改進了人臉識別過程中的第二步和第三步。其中第二步可以加快人臉檢測速度和人臉角度檢測范圍；第三步能精確定位有較大偏轉角度人臉的人眼中心點，進而對人臉進行精確的對齊，其執(zhí)行速度也很快；同時為了克服復雜的光照條件，本文在特征提取階段將人臉圖像進行Gabor變換。
　　 在第二步，本文首先使用YCrCb顏色空間排除非膚色的區(qū)域，以加快人臉檢測的速度，然后檢測人眼區(qū)域，最

3、后根據(jù)人眼的位置獲得人臉的位置。因為人臉姿態(tài)發(fā)生變化時總有一只人眼睛的特征變化比較小，可以提高人臉的角度檢測范圍。對人眼的檢測，本文先用Adaboost算法訓練人眼分類器，然后在皮膚區(qū)域檢測人眼。從實驗結果可以看到本文算法提高了人臉的檢測速率和人臉角度的檢測范圍。
　　 在第三步，本文首先將圖像的灰度信息轉換到局部圖像矩特征，然后在局部圖像矩特征上尋找極大值，再運用一種自頂向下的聚類算法，將非極值點聚類到極值點上，最后根據(jù)人眼的

4、知識獲得人眼區(qū)域并將區(qū)域的中心作為人眼中心點。在本文第三章中可以看到局部圖像矩對人眼區(qū)域的響應值非常大，可以用來定位各種角度、各種姿勢的人眼中心點。另外本文證明了人眼中心點定位精度的重要性。
　　 本文在人臉識別的第四步對比了三種人臉特征，分別是人臉灰度圖像、人臉灰度圖像的Gabor變換、人臉灰度圖像的傅里葉變換。在第五步對比了主成分分析法和線性判別法兩種降維方法。在第六步，本系統(tǒng)只用到離散余弦相似性測度。通過實驗結果，本文算法