宋加涛[1]2004年在《基于二值边缘图像的眼睛定位和人脸识别》文中研究表明人脸自动识别是一种利用计算机分析人脸图像特征以实现人的身份验证的技术，是近二十年米图像处理、模式识别和计算机视觉领域中极富挑战性的研究课题之一。由于它在法庭举证、持卡人识别、视频监控等方面都具有巨大的应用价值，目前受到各国政府及其军事、安全、情报部门以及科研单位的广泛关注和高度重视。 一个完整的人脸识别系统由人脸检测、人脸图像预处理、人脸特征提取、图像间相似度计算等功能模块组成。多年来，人们对人脸识别技术中的许多问题都进行了深入的研究，并且已经研制出了不少有效的算法，然而，由于不同的人脸具有内在的相似性，而同一人脸的不同图像则常常因为姿势变化和表情变化而表现出巨大的差异性，并且人脸图像的质量还容易受到光照变化的影响，因此，现有的人脸识别技术仍然无法满足实际应用的需要。 本文重点研究人脸中双眼定位问题利强光照鲁棒性人脸识别算法开发问题。眼睛的位置是实现人脸图像几何归一化的必要条件，双眼的定位因而成为全自动人脸识别中非常关键的一环：而好的光照鲁棒性则能使人脸识别系统更富实用性。基于二值边缘图像，本文提出了一种新的人眼自动定位方法，以及一种具有较好光照鲁棒性的人脸识别方法。具体说来，本文主要做了以下叁个方面的研究。 第一，提出了一种基于小波多分辨率分析的人脸二值边缘图像提取方法。该方法包括一次图像的高频重构过程、两次图像自适应二值化过程和一次后续的二值边缘图像去噪过程。定性和定量的评价表明，用该方法得到的二值边缘图像(BEI, Binary Edge Image)具有人脸部件完整、细节清晰、不同部件之间粘连少的优点，且具有很好的光照鲁棒性，因此，非常适合于人脸部件的分割和脸部关键特征点的提取。 其次，提出了一种基于BEI和亮度信息的人眼定位方法。该方法包括人脸区域提取、眼睛区域分割以及眼睛精确定位叁个过程。为了提高眼睛检测和定位的成功率，该方法包含了一个人脸边界优化算法和一个多级人眼检测方案。另外，该方法将虹膜上的反射光点作为眼睛定位的重要线索，为此，该方法还包含了一个高鲁棒的反射光点自动检测算法。利用150个Bern图像和564个AR图像进行实验，分别获得了98.7％和96.6％的双眼定位成功率，表明该方法对眼睛定位过程中的视角变化、人脸表情变化和图像光照变化都具有很好的鲁棒性。进一步的分析和观察还表明，利用反射光点进行眼睛定位，不仅能获得很高的眼睛定位精度和成功率，而且能够实现对一些被头发部分遮住的眼睛的准确定位。 最后，提出一种基于二值模板匹配的人脸识别方法。该方法用由LAT(Locally Adaptive Threshold)算法获得的人脸二值边缘图像(BEM, Binary Edge Map)表征人脸，通过计算两幅BEM中重迭的前景像素数在其总的前景像素数中所占的比例来衡量两幅人脸图像的相似度。用AR和Yale人脸图像的实验表明，该方法能够以较快的速度获得比PCA法、灰度模板匹配法以及双修改Hausdorff距离方法更高的识别率，特别是对存有光照变化的图像。另外，本文还提出了一种进一步提高二值模板匹配识别性能的有效方法——在其决策过程中融入少量的灰度信息。实验表明，这种基于特征融合的扩展二值模极匹配法能同时获得较高的光照鲁棒性和表情鲁棒性，从而更加符合实际应用的需要。
