论文部分内容阅读
近年来，人脸识别问题成为计算机视觉及模式识别领域一大研究热点。人脸识别是众多身份验证方法中最方便、最直观、最容易接受的方法。因此，人脸识别技术具有很高的研究价值。目前，关于人脸识别的问题，已经研究出很多算法，并获取了比较好的识别效果。由于人脸特征在不同光照、不同时期、不同姿势、不同表情下变化幅度比较大，并且会受复杂的背景、眼镜、胡须等因素严重干扰，这些问题给人脸识别造成的困难对于研究者来说是一个巨大的挑战。现在的人脸识别系统还不能够应用于任何自然条件及任何姿态下的人脸识别及身份验证。因此使人脸识别算法具有更高的识别率，更快的识别速度以及更好的鲁棒性是我们所追求的目标。人脸检测是一个人脸识别系统必不可少的首要环节，并且对后续的人脸识别有决定性的影响。肤色和头发是人本身具有的非常重要的特征，它们不受人脸表情和姿态的影响，并且不同种族的人其肤色和头发在色度信息上具有聚类性，所以肤色和头发很适合用来检测人脸。本文提出了一种使用HSB色彩空间基于肤色与头发的人脸检测方法SCHFD。大量的人脸检测实验表明SCHFD方法不仅保持了基于单一肤色人脸检测算法的识别正确率，而且在复杂背景环境下排除掉了更多的非人脸区域，降低了人脸检测的误检率。本文研究现有的人脸识别算法，提出了一种新的两步骤稀疏样本表示方法TSSR。TSSR方法的第一步做大致的分类，第二步完成最后的分类。第一步把测试样本表示为所有训练样本的线性组合，然后选出与测试样本最相似的c1个类。我们假设这个测试样本来自于这c1个类。第二步把测试样本表示为由第一步选出的c1个类的训练样本的线性组合，并利用代表结果完成分类。因为TSSR方法使用与测试样本最相近的训练样本来表示测试样本，这样可以消除由与测试样本相距较远的训练样本所产生的影响。排除了由远离测试样本的训练样本所产生的贡献，我们可以获得更高的识别率。大量的人脸识别实验表示TSSR方法效果很好。