基于小波變換的加權(quán)人臉識別方法的研究.pdf

1、人臉識別因其在安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會議、人機(jī)交互、系統(tǒng)公安(罪犯識別等)等方面的巨大應(yīng)用前景而越來越成為當(dāng)前模式識別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。但是人臉識別技術(shù)(FRT)在實(shí)際應(yīng)用中仍面臨著很嚴(yán)峻的問題，因?yàn)槿四樜骞俚姆植际欠浅Ｏ嗨频?，而且人臉本身又是一個(gè)柔性物體，表情、姿態(tài)或發(fā)型、化妝的千變?nèi)f化都給正確識別帶來了相當(dāng)大的麻煩。如何能正確識別大量的人并滿足實(shí)時(shí)性要求是迫切需要解決的問題。本文針對人臉識別中難以

2、克服的表情影響識別率這一點(diǎn)，將小波變換應(yīng)用于分割后的人臉，該方法減少了表情變化對識別率的影響。 由于人臉檢測是人臉識別的重要前期工作，本文分析了當(dāng)前人臉檢測的常用方法。而圖像的預(yù)處理是確保整個(gè)系統(tǒng)準(zhǔn)確工作的基礎(chǔ)，沒有這個(gè)可靠的基石就無法順利完成后面龐大的識別過程。針對該處理階段，本文給出了圖像預(yù)處理的幾種基本方法，包括圖像歸一化、光照補(bǔ)償、灰度變換、二值化、邊緣檢測及其處理后的效果圖像。 本文針對人臉識別中難以克服的表情

3、影響，將小波變換應(yīng)用于分割后的人臉，該方法首先把人臉圖像分成上中下三部分，并對各個(gè)部分分別進(jìn)行小波變換，有效地將各個(gè)部分圖像進(jìn)行降維，留下其中的低頻分量和水平高頻分量，去除識別率低的垂直高頻分量和斜線高頻分量。然后將人臉分割圖像的上中下三部分各自對應(yīng)的低頻分量和水平高頻分量并行進(jìn)行特征臉識別，得出識別結(jié)果，最終對每張人臉圖像低頻分量和水平高頻分量的上中下三部分的識別結(jié)果分別加權(quán)求和，根據(jù)取不同權(quán)值時(shí)的識別效果最后得出最佳權(quán)值，并且最終確