罗敏[2]2008年在《基于肤色的人脸检测和面部特征定位技术研究》文中研究说明近年来,人脸检测作为人脸识别、视频监督、人机交互和人脸图像数据库管理等识别应用的关键和首要的步骤,一直受到众多研究者的关注。但是到目前为止,由于人脸检测受到表情、肤色、姿态、光照、年龄、图像质量及可能存在的眼睛、发型、胡须等因素的影响,众多研究者均未对人脸检测问题给出彻底的解决方案。本文收集和分析了近年来国内外大量的关于人脸检测和面部特征定位的研究报告和学术论文,对人脸检测系统的建立进行了深入的研究。并在人脸检测技术研究成果的基础上,提出了复杂背景下彩色图像的人脸检测方法。本文的主要研究工作和创新点有:(1)利用肤色对彩色图像进行人脸检测时,检测结果常常受到光照的影响。因此本文提出一种新的光照补偿方法:该方法利用“灰度世界假设”理论对图像是否存在色彩偏移进行判断,如果存在则进行光照补偿;同时我们引入一个对数函数对“参照白”光照补偿方法进行了改进。实验证明,该方法提高了肤色模型对光照变化的鲁棒性,从而解决了肤色检测中常见的对光照敏感、漏检率高等问题。(2)选用YC_bC_r色彩空间建立肤色模型,并对肤色进行相似度计算和二值分割,对得到的二值图像进行数学形态学滤波以去除噪声的影响,输出候选人脸区域。同时利用人脸的长宽比、面积和欧拉数对候选人脸区域进行初步筛选。(3)利用嘴唇在YIQ色彩空间的红色特性提出了一种新的嘴巴定位方法,该方法打破了嘴巴定位需依赖眼睛定位的传统,大大提高了器官检测的正确性。同时通过计算灰度图像的图像复杂度对眼睛进行定位。(4)本文还对人脸面部器官的结构关系进行了深入的研究,将人脸面部器官的位置信息转化为位置比例关系和角度关系,这样可以省去图像归一化过程,减少计算量,同时还大大提高了面部器官定位的准确性。(5)本文利用Visual C++6.0和Matlab 7.0对该人脸检测算法进行了实现,并在自建的人脸测试图像库上做了很多实验。实验数据表明本文所提出的算法对复杂背景下彩色图像的人脸检测具有很好的鲁棒性,对光照、姿态、表情、年龄和图像大小、角度的变化都有较强的适应性。总的来说,该检测系统的检测率可以达到84%以上,同时由于检测时间较短,本算法还具有一定的实时性。
李春明[3]2005年在《视频图像中的运动人体检测和人脸识别》文中认为本论文主要介绍了作者对运动目标检测与分析中一些算法的研究,主要包括了视频序列中运动目标的分割算法与外轮廓精确提取算法、非拥挤环境中的运动人体检测算法、视频序列中具有可分离性的多人脸检测算法、多角度不同表情下的人脸识别算法等。本文的目的是研究简单高效的算法,将运动人体的检测与分割、人脸检测与识别作为一系列的问题进行研究。本论文的主要研究成果列举如下:在研究已有算法的基础上,针对基于帧间差分方法对噪声敏感的问题,本文提出一种基于特征对象的的运动目标检测与外轮廓精确提取算法。特征对象由改进的KL变换计算得出,它不但具有运动对象的位置、形状等信息,而且与原图像序列的某一帧图像相对应。由此,可以进行运动对象的分割与提取。对刚体和非刚体运动对象,利用特征对象方法都只需3帧即可将其与背景分离。检测到特征对象后,将时间信息与空间信息相结合提取运动目标的精确位置及外轮廓。进一步,设计了基于KLT/Snake混合模型的运动目标外轮廓精确提取算法。实验结果表明,该算法计算速度快,能够正确的检测与分割复杂背景下的多运动目标,并且可精确提取运动目标的外轮廓。在研究现有人体检测算法的基础上,以简单高效为原则,设计了基于时间信息和人体形状信息相结合的非拥挤环境下人体检测算法。首先利用本文提出的特征对象法检测和分割运动目标,然后利用人体的形状信息区分运动目标中的人体与非人体,并利用连续多帧排除了目标间的短时互遮挡。算法的优点是运动目标检测准确,进行人体检测时不受人体角度的影响。而且,由于在运动目标检测时已对目标阴影进行了处理,因此提取的人体外形不受阴影的影响。分析和实验表明,该算法抗干扰能力强,可以准确检测到非拥挤场景中的多个运动人体。