人臉識別中新算法的實現(xiàn)與改進.pdf

1、自動人臉識別研究已經走過了近四十年的發(fā)展歷程。研究人員試圖賦予計算機通過面孔而能辨別人的身份的能力。在過去的幾十年里，人臉識別已經取得了長足的發(fā)展，在信息安全、訪問控制、視頻監(jiān)控等領域有著廣泛的應用前景。但研究人員發(fā)現(xiàn)，目前的人臉識別技術也只是在理想的情況下能夠達到滿意的效果，非理想情況下的人臉識別還遠未成熟。人臉識別的成功將很大程度上依賴于計算機視覺、模式識別、認知科學、心理學、神經科學等多學科的交叉研究! 在人臉識別研究中，

2、人臉檢測技術是目前相對較為成熟的技術。而對于面部特征點精確定位、人臉特征提取與識別這些核心技術，依然有很多工作要做?；诖?，本文的研究重點為人臉識別中新算法的實現(xiàn)與改進。主要貢獻如下： 1.系統(tǒng)綜述了人臉識別的發(fā)展歷史與研究現(xiàn)狀。以人臉識別的共性模型為基礎，闡述了人臉識別系統(tǒng)主要模塊組成，如人臉檢測、面部特征點定位、人臉特征提取與分類識別。以這些主要模塊的核心技術為線索，詳細的論述了人臉識別在不同發(fā)展階段的特點、成就。對人臉識別

3、中所涉及的方法進行有效的分類整理，并以此為基礎，指出了人臉識別目前需要解決的一些問題，探討了人臉識別可能的發(fā)展趨勢。此外，介紹了目前國內外相關的科研機構，已有的人臉識別商業(yè)系統(tǒng)以及評估體系。 2.研究了面部顯著特征點的定位問題，提出了眼睛特征、嘴唇特征等顯著特征點精確定位的新方法。眼睛特征定位分為瞳孔定位、眼角定位、眼瞼擬合。其中，眼角定位是通過在Gabor空間中構造眼角濾波器完成的。嘴唇特征主要以分割的思想為基礎，結合象素的空

4、間信息、頻域信息，使得嘴唇區(qū)域能夠較明顯的區(qū)別于膚色區(qū)域，提高分割效果。面部顯著特征點的精確定位將有助于后續(xù)人臉識別性能的提高。 3.研究了ASM(ActiveShapeModel)定位問題，提出了基于顯著特征點定位的ASM方法。ASM通常是通過局部紋理搜索，形成迭代過程，使得形狀模型與輸入模型達到最佳匹配。由于ASM的搜索時間較長，對初始化位置比較敏感，使得ASM難以直接用于人臉面部特征的提取。為此，在面部顯著特征點定位的基礎

5、上，我們提出了基于顯著特征點定位的ASM，較好的克服了ASM方法本身的一些不足，減少了迭代搜索時間，提高了多特征點一次性定位的精度。這一研究對后續(xù)的人臉識別、人臉三維建模具有重要的意義。 4.研究了NMF(Non-negativeMatrixFactorization)用于圖像特征提取的問題，提出了基于穩(wěn)健初始化的NMF方法并應用于人臉識別。Lee等人最早在《自然》上發(fā)表了一篇文章，從視覺機理出發(fā)，討論了NMF方法。與傳統(tǒng)方法所

6、不同的是，NMF方法在提取圖像特征時所得到的是圖像的部分特征而非整體特征；更重要的是，這些局部特征在重構原圖像時，都是非負組合。然而，NMF在初始化這一問題上是非常敏感的?？紤]到實驗的可重復性以及算法的魯棒性，我們提出了三種穩(wěn)健的初始化方法。基于穩(wěn)健初始化的NMF方法對于NMF中的參數(shù)選擇具有一定的指導意義，并且在分類識別性能上有所提高。 5.研究了流形學習理論用于人臉識別的問題，提出了GSLPP、SKLPP、GSLLE等新的流