復(fù)雜條件人臉識(shí)別算法的研究與系統(tǒng)實(shí)現(xiàn).pdf

1、人臉識(shí)別作為生物特征技術(shù)與計(jì)算機(jī)視覺等交叉學(xué)科的研究熱點(diǎn)之一，為人工智能、安全監(jiān)控、人機(jī)接口等領(lǐng)域的信息化進(jìn)程提供了技術(shù)支撐，有著深刻的理論價(jià)值和廣闊的應(yīng)用前景。現(xiàn)今的大多數(shù)人臉識(shí)別算法在用戶配合、識(shí)別場景理想的情況下可以基本滿足需求，但人臉識(shí)別技術(shù)的精度還不能達(dá)到完全實(shí)用的程度，仍面臨著光照復(fù)雜性、姿態(tài)多變性、表情多樣性以及遮擋隨意性等諸多挑戰(zhàn)。本文針對(duì)復(fù)雜條件下的人臉檢測與人臉識(shí)別問題進(jìn)行探究，并取得了如下的研究成果:
　　

2、 第一，在復(fù)雜背景下的人臉檢測部分，針對(duì)經(jīng)典AdaBoost算法訓(xùn)練速度較慢、檢測精度不夠理想的問題提出HAD-AdaBoost人臉檢測算法。采用直接求簡單分類器錯(cuò)誤率的方法快速訓(xùn)練弱分類器，并根據(jù)人臉檢測問題的非對(duì)稱性引入新的加權(quán)參數(shù)，使檢測器更適用于目標(biāo)檢測問題。通過采用啟發(fā)式級(jí)聯(lián)分類器結(jié)構(gòu)，將前層分類器的訓(xùn)練結(jié)果嵌入到后面的分類器中，從而減少弱分類器總數(shù)、改善檢測器性能。在MIT-CBCL數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，該算法的訓(xùn)練速度和

3、檢測能力優(yōu)于AdaBoost算法。
　　 第二，在復(fù)雜條件下的人臉識(shí)別部分，針對(duì)稀疏表示人臉識(shí)別算法在測試圖像與訓(xùn)練圖像間存在對(duì)齊誤差時(shí)性能下降的不足，提出基于位置約束稀疏編碼與特征空間金字塔模型的人臉識(shí)別算法。選擇尺度旋轉(zhuǎn)不變算子來提取圖像的局部特征，并采用稀疏編碼技術(shù)為局部特征編碼，提高算法的抗嗓能力。針對(duì)稀疏編碼算法迭代復(fù)雜的問題，根據(jù)圖像稀疏表示中位置信息比稀疏性更有必要的思路，在稀疏編碼的優(yōu)化問題中引入位置約束信息，并

4、采用K近鄰近似算法，節(jié)省計(jì)算與存儲(chǔ)開銷。最后使用圖像的空間金字塔特征訓(xùn)練簡單的線性SVM分類器，提高了算法在實(shí)際應(yīng)用中的價(jià)值。在多個(gè)人臉庫上的對(duì)比實(shí)驗(yàn)驗(yàn)證了該方法的有效性。
　　 第三，在系統(tǒng)實(shí)現(xiàn)部分，對(duì)文中關(guān)鍵算法進(jìn)行模塊化設(shè)計(jì)，利用MATLAB圖形用戶界面開發(fā)了一個(gè)完整的視頻人臉識(shí)別系統(tǒng)，集視頻人臉檢測、分類器模型訓(xùn)練、人臉識(shí)別與信息查詢功能于一體，并設(shè)計(jì)了友好的人機(jī)交互界面，能夠滿足多表情、多姿態(tài)的實(shí)際應(yīng)用需求，為今后的產(chǎn)