非線性流形上多姿態(tài)人臉檢測與識別.pdf

1、人臉檢測與識別主要是研究在圖像或視頻中自動地查找定位人臉或面部特征以及識別身份、表情與姿態(tài)等的理論。人臉檢測與識別是一個很復(fù)雜的問題，其本質(zhì)的困難在于姿態(tài)、光照、表情等變化因素造成的人臉模式的可變性?，F(xiàn)有的算法在可控環(huán)境下取得了較為理想的性能指標，但總體上還缺乏對上述變化因素的適應(yīng)能力。 在上述的多種變化因素中，姿態(tài)變化是最難以處理的，且對檢測與識別算法的性能也影響最大。有鑒于此，本文展開了多姿態(tài)人臉檢測與識別的研究。給出了組成

2、一個相對完整的人臉檢測與識別系統(tǒng)的幾個核心的處理步驟，其中包括：多姿態(tài)人臉檢測、姿態(tài)估計、特征定位以及多姿態(tài)人臉識別算法。在這個過程中，也采用了非線性流形學(xué)習(xí)的算法或借鑒其基本思想提出自己的算法，來解決姿態(tài)估計、人臉識別等問題。論文的主要研究工作與成果包括了以下幾個主要方面的內(nèi)容： (1)提出了一種基于Real AdaBoost算法的區(qū)域邊緣方位場匹配的正面人臉檢測方法。提取人臉圖像的邊緣方位場特征，采用：Real AdaBoo

3、st算法通過迭代學(xué)習(xí)獲取人臉特征模式。為保證檢測的實時性，采用了級聯(lián)式的分類器結(jié)構(gòu)以及多分辨率圖像搜索策略。 (2)提出了一種協(xié)作AdaBoost的多特征多姿態(tài)人臉檢測算法。采用邊緣方位場特征與Harr小波特征；提出了協(xié)作Adaboost算法實現(xiàn)多特征的融合；將大姿態(tài)角范圍的人臉檢測問題，分解為若干個小范圍內(nèi)的人臉檢測問題，并采用金字塔型的分類器系統(tǒng)結(jié)構(gòu)提高檢測效率。 (3)針對大范圍姿態(tài)角度下的人臉特征定位問題，提出了

4、一種基于分級邊緣方位場匹配的算法。提出了結(jié)構(gòu)Hausdoff距離作為邊緣方位場匹配的測度；采用整體邊緣方位場進行姿態(tài)預(yù)估，粗步定位特征；然后采用單特征邊緣方位場在局部區(qū)域搜索得到精確的特征定位信息。 (4)根據(jù)特征定位給出的特征區(qū)域的位置信息，提出了一種基于非線性流形學(xué)習(xí)的人臉姿態(tài)估計算法。采用結(jié)構(gòu)Hausdoff距離進行邊緣方位場的匹配；在特征定位的基礎(chǔ)上進行特征的校正；采用Isomap算法，實現(xiàn)非線性數(shù)據(jù)降維；最后，建立低維

5、特征映射數(shù)值與對應(yīng)的姿態(tài)角之間的關(guān)系，并由此估計新圖像數(shù)據(jù)的姿態(tài)角度。 非線性流形上多姿態(tài)人臉檢測與識別 (5)在人臉檢測、特征定位以及姿態(tài)估計的基礎(chǔ)上，提出了關(guān)聯(lián)子區(qū)域映射的多姿態(tài)人臉識別方法。將人臉圖像分割為若干子區(qū)域，姿態(tài)變化對圖像的影響被分解為關(guān)聯(lián)子區(qū)域的形狀映射與紋理映射。提出了二維耦合成分分析的方法構(gòu)造關(guān)聯(lián)子區(qū)域的映射關(guān)系。在應(yīng)用貝葉斯框架評估子區(qū)域的可分性的基礎(chǔ)上，綜合全體子區(qū)域的信息給出最終的判別結(jié)果。