不同姿勢下的人臉識別算法研究.pdf

1、人臉識別技術(shù)是模式識別和機器視覺領(lǐng)域最富挑戰(zhàn)性的研究課題之一，它在公共安全、信息安全、人機交互等領(lǐng)域中有著廣泛的應(yīng)用前景。經(jīng)過三十多年的研究，人臉識別技術(shù)在理想環(huán)境條件下已達到實用程度，但是在成像環(huán)境不可控的情況下，由于姿態(tài)、表情、光照、遮擋等因素的影響，已有的人臉識別算法性能大大下降，其應(yīng)用范圍也受到了較大的限制。因此，針對各種變化魯棒的人臉識別技術(shù)是當(dāng)前的一個研究熱點。本文主要針對不同姿勢下的人臉識別技術(shù)進行了研究。MR-ASM(M

2、ulti-resolution Active Shape Model)和AAM(Active Appearance Model)多用于人臉識別中的特征提取，其最大優(yōu)點是具有全局形狀約束能力，對遮擋有較強的魯棒性。本論文在深入研究ASM和從M的基礎(chǔ)上，提出了兩個改進思路，并進一步提取姿勢無關(guān)的特征用于人臉識別，具體如下： 1．基于混合的MR-ASM與AAM的人臉標志點定位算法。 本算法利用MR-ASM定位結(jié)果初始化AAM。

3、在最高分辨率圖像上，循環(huán)使用單分辨率ASM與AAM，同時依靠圖像的形狀與紋理信息共同引導(dǎo)標志點定位。算法創(chuàng)新點在于：1)改進了AAM形狀與紋理聯(lián)合控制參數(shù)計算過程，通過一次主分量分析，同時得到形狀與紋理聯(lián)合控制參數(shù)，參數(shù)設(shè)計更合理。2)改進了ASM標志點定位階段參數(shù)更新方式。使模型能同時考慮到姿勢與形狀兩類控制參數(shù)改變的相互影響，并進一步修正標志點定位結(jié)果。 2．基于級聯(lián)MR-ASM的人臉標志點定位算法。 本算法以精確的

4、標志點定位為目標，自適應(yīng)選取訓(xùn)練樣本子集，并將訓(xùn)練得到的多個定位器級聯(lián)以用于標志點定位。本算法自動選取的樣本子集對應(yīng)的控制參數(shù)分布具有更好的聚類性，避免了人為劃分訓(xùn)練集樣本空間和對控制參數(shù)的分布方式進行估計的問題，并進一步提高了模型的定位能力。 3．基于姿勢無關(guān)特征的人臉識別算法 基于上述兩種標志點定位結(jié)果進行人臉識別。首先建立公共形狀控制參數(shù)空間(用手工標定的全部訓(xùn)練集標志點Groundtruth數(shù)據(jù)訓(xùn)練得到)。將第三