可變光照下的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別和機(jī)器視覺領(lǐng)域最富挑戰(zhàn)性的研究課題之一，它在公共安全、信息安全、人機(jī)交互等領(lǐng)域中有著廣泛的應(yīng)用前景。經(jīng)過三十多年的研究，人臉識(shí)別技術(shù)在理想環(huán)境條件下已達(dá)到實(shí)用程度，但是在環(huán)境不可控的情況下，由于光照、姿態(tài)、表情、遮擋等變化的影響，已有的人臉識(shí)別算法性能大大下降，其應(yīng)用范圍也受到了較大的限制。因此，針對(duì)各種變化的魯棒的人臉識(shí)別技術(shù)是當(dāng)前的一個(gè)研究熱點(diǎn)。本文主要針對(duì)不同光照條件下的人臉識(shí)別技術(shù)進(jìn)行了研究。主要完成的工作

2、概括如下： 首先，在圖像預(yù)處理環(huán)節(jié)，本文提出了一種人臉圖像光照補(bǔ)償?shù)男路椒āＭㄟ^構(gòu)造原人臉圖的二值圖,從而確定出原圖所屬的光源方向。然后，在除正面光源外的每個(gè)光源方向上構(gòu)造出通用的平均亮度差值來進(jìn)行光照補(bǔ)償。最后，結(jié)合去掉三個(gè)特征值最大的PCA特征向量的方法進(jìn)行識(shí)別。實(shí)驗(yàn)表明，這種方法能夠顯著提高光照變化條件下的人臉識(shí)別率。 其次，在特征提取環(huán)節(jié)，分別介紹了PCA，2D-PCA，2D-LDA和PCA+LDA四種方法的基本

3、原理。其中，2D-PCA和2D-LDA都是基于2D人臉圖像矩陣而無須矢量化的方法，能夠有效地解決運(yùn)算量和矩陣奇異的問題。而PCA+LDA算法則是先用PCA投影矩陣將原始向量空間降維，然后再用LDA進(jìn)一步降低維數(shù)并獲取精簡(jiǎn)的分類特征，從而在能夠很好地表示圖像的結(jié)構(gòu)信息的同時(shí)減少了計(jì)算量，也避免了LDA的矩陣奇異問題。 在分類器設(shè)計(jì)環(huán)節(jié)上，介紹了4種經(jīng)典的分類器：最近鄰分類器，k-近鄰分類器，SVM和貝葉斯分類器，其中重點(diǎn)討論了貝葉