提出了将运动信息与边缘投影函数相结合的视频序列人脸检测与定位算法;针对经典Sobel算子检测到的边缘粗,对噪声敏感的问题,设计了双阈值Sobel算子进行边缘检测,该算子检测到的图像边缘清晰、细致、噪声少;提出了平方投影函数,该投影函数不但可区分均值相同的区域,而且可区分方差相同的区域。因为边缘图像携带了丰富的图像信息,且对光照条件的改变不敏感;投影函数可检测灰度值变化的区域;运动目标检测得到的图像背景简单,因此将运动信息、边缘函数与投影函数结合起来设计的人脸检测与定位算法简单实用。多角度不同表情下的人脸识别是人脸识别领域的一个难点。设计人脸识别算法时最重要的两个步骤一是设计合适的特征提取算法,另一个是设计合适的后期
赵明华[4]2006年在《人脸检测和识别技术的研究》文中研究说明随着社会的发展，信息化程度的不断提高，人们对身份鉴别的准确性、安全性和实用性提出了更高的要求，传统的身份识别方式已经不能满足这种要求。生物特征识别作为一项利用人类特有的生理特征(如指纹、人脸、虹膜、视网膜等)或行为特征(如签名、声音、步态等)进行身份识别的技术，由于它提供了一种高可靠性、高稳定性的身份鉴别途径，引起了国际学术界和企业界的广泛关注。人脸是人类识别不同人的最主要的人体生物特征，与其他人体生物特征(指纹、掌纹、虹膜、声音、笔迹)相比，它不仅具有很强的自身稳定性和个体差异性，而且直接、友好，更符合人类的视觉习惯。这些优点使得人脸识别技术在身份识别、自动监控、人机交互等众多领域有着很大的发展潜力。目前，人脸识别是生物特征识别中倍受人们关注的一个分支，已成为计算机视觉与模式识别领域中非常活跃的一个研究领域。人脸识别是对于输入的人脸图像或视频，首先判断其中是否存在人脸，如果存在人脸，则进一步给出每个人脸的位置、大小以及各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴含的特征，并将其与已知人脸库中的人脸图像进行对比，从而得到识别结果。由此可见，一个完整的人脸识别过程应包括人脸检测与人脸识别两大部分。人脸检测作为人脸信息处理中的一项关键技术，近年来成为模式识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题，已经广泛应用于各种不同领域中。人脸检测技术的研究，由于受到背景、姿态、尺寸、光照以及检测时间等的影响，大部分算法都是在一定的约束条件下提出的。因此，研究鲁棒性较高的人脸检测问题是十分有必要的。人脸识别技术经过约四十年的研究，在环境可控的条件下已达到实用程度，但是在考虑光照、姿态、表情、遮挡等变化的影响时，很多人脸识别算法性能大大下降，其应用范围也受到了较大的限制。因此，研究对各种变化鲁棒的人脸识别技术是当前的研究热点。一个较理想的人脸识别算法应该对光照变化和姿势变化具有较强的适应性。本论文在分析总结国内外近年来人脸检测和人脸识别的相关研究成果和最新研究进展的基础上，针对目前急需改进和提高的人脸检测和人脸识别中的几个关键问题进行了系统的实验和理论研究；提出并实现了几种有实际应用价值的人脸检测和人脸识别算法。论文的研究内容主要包括：彩色图像中的人脸检测、小样本人脸识别、光照变化下的人脸识别和叁维人脸识别。在论文的具体研究过程中，力图将统计学习理论、随机方法与模式识别理论和应用紧密结合起来。本论文所做的主要工作和创新点包括以下四个方面：(1)提出了一种基于YCgCr色彩空间的自适应阈值选取的肤色分割方法。该方法改进了二维Otsu阈值分割方法，在对图像像素进行初始分割后，根据松弛迭代的区域增长算法判定待定像素的归属。在此肤色分割方法的基础上，实现了基于肤色信息的人脸检测。首先在YCgCr色彩空间中通过离线训练建立肤色模型；然后利用该肤色模型对待检测图像进行肤色相似度计算，得到肤色相似度图像；进而结合像素的空间邻域信息，使用自适应阈值选取的肤色分割新方法对肤色相似度图像进行二值化处理。