基于整體特征和局部特征的人臉識(shí)別方法的研究.pdf

1、隨著模式識(shí)別、計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)在信息化社會(huì)中的快速發(fā)展，人臉識(shí)別作為一種身份驗(yàn)證的重要手段，目前已經(jīng)得到社會(huì)各界的普遍關(guān)注，由于人臉識(shí)別具有唯一性、安全性、便捷性、有效性、非接觸性和不易被察覺(jué)等特性而倍受青睞?，F(xiàn)在人臉識(shí)別的商業(yè)產(chǎn)品也越來(lái)越多，像大多數(shù)機(jī)場(chǎng)、銀行、港口等重要場(chǎng)所，都已安裝和部署了人臉識(shí)別系統(tǒng)，人臉識(shí)別在我們的日常生活中發(fā)揮著重要作用。在人臉識(shí)別中，圖像采集會(huì)受到光照干擾、視覺(jué)角度的變化、人臉表情變化、年齡變化以及

2、遮擋等的影響，這樣就可能使得同一個(gè)人的人臉圖像表觀差別很大，造成識(shí)別的困難，因此提高人臉識(shí)別系統(tǒng)識(shí)別的準(zhǔn)確率是人臉識(shí)別技術(shù)研究的重要目標(biāo)之一。
　　 本文首先介紹了人臉識(shí)別的課題背景和研究意義，接著介紹了與本課題相關(guān)的基礎(chǔ)知識(shí)、相關(guān)理論和技術(shù)；然后闡述了基于局部特征和整體特征的人臉識(shí)別技術(shù)，并根據(jù)現(xiàn)在應(yīng)用最廣泛的基于尺度不變特征(ScaleInvariant Feature Transform，SIFT)和核主元分析法(Kern

3、el PrincipalComponent Analysis，KPCA)的人臉識(shí)別技術(shù)，提出了本文實(shí)驗(yàn)中所采用的局部特征的提取方法和整體特征的提取方法。在對(duì)局部特征提取時(shí)，本文建立了人臉坐標(biāo)系，根據(jù)美學(xué)分析報(bào)告，利用14個(gè)關(guān)鍵特征點(diǎn)作為局部特征點(diǎn)進(jìn)行人臉識(shí)別；在對(duì)整體特征提取時(shí)，本文采用臉部器官間距離特征、角度特征、周長(zhǎng)特征、面積特征、體積特征和面部比例特征等幾個(gè)方面作為整體特征，并在得到特征向量組，利用這些特征向量組作為整體特征進(jìn)行人

4、臉識(shí)別。最后用AR人臉庫(kù)中具有不同表情特征的6幅經(jīng)典人臉圖像對(duì)各個(gè)局部特征和整體特征進(jìn)行了測(cè)試。
　　 本文最后采用一種的改進(jìn)的D-S證據(jù)理論將人臉的局部特征和整體特征融合起來(lái)進(jìn)行人臉識(shí)別。實(shí)驗(yàn)是采用OpenCV基礎(chǔ)函數(shù)庫(kù)，利用MicrosoftVisual Studio C++6.0開發(fā)完成的。由于SIFT算法和KPCA算法應(yīng)用比較廣泛，本系統(tǒng)將本文的算法與上述兩個(gè)算法在AR人臉庫(kù)和JDL人臉庫(kù)上進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明本文的