基于圖像的人臉檢測與識別方法研究.pdf

1、人臉作為人體重要的特征之一，有著非常強的區(qū)分性、恒定性和個體差別。包含了人臉檢測、識別和追蹤等。因為人臉優(yōu)勢明確，它有不接觸、全過程簡明及距離適中等技術(shù)上明顯的優(yōu)勢，目前已經(jīng)是模式識別、計算機視覺和人工智能等領(lǐng)域的研究熱點。在國家安防、交通、社區(qū)安全、智能車等許多與我們休戚相關(guān)的領(lǐng)域有著廣闊的研究前景。
　　近年來，人臉檢測與識別的研究已經(jīng)取得了很多成績。當(dāng)前已經(jīng)有很多方法能夠快速而準(zhǔn)確的對正面人臉進行檢測。但在實際應(yīng)用中，很多情

2、況下會因為圖像采集設(shè)備位置不佳以及被檢測者有意或無意的不配合造成采集到的人臉圖像不是正面圖像。在進行人臉識別時，由于訓(xùn)練樣本有限，會出現(xiàn)準(zhǔn)確率低、運行慢及魯棒性差等缺點。因此，人臉圖像還是有很大的研究價值。
　　鑒于以上存在的一些問題，本文為了更好的提升人臉檢測率和識別率，對前人的大量算法進行了深入的研究后，提出了相應(yīng)的改進算法。本文重要的研究貢獻分以下幾點進行闡述：
　?。?）旋轉(zhuǎn)人臉圖像的檢測算法研究。本文采用了改進的尺

3、度不變特征變換(SIFT)旋轉(zhuǎn)人臉檢測算法。首先，將主成分分析(PCA)與SIFT方法結(jié)合，分別利用PCA方法的降維和SIFT算法的旋轉(zhuǎn)、平移、縮放及部分仿射不變性快速完成旋轉(zhuǎn)人臉的初檢測。接著，通過眼、嘴部定位，提升檢測準(zhǔn)確率。最后，通過改進的AdaBoost算法訓(xùn)練分類器并計算關(guān)鍵點匹配率，完成旋轉(zhuǎn)人臉的準(zhǔn)確檢測。實驗結(jié)果表明：與傳統(tǒng)及較新算法相比較，本文算法在保證了高檢測率與高效率的同時錯檢率也明顯下降。
　　（2）利用改進

4、HMM和RVM融合的方式進行人臉圖像識別。先對原始樣本進行降維及特征提取；再用HMM模型得到測試樣本匹配度，形成特征向量；最后用RVM對得到的特征向量進行分類及識別測試，輸出識別結(jié)果。在ORL人臉庫驗證算法的優(yōu)劣度，實驗顯示，本文算法的識別率相較于其他對比算法有很好的優(yōu)勢，是一個能被應(yīng)用的算法。
　?。?）將本文的人臉檢測與識別系統(tǒng)通過大量的實驗進行驗證。實驗結(jié)果表明本文系統(tǒng)對光照、復(fù)雜背景、非正面人臉、不同表情的改變等都有非常強