大量的实验结果表明，该肤色分割方法有效的克服了使用固定阈值进行图像分割的缺陷。对于二值化结果图像，对其进行了基于数学形态学的滤波处理，进而利用区域的面积和高宽比等信息对其进行粗筛选，将此筛选结果作为候选人脸区域输出。进而使用了欧拉数与眼睛定位相结合的方法，对粗筛选后的候选区域进行了再次筛选与验证，得出了最后结果。文中使用结合亮度信息和PCA边缘方向的算法来定位候选人脸区域中的眼睛。实验证明了该人脸检测和眼睛定位方法具有很好的稳健性和有效性。(2)对线性鉴别分析及其应用于小样本情况下的几种改进方法进行详细分析，指出了这些方法在提取鉴别特征时存在的不足，在此基础上提出一种新的基于两空间的线性鉴别分析方法，进而将该方法拓展到非线性领域，并通过实验分析进行验证。人脸识别是一个典型的小样本问题，实际情况下不可能有足够的样本使得类内散布矩阵可逆，因此无法直接采用经典的线性鉴别分析方法进行特征提取。本文对fisherfaces、EFM、DLDA以及NLDA四种以解决小样本问题为目的的线性鉴别方法进行了深入的理论分析，证明了采用这四种方法所提取的特征的不完整性。在此基础上提出了一种基于两空间线性鉴别分析的人脸识别方法(TLDA)。为了提高计算效率，首先将样本投影到总体散布矩阵的非零空间中进行分析；进而将类内散布矩阵分成零空间和非零空间进行鉴别向量的确定和鉴别特征的提取，最后将得到的两种鉴别特征进行融合，从而使用最近邻法进行分类。在ORL人脸库和UMIST人脸库的子库上的实验结果验证了所提出的方法的有效性和优越性。对核方法的基本理论构架进行了较为深入的研究，在此基础上将TLDA方法拓展为非线性的两空间核鉴别分析(TKDA)方法。该方法继承了TLDA方法的优点，而且还能有效的提取非线性特征。在光照变化较大的Extended Yale B子库上的实验结果表明，该方法能有效的简化人脸模式的复杂分布，且能较大幅度的提高分类效果。(3)研究了光照变化下的人脸识别技术，提出了两个处理光照变化的方法：基于局部标准化的光照规范化模型和基于对数域离散余弦变换的方法，并通过实验证明了这两种方法的有效性。提出一种局部标准化方法处理光照变化下的人脸图像。从理论上证明了使用局部标准化技术得到的像素值是由规范化光照条件下的像素值及规范化光照条件下小面片上像素的统计特征所决定的，即经过局部标准化处理之后，光照变化下的人脸图像的像素值等于规范光照条件下的像素值，故该方法能够消除不均匀光照的影响。使用Yale B人脸数据库和Extended Yale B人脸数据库测试了该方法的有效性。提出了一种基于对数域离散余弦变换的光照补偿方法。考虑到光照变化主要集中在低频域中，因此可以通过抛弃一定数量的低频部分DCT系数达到最小化光照条件变化引起的图像变化的目的。使用Yale B人脸数据库和ExtendedYale B人脸数据库测试了该方法的有效性。(4)在介绍现有的叁维人脸识别方法和叁维数据获取技术的基础上，研究了使用叁维人脸模型进行不同姿势下的人脸识别问题，提出了一种将叁维人脸模型投影成二维图像的方法，进而将不同方向的投影结果与不同姿势下的二维图像相匹配，以达到人脸识别的目的。在此过程中，详细研究了使用MinoltaVivid 910进行数据获取，创建叁维模型的方法和过程。人脸检测与识别是极具挑战的研究课题，亟待研究和解决的问题比比皆是。人脸检测与识别的难度大，这一方面受限于很难提取出每个人的具有唯一判别标志的人脸特征，特别是各种变化因素的影响使得提取每个人的标识特征更加困难；另一方面，尽管一些算法能较好的处理某些变化因素，但极大的运算负担使其不适合于实际应用。但是，随着感知科学、心理学、计算机图形学、计算机视觉、图像处理与分析、模式识别等多个研究领域的发展，人脸识别技术也必将日臻成熟。对于一个安全性要求很高的身份识别系统，将人脸识别技术和密码、指纹等技术手段融合起来是必要的。
