人脸检测和识别技术的研究

人脸检测和识别技术的研究

ID:31978782

大小:5.05 MB

页数:180页

时间:2019-01-30

人脸检测和识别技术的研究_第1页
人脸检测和识别技术的研究_第2页
人脸检测和识别技术的研究_第3页
人脸检测和识别技术的研究_第4页
人脸检测和识别技术的研究_第5页
资源描述:

《人脸检测和识别技术的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘罄人脸检测和识别技术的研究专业:计算机应用技术研究生:赵明华指导教师:游志胜教授摘要:随着社会的发展,信息化程度的不断提高,人们对身份鉴别的准确性、安全性和实用性提出了更高的要求,传统的身份识别方式已经不能满足这种要求。生物特征识别作为一项利用人类特有的生理特征(如指纹、人脸、虹膜、视网膜等)或行为特征(如签名、声音、步态等)进行身份识别的技术,由于它提供了一种高可靠性、高稳定性的身份鉴别途径,引起了国际学术界和企业界的广泛关注。人脸是人类识别不同人的最主要的人体生物特征,与其他人体生物特征(指纹、掌纹、虹膜、声音、笔迹)相比,它不仅具有很强的

2、自身稳定性和个体差异性,而且直接、友好,更符合人类的视觉习惯。这些优点使得人脸识别技术在身份识别、自动监控、人机交互等众多领域有着很大的发展潜力。目前,人脸识别是生物特征识别中倍受人们关注的一个分支,已成为计算机视觉与模式识别领域中非常活跃的一个研究领域。人脸识别是对于输入的人脸图像或视频,首先判断其中是否存在人脸,如果存在人脸,则迸一步给出每个人脸的位置、大小以及各个主要面部器官的位置信息,并依据这些信息,进一步提取每个人脸中所蕴含的特征,并将其与已知人脸库中的人脸图像进行对比,从而得到识别结果。由此可见,一个完整的人脸识别过程应包括人脸检测与

3、人脸识别两大部分。人脸检测作为人脸信息处理中的一项关键技术,近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题,已经广泛应用于各种不同领域中.人脸检测技术的研究,由于受到背景、姿态、尺寸、光照以及检测时间等的影响,大部分算法都是在一定的约束条件下提出的。因此,研究鲁棒性较高的人脸检测问题是十分有必要的。摘要人脸识别技术经过约四十年的研究,在环境可控的条件下已达到实用程度,但是在考虑光照、姿态、表情、遮挡等变化的影响时,很多人脸识别算法性能大大下降,其应用范围也受到了较大的限制。因此,研究对各种变化鲁棒的人脸识别技术是当前的研

4、究热点。一个较理想的人脸识别算法应该对光照变化和姿势变化具有较强的适应性。本论文在分析总结国内外近年来人脸检测和人脸识别的相关研究成果和最新研究进展的基础上,针对目前急需改进和提高的人脸检测和人脸识别中的几个关键问题进行了系统的实验和理论研究;提出并实现了几种有实际应用价值的人脸检测和人脸识别算法。论文的研究内容主要包括:彩色图像中的人脸检测、小样本人脸识别、光照变化下的人脸识别和三维人脸识别。在论文的具体研究过程中,力图将统计学习理论、随机方法与模式识别理论和应用紧密结合起来。本论文所做的主要工作和创新点包括以下四个方面:(1)提出了~种基于Y

5、CgCr色彩空间的自适应阈值选取的肤色分割方法。该方法改进了二维Otsu阈值分割方法,在对图像像素进行初始分割后,根据松弛迭代的区域增长算法判定待定像素的归属。在此肤色分割方法的基础上,实现了基于肤色信息的人脸检测。首先在YCgCr色彩空间中通过离线训练建立肤色模型;然后利用该肤色模型对待检测图像进行肤色相似度计算,得到肤色相似度图像:进而结合像素的空间邻域信息,使用自适应阈值选取的肤色分割新方法对肤色相似度图像进行二值化处理。大量的实验结果表明,该肤色分割方法有效的克服了使用固定阈值进行图像分割的缺陷。对于二值化结果图像,对其进行了基于数学形态

6、学的滤波处理,进而利用区域的面积和高宽比等信息对其进行粗筛选,将此筛选结果作为候选人脸区域输出。进而使用了欧拉数与眼睛定位相结合的方法,对粗筛选后的候选区域进行了再次筛选与验证,得出了最后结果。文中使用结合亮度信息和PCA边缘方向的算法来定位候选人脸区域中的眼睛。实验证明了该人脸检测和眼睛定位方法具有很好的稳健性和有效性。(2)对线性鉴别分析及其应用于小样本情况下的几种改进方法进行详细分析,指出了这些方法在提取鉴别特征时存在的不足,在此基础上提出一种新的摘要基于两空间的线性鉴别分析方法,进而将该方法拓展到非线性领域,并通过实验分析进行验证。人脸识

7、别是一个典型的小样本问题,实际情况下不可能有足够的样本使得类内散布矩阵可逆,因此无法直接采用经典的线性鉴别分析方法进行特征提取。本文对fisherfaces,EFM、DLDA以及NLDA四种以解决小样本问题为目的的线性鉴别方法进行了深入的理论分析,证明了采用这四种方法所提取的特征的不完整性。在此基础上提出了一种基于两空间线性鉴别分析的人脸识别方法(TLDA)。为了提高计算效率,首先将样本投影到总体散布矩阵的非零空间中进行分析;进而将类内散布矩阵分成零空间和非零空间进行鉴别向量的确定和鉴别特征的提取,最后将得到的两种鉴别特征进行融合,从而使用最近邻

8、法进行分类。在ORL人脸库和UMIST人脸库的子库上的实验结果验证了所提出的方法的有效性和优越性。对核方法的基本理论构架进行了较为深入的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。