二維及三維人臉識(shí)別方法研究.pdf

1、隨著社會(huì)不斷發(fā)展和計(jì)算機(jī)技術(shù)的不斷進(jìn)步，基于生物特征的身份驗(yàn)證越來(lái)越受到人們的關(guān)注，其中人臉識(shí)別技術(shù)因?yàn)榫哂兄苯印⒂押?、?jiǎn)單等特點(diǎn)，成為目前模式領(lǐng)域中的一個(gè)研究熱點(diǎn)。傳統(tǒng)的人臉識(shí)別系統(tǒng)受光照、姿態(tài)、表情等因素影響較大，設(shè)計(jì)一個(gè)識(shí)別率高且具有較好魯棒性的人臉識(shí)別系統(tǒng)仍是一個(gè)待解決的難題。二維人臉識(shí)別技術(shù)雖然取得一定成果，但是二維人臉信息量小，受姿態(tài)和光照等影響嚴(yán)重。隨著三維技術(shù)的不斷發(fā)展，三維人臉作為人臉多個(gè)角度的真實(shí)反映，信息量豐富，受

2、光照等因素的影響小，因此近年來(lái)三維人臉識(shí)別技術(shù)受到了廣泛的關(guān)注。
　　本文分別對(duì)二維和三維人臉識(shí)別方法進(jìn)行了研究，針對(duì)目前存在的缺陷，分別設(shè)計(jì)相應(yīng)的人臉識(shí)別系統(tǒng)。
　　在二維人臉識(shí)別方面，基于核函數(shù)的Fisher判別分析（KFD）的特征提取算法，在人臉識(shí)別中往往采用高斯徑向基函數(shù)作為核函數(shù)，但高斯徑向基函數(shù)中的選取對(duì)分類效果的影響較大。目前一般僅憑實(shí)驗(yàn)統(tǒng)計(jì)或者經(jīng)驗(yàn)獲取該參數(shù)，而且KFD特征提取算法在處理大樣本時(shí)，運(yùn)算時(shí)間較長(zhǎng)

3、。針對(duì)這些問(wèn)題提出了一種基于小波變換和改進(jìn)KFD的人臉識(shí)別方法。在預(yù)處理階段，對(duì)人臉圖像做小波變換降低光照、姿態(tài)、表情等因素的影響，并能有效降低樣本的維數(shù)；在特征提取階段，采用微粒群算法智能獲取最優(yōu)參數(shù)?對(duì)KFD算法進(jìn)行改進(jìn)；在特征匹配階段，采用SVM分類器完成特征的分類。
　　在三維人臉識(shí)別方面，針對(duì)三維人臉識(shí)別中單一特征信息不足的缺陷，提出了基于整體和局部信息相融合的人臉識(shí)別算法，以提高識(shí)別率。首先將預(yù)處理后的三維點(diǎn)云用多層次