基于能量圖與非線性耦合度量的人臉識別方法研究.pdf

1、人臉識別一直是模式識別和機器視覺領(lǐng)域的熱點研究問題。人臉作為一種獨特的生物特征,具有直接性、唯一性、便捷性等特點,但是由于人臉的可塑多變和在成像過程中受諸多因素的影響,又使得人臉的機器自動識別這一課題極具挑戰(zhàn)性。特別是非受控環(huán)境下人臉的多姿態(tài)變化問題、攝像機更換以及人體運動等因素帶來的人臉圖像退化(低分辨率和模糊)問題,這些亟待解決的關(guān)鍵問題已成為人臉識別技術(shù)在視頻監(jiān)控環(huán)境下得到廣泛應(yīng)用的瓶頸之一。
　　本文主要針對人臉識別中的多

2、姿態(tài)變化和退化兩個關(guān)鍵問題開展了相關(guān)的研究。多姿態(tài)人臉識別主要涉及兩大類型:(1)可通過幾何歸一化得到校正的平面內(nèi)旋轉(zhuǎn)人臉識別;(2)無法進行幾何校正的俯仰變化和左右搖擺變化的人臉識別。針對這兩大類型的多姿態(tài)人臉,本文分別提出了有效的人臉識別方法。針對退化人臉識別問題,本文主要從距離度量的角度出發(fā),提出了一種非線性的耦合度量策略,它能夠直接用于不同分辨率圖像和模糊圖像的特征提取與分類識別。本文的主要研究內(nèi)容總結(jié)如下:
　　首先,針

3、對人臉在同一個平面內(nèi)的旋轉(zhuǎn)變化問題,提出具體的解決方案。首先,提出一種融合Adaboost算法和分塊積分投影的眼睛定位方法,實現(xiàn)了對傾斜人臉中眼睛的高精度定位。該方法采用Adaboost人臉和眼睛分類器粗估計出人眼區(qū)域,然后,在人眼區(qū)域中通過分塊積分投影法準(zhǔn)確定位雙眼位置。確定雙眼位置后,給出以圖像幾何中心為旋轉(zhuǎn)基準(zhǔn)點進行圖像旋轉(zhuǎn)校正時旋轉(zhuǎn)角度的計算方法,實現(xiàn)了以圖像幾何中心為旋轉(zhuǎn)基準(zhǔn)點對傾斜人臉圖像進行的平面校正。這對于完善以圖像中心

4、為基準(zhǔn)的圖像校正方法有一定的意義。最后,提出一種基于子模式的Gabor特征融合的人臉識別方法,有效提取了校正后人臉圖像中的特征信息用于分類識別或相似度計算。
　　其次,針對人臉多姿態(tài)變化中無法通過幾何校正來克服的俯仰變化和左右搖擺變化問題,提出一種全新的人臉表征方法,即人臉能量圖(Faceenergyimage,FEI),并分別定義了廣義和狹義人臉能量圖,通過理論證明說明了人臉能量圖所具有的多個優(yōu)點;針對人臉能量圖模糊的問題,采用

5、改進的Retinex圖像增強方法對其進行了增強預(yù)處理;最后,針對人臉能量圖存在特征冗余的問題,提出一種基于最大分離度差的有監(jiān)督局部保持投影特征提取方法,能夠有效提取人臉能量圖中所蘊含的非線性流形信息和分類信息用于識別。
　　然后,在本文提出的人臉能量圖(人臉均值能量圖)基礎(chǔ)上,進一步提出另外一種新的能量圖,即人臉方差能量圖(Facevarianceenergyimage,FVEI)。人臉均值和方差能量圖分別從均值和方差兩個角度對多

6、姿態(tài)人臉圖像進行了描述。由于這兩種能量圖在人臉識別過程中具有不同的分類作用,所以,以這兩種不同含義的特征為基礎(chǔ),結(jié)合特征級融合的策略,本文提出一種有效融合均值和方差能量圖的多姿態(tài)人臉識別方法,能夠更好的解決姿態(tài)變化給人臉識別帶來的困難。
　　最后,本文將人臉識別中出現(xiàn)的退化人臉識別問題看作不同數(shù)據(jù)集合元素間的度量問題,針對不同數(shù)據(jù)集合元素間的度量問題,提出一種新的基于有監(jiān)督局部保持投影的耦合度量學(xué)習(xí)方法,并在此基礎(chǔ)上與核技術(shù)相結(jié)合