徐静云[5]2007年在《复杂背景下人脸检测与识别技术研究》文中指出人脸检测与识别技术是一种重要的生物特征验证手段,在安全访问控制、视觉监测、智能用户接口、基于内容的图像检索等方向有着重要的应用。本文在研究了人脸检测和识别的基本理论和关键技术的基础上,重点讨论了在复杂背景和可变光条件下,彩色静止图像的人脸检测和识别问题,它包含基于肤色的人脸粗检测和基于人眼的细检测、基于主成分分析法的人脸特征提取和基于改进的神经网络人脸识别四个主要模块。首先,对人脸肤色的聚类特性进行了研究,基于不同的颜色空间肤色聚类结果的对比,本文选择了YCbCr颜色空间,接着建立高斯肤色模型,对人脸图像进行相似度计算,采用基于梯度调整的改进Otsu算法进行自适应阈值肤色分割,最后通过数学形态学处理,排除部分假区域(非肤色区域),实验证明该方法可以有效地从复杂背景下的彩色人脸图像中提取出较准确的肤色。其次,利用边缘检测算法、制定人脸规则,排除类肤色和明显非人脸区域,接着根据人眼灰度特征和人眼区域复杂度特点,改进了一种人眼精确定位算法,实验证明该方法可以精确地提取出人眼,然后根据人眼几何特征提取出人脸,并归一化、标准化。随后,利用PCA算法读取人脸库,训练形成特征子空间,接着把训练图像和识别图像投影到该特征子空间中,得到对应的特征向量和特征值,然后通过传统的和基于改进的BP神经网络算法对人脸进行训练和识别。通过实验结果分析,证明改进的BP方法识别率更高,训练次数也远远小于传统的BP神经网络方法,识别时间也明显少于传统的BP神经网络算法,为复杂背景下实时人脸检测和大型人脸库的快速准确识别提供了可能。最后,给出一个复杂背景下的人脸检测和识别系统的架构,并用Visual C++实现了人脸检测系统,结论表明该人脸检测系统适用于复杂背景下的人脸检测,并且具有较强的鲁棒性。对于特征提取和识别系统通过matlab仿真实现,结论表明提取和识别系统对ORL人脸库样本有很高的识别率。
高岩[6]2009年在《基于准二值图像的人脸识别算法研究》文中研究指明人脸,作为最主要的生物特征,在人们日常交往中起到至关重要的作用,人脸识别技术也是模式识别和机器视觉领域最富挑战性的研究课题之一。人脸识别系统主要包括人脸检测,人脸特征定位以及人脸识别叁部分,其中人眼定位在人脸检测和识别中起着关键的作用。本文利用含有极少灰度值的准二值图像为研究对象,利用投影函数、空间向量夹角以及改进的HAUSDORFF距离为研究手段分别对眼仁定位和人脸识别算法进行了研究,给出了新的定位算法和识别模型。主要工作如下:1、提出了一种基于以二次二值化图像为研究对象,二次垂直投影为定位手段的眼仁定位方法。用小波变换和新奇异值重建后的准二值图像为人眼定位的后续工作搭建了较好的平台。实验证明,与投影函数结合起来的眼仁定位方法简单易行,准确度高,定位效果好。2、提出了一种新的基于奇异值分解与空间向量夹角相融合的人脸识别算法。同样是基于准二值图,不同的是用人脸整体和局部的奇异值分解得到不同的奇异值向量作为待识别量,最后用空间夹角最小的判别方法来进行识别。实验表明:两种方法都取得了较好的识别效果,但基于局部奇异值加权算法的识别率好于整体奇异值分解的识别率。3、提出了基于准二值图和改进的HAUSDORFF空间距离相结合的人脸识别算法。我们同样用转化后的准二值图像来进行识别。实验数据表明:用改进的HAUSDORFF距离与准二值人脸图像相结合的识别方法比前人提到的识别方法更有效。值得注意的是,以上两种方法均省去了对图像训练的步骤,在提高了运算速度的同时,达到了良好的识别效果。
