基于局部視覺模型的人臉識(shí)別研究.pdf

1、人臉識(shí)別技術(shù)方興未艾,是模式識(shí)別和機(jī)器視覺領(lǐng)域的研究熱點(diǎn),研究內(nèi)容包括人臉檢測和識(shí)別、表情識(shí)別等。由于人臉識(shí)別技術(shù)在司法、安全、軍事等領(lǐng)域有著廣泛的應(yīng)用前景,受到了研究人員的普遍關(guān)注,在近年來更是獲得了較大的發(fā)展,一系列創(chuàng)新算法不斷涌現(xiàn),也出現(xiàn)了部分接近實(shí)用并初步商用化的原型系統(tǒng)。其中,基于局部視覺特征模型的人臉識(shí)別方法由于對(duì)光照變化等不利因素更為魯棒的優(yōu)點(diǎn)逐漸成為主流方法之一。本文在前人的研究基礎(chǔ)上,針對(duì)人臉識(shí)別對(duì)光照等干擾因素敏感的

2、問題,從局部特征入手,在圖像預(yù)處理、特征提取和多特征融合識(shí)別三個(gè)方面分別進(jìn)行了探討,并完成了以下主要工作:
　　 (1)圖像預(yù)處理是人臉識(shí)別的重要前期工作,能夠有效減少各種干擾因素,對(duì)后期圖像識(shí)別效果的優(yōu)劣影響很大。本文對(duì)人臉圖像的預(yù)處理算法中,除了方向、大小等歸一化步驟外,重點(diǎn)提出一種針對(duì)光照不均圖像的預(yù)處理方法,即結(jié)合Gamma校正、高斯差分(DoG)以及對(duì)比度均衡處理為一體。該方法有效降低了光照對(duì)人臉的影響,提高了對(duì)比度,

3、強(qiáng)化了人臉特征區(qū)域,有利于后續(xù)的特征提取和識(shí)別。
　　 (2)特征提取是人臉識(shí)別的核心步驟,本文采用了多種人臉局部視覺特征的提取方法。通過分析傳統(tǒng)算法的優(yōu)缺點(diǎn)之后,本文在傳統(tǒng)經(jīng)典算法基礎(chǔ)上,一方面,對(duì)LBP紋理特征進(jìn)行改進(jìn),在LBP的差值計(jì)算步驟引入Dipole雙極比較算子,由此提取不同距離和尺度的更大范圍的局部特征,記為ILBP,即改進(jìn)的LBP算法;之后,再結(jié)合Gabor特征的多方向、多尺度等優(yōu)點(diǎn),對(duì)人臉的Gabor特征圖譜提

4、取ILBP特征,并記為ILGBP特征。另一方面,由于實(shí)際應(yīng)用中采集的人臉圖像往往受光照變化、角度等因素干擾,而SIFT算法具有平移不變性、旋轉(zhuǎn)不變性、尺度變化不變性等優(yōu)點(diǎn),本文又將SIFT特征引入人臉識(shí)別當(dāng)中,用ILGBP特征和SIFT特征共同描述人臉。
　　 (3)基于D-S證據(jù)理論和Fisherface方法進(jìn)行人臉的局部多特征融合識(shí)別。鑒于D-S證據(jù)理論是基于決策級(jí)的融合,本文提出的融合識(shí)別算法是在識(shí)別過程中,首先運(yùn)用Fis