遮擋和復(fù)雜光照條件下魯棒人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是生物特征識(shí)別領(lǐng)域的一個(gè)重要課題，在安防和身份認(rèn)證領(lǐng)域得到了廣泛的應(yīng)用。雖然人臉識(shí)別技術(shù)已經(jīng)取得了較大的進(jìn)步，但是目前的人臉識(shí)別算法仍然無(wú)法克服由于應(yīng)用環(huán)境不可控帶來(lái)的識(shí)別困難。當(dāng)人臉發(fā)生遮擋或出現(xiàn)較大光照變化時(shí)，識(shí)別性能會(huì)受到嚴(yán)重影響。為了解決遮擋和復(fù)雜光照問(wèn)題，本文所做的主要工作如下：
　　針對(duì)人臉遮擋問(wèn)題，提出了融合遮擋檢測(cè)與HOG（Histogram of Oriented Gradient）特征協(xié)作表示的人臉識(shí)別

2、方法。首先，設(shè)計(jì)了一種基于HOG特征，主成分分析和支持向量機(jī)的遮擋檢測(cè)方法，根據(jù)常見(jiàn)遮擋的分布將人臉?lè)謮K，在子塊上檢測(cè)遮擋。如果人臉存在遮擋，僅提取非遮擋部分的HOG特征作為人臉的特征表示；如果人臉未發(fā)生遮擋，則提取整幅人臉的HOG特征作為人臉的特征表示。最后，利用協(xié)作表示對(duì)降維后的人臉特征進(jìn)行分類。在AR和Yale人臉庫(kù)上進(jìn)行了測(cè)試，對(duì)AR人臉庫(kù)中遮擋圖像的平均識(shí)別率達(dá)到95.2％。對(duì)AR和Yale人臉庫(kù)中發(fā)生姿態(tài)和表情變化人臉的識(shí)別

3、率分別達(dá)到97.3%和98.6%。與稀疏表示方法相比，計(jì)算復(fù)雜度有明顯降低。實(shí)驗(yàn)結(jié)果表明，和現(xiàn)有的主要識(shí)別方法相比，該方法對(duì)人臉遮擋具有較強(qiáng)的魯棒性。由于選用了強(qiáng)判別性的特征和高效的分類方法，對(duì)非遮擋人臉的識(shí)別性能也有一定程度的提升。
　　針對(duì)光照變化問(wèn)題，設(shè)計(jì)了基于局部二值模式和協(xié)作表示分類的近紅外人臉識(shí)別方法。使用強(qiáng)度高于環(huán)境光線的主動(dòng)近紅外光源成像，配合相應(yīng)波段光學(xué)濾片，便可以采集到和環(huán)境光照無(wú)關(guān)的人臉圖像，從而避免了光照變