基于PHOW特征的人臉姿態(tài)識別算法研究.pdf

1、人臉姿態(tài)識別是計算機視覺領域和人臉識別領域的一個重要研究方向，是人臉識別系統中至關重要的一步，具有廣泛的應用價值和良好的市場前景。當前，國內外對于人臉姿態(tài)識別的研究都投入了可觀的人力、物力和財力。相關的研究方法根據實現原理的不同，可分為基于模板的方法、基于檢測的方法、基于人臉幾何特征的方法、基于特征回歸的方法、基于子空間學習的方法、基于局部約束模型的方法等等；根據數據源類型的不同，可分為基于彩色圖像的方法、基于深度圖像的方法和基于3D圖

2、像的方法等。盡管人臉姿態(tài)識別研究已經取得了重大的突破，但是由于圖像采集、人臉檢測、姿態(tài)識別等過程中軟硬件條件的制約，目前存在的人臉姿態(tài)識別方法在實際應用中仍存在一定的局限性：僅能識別小范圍的單個方向上的離散的人臉姿態(tài)變化，針對光照變化、局部遮擋和表情變化等影響因素的魯棒性不高，對于復雜的多個方向同時變化的人臉姿態(tài)仍無能為力。
　　本文提出了基于PHOW的人臉姿態(tài)識別算法以解決提取可以更準確描述人臉姿態(tài)變化特征的難題。其中，SIFT

3、尺度不變特征轉換算法，作為一種局部特征描述子，具有旋轉、縮放和仿射不變性，且對光照變化、觀察視角的變化、局部遮擋和噪聲等敏感度不高。Bag of Words模型最早被應用于文本分類，之后被引入了2維圖像處理中。BOW模型有助于圖像語義的理解，更屏蔽了復雜背景變化對于識別結果的影響。但由于其模糊了圖像的結構和位置信息，所以我們將金字塔尺度空間融合其中，對丟失的部分結構和位置信息進行補償，以提高人臉姿態(tài)識別的效果。文中的相關實驗結果表明，本