基于高維特征的人臉認證方法研究.pdf

1、人臉識別是許多包括考勤、視頻監(jiān)控以及基于內(nèi)容的圖像檢索等應(yīng)用的基礎(chǔ)。人臉識別又可以分為兩個子問題：人臉認證和人臉辨別，前者的應(yīng)用更加廣泛。但受到人臉姿態(tài)、光照以及遮擋物的影響，使得人臉認證問題更加復雜、更具有挑戰(zhàn)性。本文提出采用構(gòu)建人臉的高維特征（超過10萬維度）的方法來克服這些困難，高維特征具有更多的人臉信息，并通過支持向量機和Adaboost算法實現(xiàn)人臉認證并應(yīng)用在了煤礦環(huán)境下。
　　人臉的低維特征往往只包含了人臉的一部分信息

2、，用作人臉認證效果并不理想。而且某種特征只提取人臉的特定信息，比如方向梯度直方圖特征適合行人檢測，局部二值模式特征對光照強度不敏感。高維人臉特征雖然能改善這些問題，但勢必會給算法訓練、計算以及儲存帶來困難。針對這些問題，本文做了以下工作：
　　(1)構(gòu)建人臉高維特征，描述盡可能多的人臉信息。對人臉圖像作多尺度變換，在每個尺度上，分別基于人臉關(guān)鍵點位置提取不同的人臉特征，最后將所提取的特征聯(lián)合起來構(gòu)建成人臉的高維度特征用于人臉認證。

3、
　　(2)使用支持向量機以及Adaboost算法實現(xiàn)人臉認證。經(jīng)過PCA降維后的高維特征使用支持向量機分類器實現(xiàn)人臉認證，并通過基于FERET人臉庫的實驗驗證了高維度特征具有更好的人臉認證效果。由于PCA降維運算復雜，故采取Adaboost算法選取最具可分性的人臉特征實現(xiàn)降維的同時構(gòu)建級聯(lián)人臉認證分類器，快速實現(xiàn)人臉認證。兩種方法均在 FERET人臉庫上取得了超過97％的人臉認證成功率。
　　(3)在煤礦考勤系統(tǒng)上實現(xiàn)了人

4、臉認證系統(tǒng)并完成了煤礦礦工人臉庫的采集。該人臉庫包括了實際場景下共2753位礦工的不同姿態(tài)、表情和煤灰污染的“黑臉”圖像，具有很大的使用研究價值。特別地，針對礦工被煤灰污染的人臉圖像進行了人臉認證的研究，通過本文中的人臉認證方法達到了86.95%的一次性認證成功率。
　　本文主要研究了基于圖像多尺度變換和人臉關(guān)鍵點的高維特征對于人臉認證的積極影響。并且基于高維特征采用支持向量機和Adaboost算法實現(xiàn)了人臉認證，在FERET人臉