復(fù)雜背景下多人臉的檢測(cè)與識(shí)別算法.pdf

1、人臉識(shí)別技術(shù)因其具有非接觸性和隱蔽性成為最容易被接受的生物認(rèn)證技術(shù)，并且得到了廣泛的關(guān)注和研究。但是檢測(cè)和識(shí)別結(jié)果往往受到光照、表情、遮擋等因素的影響，所以仍有很多技術(shù)問題亟待解決。
　　本文圍繞復(fù)雜背景下的靜態(tài)人臉檢測(cè)和識(shí)別算法進(jìn)行研究，針對(duì) Adaboost人臉檢測(cè)算法和局部二值模式人臉識(shí)別算法存在的局限性，以及 Gabor特征維數(shù)過高且對(duì)表情等因素不夠魯棒的問題展開了研究。具體工作如下：
　　(1)在傳統(tǒng)Adaboos

2、t人臉檢測(cè)算法基礎(chǔ)上，融合膚色特征和灰度特征，通過膚色模型和灰度投影算法實(shí)現(xiàn)人臉的二次檢測(cè)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的Adaboost算法提高了人臉檢測(cè)的準(zhǔn)確率。
　　(2)針對(duì)LBP算子提取人臉特征時(shí)維數(shù)過高的問題，利用主成分方法進(jìn)行了降維。實(shí)驗(yàn)結(jié)果表明，新的LBP算子不僅降低了維數(shù)而且特征更加有效。
　　(3)多尺度、多方向的Gabor特征雖然可以有效地表征人臉特性，但是由于特征的維數(shù)過高，導(dǎo)致識(shí)別耗時(shí)。本文將每個(gè)尺度的8個(gè)方