基于部分的人臉識別方法研究.pdf

1、人臉識別是近二十年來計算機視覺中的一個重要課題，學者們提出了許多種人臉識別的方法。近年來，人臉識別系統(tǒng)已經(jīng)可以較為準確的在某些限定的條件下對人臉進行識別，其應用前景越來越被看好，從而受到各方面的重視。現(xiàn)今，人臉識別在公共安全、智能監(jiān)控、數(shù)字身份認證、電子商務、多媒體和數(shù)字娛樂等領域具有巨大的應用價值。 隨著人臉識別的應用變得越來越廣泛，人們對于人臉識別實用性的要求則變的越來越嚴格。雖然現(xiàn)今的大多數(shù)人臉識別算法已經(jīng)可以在較為固定的

2、環(huán)境下對人臉進行較為正確的識別，但實際的使用中，這種固定環(huán)境的限制是較為不現(xiàn)實的。本文針對上述問題進行探究，并取得了如下的主要成果： ·本文提出了基于統(tǒng)計學習的人臉劃分方法。為了克服人臉不同情況下的形變及遮擋的影響，許多學者通過研究提出了基于部分的人臉識別方法。而這些方法在對原始的人臉圖像的劃分方法上，均以作者本人的經(jīng)驗作為指導。為了可以更加科學的對人臉圖像進行劃分，本文提出了一種基于統(tǒng)計學習的人臉劃分方法。人臉劃分方法在分類器

3、的統(tǒng)計學習過程中亦被學習出來，通過分析人臉不同部分在識別中的貢獻進行劃分，從而較為科學的對人臉圖像進行了劃分。在此基礎上，本文提出了基于部分的人臉識別方法，該方法較原始的基于整體的人臉識別方法，在相同的條件上，提升了識別性能4.53％。 ·本文提出了一種通用的生物特征圖像質量評估的方法。本文首先給出了生物特征圖像質量等的一系列定義，并通過這些定義將生物特征識別進行簡化。最后利用各種生物特征識別算法的訓練或學習過程中不可避免的過學

4、習(過擬合)現(xiàn)象，提出了一種通用的生物特征圖像質量評估方法。過學習(過擬合)現(xiàn)象造成了在測試過程中，訓練集(已知圖像)的測試結果基本要優(yōu)于未知圖像。而本著這一基本的了解，通過分析待評估圖像與訓練集的相似程度，可以對待識別圖像的質量進行評估。 ·本文利用生物特征圖像質量，實現(xiàn)了多部分融合算法的權值的動態(tài)調整。利用各部分的生物特征圖像質量對該局部的識別結果的置信度進行評估，從而根據(jù)該置信度對各部分的識別結果在最終的結論中所占的比重進