论文部分内容阅读
人脸识别是一项极具有发展潜力的生物特征识别技术,如何从人脸图像中有效地提取使之区别于其它个体的特征,是人脸识别研究的关键所在。最近几年,人脸识别技术取得了前所未有的进展,但人脸个性化特征抽取的好坏还是受姿态、表情、光照变化等因素的制约,使其在实际应用中的识别精度仍然难以满足人们的预期要求。孤立像素灰度的集合不能直接反映人脸的内蕴特征,引入适当人脸描述方法,如Gabor变换、LBP变换,将转换后的人脸特征映射到特征空间进行识别处理是行之有效的提高识别性能的途径。在Gabor变换幅值域内提取局部二值模式空间直方图序列的人脸描述方法解决了Gabor变换维数灾难的问题。Gabor变换、LBP变换、空间区域直方图的采用使得该方法对光照变化、表情变化、姿态变化、误配准等具有良好的鲁棒性。同时,人脸全局轮廓特征在人脸识别中也具有重要意义,通常认为低频信息保留了人脸的整体轮廓信息,本文采用低通滤波保留图像的低频信息,减轻了人脸局部变化对轮廓信息的影响。最后,分别对基于Gabor变换的局部特征和全局特征采用Fisher线性鉴别分析对人脸特征进行聚类分析。本文的主要工作如下：(1)本文对局部Gabor变换直方图序列的人脸描述方法进行深入的解析,并分析不同参数变化对人脸识别率的影响；(2)针对传统的基于局部Gabor变化直方图序列的方法,由于各个人脸区域对人脸识别的贡献对不同,本文提出对人脸各个不同的区域进行Fisher加权的方法；(3)CMU最新研究表明,人脸图像的清晰度不和人脸识别率成正比,本文提出通过高斯低通滤波保留图像的低频信息,即全局的轮廓信息,通过全局轮廓信息最大限度的保留人脸识别所需要的信息；(4)最后,本文提出结合局部和全局的人脸特征,通过Fisher鉴别分析对人脸特征进行聚类,并对整体和局部的权值进行调整。在FRGC2.0人脸库实验一和实验四上均取得了较好的识别效果,表明该方法对人脸图像条件的变化是鲁棒的,具有很好的识别能力。本文的课题来自于实际的开发项目,提出的算法已经作为某电脑厂商平板电脑进入权限设计的一部分,进一步验证了本文所提出算法的实用性。