基于多相機(jī)陣列的多姿態(tài)人臉識別.pdf

1、人臉姿態(tài)與光照因素是影響人臉識別性能的兩個主要原因，本文提出一種二維人臉識別與三維人臉識別相融合的方法來解決這兩個問題。二維人臉識別中先對人臉區(qū)域圖像進(jìn)行預(yù)處理，減少光照等因素的影響，然后提取人臉Gabor特征，再利用Fisher線性判別(FLD)進(jìn)行子空間降維，設(shè)計分類器得到二維人臉識別的結(jié)果。三維人臉信息的獲取是三維人臉識別的基礎(chǔ)，我們通過多相機(jī)陣列，利用立體視覺的技術(shù)來得到人臉三維幾何特征信息，設(shè)計加權(quán)最小距離分類器進(jìn)行三維人臉識

2、別。最后把二維人臉識別與三維人臉識別的結(jié)果進(jìn)行決策融合。
　　 在二維人臉識別的研究中，我們利用Gabor特征以及Fisher線性判決(FLD)的方法。我們對Gabor特征的提取進(jìn)行了深入的研究，Gabor特征不僅能夠表征人臉的尺度特征以及方向特征，還能通過減少圖像的直流成分來減少灰度的影響。由于對圖像提取多尺度多方向的Gabor特征，數(shù)據(jù)量會有很大的增加，我們利用Fisher線性判別分析來進(jìn)行子空間降維處理。
　　 三

3、維人臉識別首先需要獲取人臉的三維特征信息，我們通過多相機(jī)陣列獲取人臉同一姿態(tài)的多張照片，然后利用立體視覺的技術(shù)獲取人臉的特征點的三維空間位置，然后確定了人臉的三維幾何特征，采用三維幾何信息即包括關(guān)鍵特征的分布特點（眼睛中心的距離、眼睛中心與鼻尖的距離等），又包括了關(guān)鍵特征的形狀大小特征（眼睛大小、嘴巴的大小等），最后利用加權(quán)最小距離法進(jìn)行分類識別。
　　 人臉識別的研究內(nèi)容主要有人臉檢測、特征點定位、特征提取、人臉識別等，我們利

4、用立體視覺獲取三維人臉信息，立體視覺的主要研究內(nèi)容有相機(jī)標(biāo)定、立體匹配、目標(biāo)點空間定位等。本文的研究重點是快速多相機(jī)人臉檢測、特征點精確定位、Gabor特征提取以及子空間降維、基于垂足法的空間點定位以及基于三維幾何特征的三維人臉識別。
　　 1)人臉檢測是人臉識別的第一步。我們的研究是基于多相機(jī)陣列的，這要求自動人臉檢測的快速性?？紤]到相機(jī)采集到的圖像是彩色圖像，利用人臉膚色的不變特征進(jìn)行人臉可疑區(qū)域的篩選，然后利用Adaboo

5、st算法在篩選出來的可疑人臉區(qū)域上進(jìn)行人臉確認(rèn)，大大減少了Adaboost算法的搜索區(qū)域，從而提高了檢測速度。
　　 2)人臉檢測獲取人臉區(qū)域后就需要進(jìn)行特征點定位，特征點定位的是準(zhǔn)確性決定了提取的人臉特征是否準(zhǔn)確有效。本文利用主動形狀模型(ASM)進(jìn)行多特征點的定位，我們對ASM算法進(jìn)行改進(jìn)，把原算法一維方向的特征搜索改進(jìn)為二維方向的特征搜索，雖然計算量稍有增加，但是收斂變快使得算法的循環(huán)次數(shù)減少，總體速度得到了一定的改善。A

6、SM算法能同時定位多個特征點且定位速度較快，但是定位精度并不是很高，特別是在人臉姿態(tài)發(fā)生較大改變的情況下，我們利用角點檢測的方法對特征點的位置進(jìn)行修正。
　　 3)最后我們進(jìn)行了人臉識別系統(tǒng)的設(shè)計。光照是影響特征提取的主要因素，我們在系統(tǒng)設(shè)計中非常重視圖像的預(yù)處理，通過對圖像進(jìn)行同態(tài)濾波，實現(xiàn)減少低頻分量增加高頻分量的目的，采用直方圖匹配的方法可以最大可能的保證所有圖像光照的一致性。然后對基于二維特征與三維特征人臉識別算法的融合