自動人臉檢測與識別系統(tǒng)中若干問題的研究.pdf

1、人臉檢測和人臉識別是新一代(第四代)人機交互中的關鍵技術，具有很高的學術價值和應用潛力。同時，人臉檢測和人臉識別又是一個極具挑戰(zhàn)性的課題。這些課題得到了研究者的廣泛關注和深入研究。與其他的生物特征相比，基于人臉的檢測與識別的生物鑒定技術具有無侵害性、成本低等優(yōu)點，具有廣闊的應用前景。 本文從構造一個自動化的、魯棒的、實時的、基于模塊化設計的先進人臉檢測與識別系統(tǒng)出發(fā)，對人臉識別和人臉檢測兩方面進行了深入的研究，并在文中給出了自動

2、人臉識別系統(tǒng)(AFRS)的設計框架。本文的創(chuàng)新主要表現在： 1.提出了層次式積分投影并將其應用到人臉的特征提取上，并用BLVQ算法對人臉模式建模，從而實現了基于BLVQ算法的人臉檢測算法。在本文中，我們提出首先用層次積分投影和一維小波特征進行結合以描述圖像特征，然后采用批量學習矢量量化算法(BatchLearningVectorQuantitym，BLVQ)對“人臉”和“非人臉”模式的分布進行建模從而實現人臉的檢測。這種算法對于

3、復雜背景下的人臉檢測具有較好的效果。 2.提出了二維線性判別分析(TwoDimensionalLinearDiscrimantAnalysis，2D-LDA)方法，并將其成功地應用到提取人臉特征上。針對人臉識別中的小樣本問題，本文提出了一種新的特征提取算法：二維線性判別分析(2D-LDA)。這種方法并不需要將圖像矩陣變換為矢量，而是直接在圖像矩陣上計算類內散度矩陣和類間散度矩陣，從而避免了小樣本空間問題(SmallSampleS

4、izeProblem，SSSP)。同時，由于直接采用圖像矩陣作為投影對象，2D-LDA具有很高的識別率和很低的計算量。本文通過大量的實驗數據證明了本算法的優(yōu)越性。 3.提出了一種新的人臉識別算法：二維Gabor費舍爾分類器算法(2D-GFC)。該算法采用Gabor小波對人臉圖像提取特征，并通過構造一個二維Gabor特征矩陣以用來描述人臉圖像的Gabor特征，然后得到的人臉圖像的二維Gabor特征矩陣直接作為分析和處理的對象，用2

5、D-LDA算法對其進行分析和降維，從而成功地構造了一個基于二維Gabor特征的Fisher分類器算法：2D-GFC。本文通過大量的實驗證明，2D-GFC不但有很高的識別率，而且其時間開銷最小，同時對光照、表情變換等情況非常魯棒。 4.介紹了第四代人機自然交互系統(tǒng)中人臉自動識別系統(tǒng)AFRS的設計思想和實現技術，并提出了AFRS的構造框架。AFRS系統(tǒng)真正實現了一個廉價的、自然的、友好的人機交互的接口。除了在第四代人機交互系統(tǒng)中具有