基于SimHash的相似人臉檢索算法研究.pdf

1、近年來,基于內(nèi)容的圖像信息檢索技術(shù)正逐漸成為研究的熱點(diǎn),而與此同時(shí),作為非接觸式的、友好的身份認(rèn)證技術(shù),人臉識(shí)別、檢索方面相關(guān)的應(yīng)用需求也越來越多。本文以人臉作為目標(biāo)對(duì)象對(duì)大規(guī)模數(shù)據(jù)集下的快速檢索方法進(jìn)行了研究,主要的工作包括以下幾個(gè)方面:
　　在人臉檢測(cè)和特征提取方面,重點(diǎn)討論了本文采用的基于AdaBoost算法的快速人臉檢測(cè)方法和基于經(jīng)典PCA主成分分析算法的人臉識(shí)別方法。AdaBoost算法運(yùn)算速度快,檢測(cè)率高,對(duì)人臉的姿態(tài)

2、變化和遮擋等因素具有很強(qiáng)的魯棒性,尤為適合實(shí)時(shí)系統(tǒng)中應(yīng)用;PCA算法將標(biāo)準(zhǔn)人臉投影到主成分構(gòu)成的特征空間中,著重區(qū)分不同人的人臉之間的差異性,在本文中實(shí)現(xiàn)第一次降維。
　　在人臉檢索方面,針對(duì)傳統(tǒng)的人臉檢索技術(shù)在面對(duì)高維向量時(shí),通常會(huì)面臨“維度災(zāi)難”而導(dǎo)致檢索速度慢的問題,引入SimHash算法,嘗試對(duì)人臉圖像使用PCA和SimHash兩次降維的方法。首先使用PCA提取人臉圖像的特征向量,去除冗余信息并進(jìn)行第一次降維,得到主成份特

3、征向量,然后使用SimHash算法再次降維使特征重分布,并將哈希結(jié)果盡量均勻的散開到322個(gè)象限中,從而得到最終的32位比特序列作為人臉簽名。
　　本文最后在Windows平臺(tái)下采用Virtual Studio2008及MFC框架,使用Opencv開源計(jì)算機(jī)視覺庫,對(duì)該算法做了簡(jiǎn)單的系統(tǒng)實(shí)現(xiàn)和驗(yàn)證。本文最后使用ORL人臉庫在Matlab下對(duì)該算法的性能做了大致的評(píng)估?？梢钥吹?由于哈希沖突的影響,算法對(duì)人臉的檢索正確率比直接使用P