復(fù)雜背景下人臉檢測與識別技術(shù)研究.pdf

1、人臉檢測與識別技術(shù)是一種重要的生物特征驗證手段,在安全訪問控制、視覺監(jiān)測、智能用戶接口、基于內(nèi)容的圖像檢索等方向有著重要的應(yīng)用。 本文在研究了人臉檢測和識別的基本理論和關(guān)鍵技術(shù)的基礎(chǔ)上,重點討論了在復(fù)雜背景和可變光條件下,彩色靜止圖像的人臉檢測和識別問題,它包含基于膚色的人臉粗檢測和基于人眼的細(xì)檢測、基于主成分分析法的人臉特征提取和基于改進(jìn)的神經(jīng)網(wǎng)絡(luò)人臉識別四個主要模塊。 首先,對人臉膚色的聚類特性進(jìn)行了研究,基于不同的

2、顏色空間膚色聚類結(jié)果的對比,本文選擇了YCbCr顏色空間,接著建立高斯膚色模型,對人臉圖像進(jìn)行相似度計算,采用基于梯度調(diào)整的改進(jìn)Otsu算法進(jìn)行自適應(yīng)閾值膚色分割,最后通過數(shù)學(xué)形態(tài)學(xué)處理,排除部分假區(qū)域(非膚色區(qū)域),實驗證明該方法可以有效地從復(fù)雜背景下的彩色人臉圖像中提取出較準(zhǔn)確的膚色。 其次,利用邊緣檢測算法、制定人臉規(guī)則,排除類膚色和明顯非人臉區(qū)域,接著根據(jù)人眼灰度特征和人眼區(qū)域復(fù)雜度特點,改進(jìn)了一種人眼精確定位算法,實驗

3、證明該方法可以精確地提取出人眼,然后根據(jù)人眼幾何特征提取出人臉,并歸一化、標(biāo)準(zhǔn)化。 隨后,利用PCA算法讀取人臉庫,訓(xùn)練形成特征子空間,接著把訓(xùn)練圖像和識別圖像投影到該特征子空間中,得到對應(yīng)的特征向量和特征值,然后通過傳統(tǒng)的和基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法對人臉進(jìn)行訓(xùn)練和識別。通過實驗結(jié)果分析,證明改進(jìn)的BP方法識別率更高,訓(xùn)練次數(shù)也遠(yuǎn)遠(yuǎn)小于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)方法,識別時間也明顯少于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法,為復(fù)雜背景下實時人臉檢測和