融合整體與局部特征的人臉識別方法研究.pdf

1、人臉識別技術(shù)盡管取得了較好的發(fā)展，并在安全訪問控制、基于內(nèi)容的檢索和新一代人機(jī)界面等領(lǐng)域中有了初步應(yīng)用。但現(xiàn)階段算法在速度，準(zhǔn)確性，魯棒性等方面尚不能滿足實際需求。近年來，在基于局部建模的方法取得了較大的成功的同時，基于全局建模的方法也迅速發(fā)展，然而這兩類方法在速度、準(zhǔn)確性、魯棒性方面各有優(yōu)缺點。為更有效的利用這兩種方法的優(yōu)點，在人臉識別中引入融合整體與局部特征的人臉識別方法。該方法作為一種新的人臉識別方法引起了學(xué)術(shù)界和人臉識別應(yīng)用開發(fā)

2、領(lǐng)域的極大興趣，成為新的研究熱點。 本文主要圍繞整體與局部特征的提取以及整體與局部特征的融合等關(guān)鍵技術(shù)展開討論，主要工作包括以下幾方面內(nèi)容： (1)在人臉檢測方面，本文提出了一種結(jié)合SVM和AdaBoost的人臉檢測算法。并基于該算法檢測并分割出人臉樣本中的人臉區(qū)域，為人臉識別中的特征提取做好充分準(zhǔn)備。 (2)在人臉整體特征提取方面，運用核主成分分析的方法提取出人臉區(qū)域的整體識別特征。在分割出的人臉區(qū)域的基礎(chǔ)上，

3、運用核主成分分析的方法提取出人臉區(qū)域的整體識別特征。該方法不僅避免了在高維特征空間HF中計算內(nèi)積的不便，并且與其他非線性特征抽取方法相比，由于KPCA方法不需要解決非線性優(yōu)化問題，只涉及到矩陣的特征值分解計算，因而可以有效提高特征抽取的效率與速度。 (3)在人臉局部特征提取方面，采用了核獨立主成分分析的方法提取局部特征，該方法首先將人臉劃分成均勻小塊作為局部區(qū)域，并分別提取這些局部區(qū)域的識別特征；然后提出了一種根據(jù)局部特征個性化

4、程度的自適應(yīng)加權(quán)策略來融合各局部特征。該方法有效地減輕少樣本問題的不利影響，同時也降低了樣本空間的維數(shù)及白化過程的復(fù)雜度程度。 (4)在人臉整體與局部特征的融合方面，提出了一種基于改進(jìn)后的D-S證據(jù)理論的融合整體與局部特征的人臉識別方法。該方法主要是針對光照、表情、遮擋物(眼睛、圍巾)等因素的影響，而提出的一種融合整體與局部特征的人臉識別方法。即在對整個人臉圖像進(jìn)行整體識別特征提取的同時，提取局部區(qū)域的識別特征，然后基于改進(jìn)后的