费俊琳[7]2008年在《基于改进特征点定位算法的人脸自动识别系统研究》文中研究说明科技的日益发展,对计算机视觉以及人工视觉提出了新的需求,而人脸的自动识别技术作为近年来计算机视觉和模式识别中最为活跃的话题,被人们视为研究的一个热点。人脸的自动识别系统主要由人脸检测、特征点提取、人脸特征表征、人脸匹配识别四个部分组成,本论文主要针对特征点提取和人脸表征技术进行研究,目的是进一步提高人脸特征提取和识别算法的鲁棒性及有效性。论文首先基于Adboost算法提取出来的人脸图上,针对眼睛定位的传统模板匹配法进行改进,以叁组实验证明改进后的模板匹配算法提高了眼睛定位的精确度和定位的速度,然后在特征点精确定位的基础上对人脸识别中的人脸弹性图束进行研究,进行自动人脸识别。本论文的主要创新性成果如下:⑴论文针对传统眼睛定位模板匹配算法精确度上的不足,在算法中对模板的定义进行了改进,将眼睛特征模板进行物理扩大,形成眼眉模板,避免眉毛与眼睛的高相似度所造成的特征点错误定位。⑵论文在提高定位精确度的工作量上,在传统的模板集选取上提出基于相关系数选取原则,对模板进行筛选录用形成一定相似度阈值下的模板集。在提出基于相关系数原则来形成模板集后,很大程度上去除了模板集中两两模板之间的冗余度和相似性,避免了人为因素在模板选取中造成的误差,且提高了特征点定位速度。⑶提出将人脸图束模板BFG作为训练集的训练集,同时也作为测试集的训练集,可将BFG保存在系统内存中,当新的人脸图像进入时,利用BFG提取训练集的人脸特征数据添加到原有的训练集人脸特征数据中,进行识别,而不用重新计算训练集的人脸特征数据。
高玉芳[8]2008年在《视频搜索中人脸识别关键技术的研究与实现》文中认为本文对人脸检测与识别技术进行了研究,实现了一个用于视频搜索的自动人脸识别系统。该系统对输入的视频帧进行人脸检测和定位,经过图像预处理之后,进行重要特征点Gabor-Fisher的特征提取和分类识别。本文主要研究了以下叁方面内容:1.研究了基于Adaboost级联分类器的人脸检测方法,该方法首先利用图像中的Haar-Like特征构造一系列弱分类器,然后通过Adaboost方法对这一系列弱分类器进行训练,构造出一个强分类器,最后将多个强分类器级联形成分层检测结构。实验表明,对于视频中的人脸,该方法有较高的检测率,且实时性好。2.提出了一种运用矩形框寻找眉眼块和眼部灰度积分投影相结合的人眼定位方法,实现了较高的定位准确率。以人眼坐标为基准实现了人脸图像的几何归一化和灰度归一化,去除了大部分头发、背景等干扰信息,并对姿态和光照进行了校正。3.在人脸识别技术中,研究了特征脸方法、Fisher脸方法及结合图像Gabor变换的直接采样Gabor-Fisher方法和重要特征点Gabor-Fisher方法。与特征脸方法和Fisher脸方法相比,Gabor-Fisher方法对人脸姿态、表情和光照变化有更好的容忍性,具有更高的识别率。最后,实现了视频搜索中的自动人脸识别子系统,用6段视频对系统采用的人脸检测方法、人眼定位方法和四种人脸识别方法进行了实验。结果表明,基于Adaboost的人脸检测方法和矩形框人眼定位方法准确率和速度均能达到系统要求;识别方法中,重要特征点Gabor-Fisher方法识别性能最好。
王海炳[9]2008年在《人脸识别技术研究与实现》文中指出人脸识别是一个具有很高理论和应用价值的研究课题。随着社会的发展与科技的进步,对方便、可靠、自动身份鉴别的实际需求日益增加,人脸识别技术因而成为了机器智能研究领域的热点问题。研究人脸识别技术,其意义在于推动图像处理、模式识别、认识科学、生理学、心理学等相关学科的发展,满足身份验证、基于内容的检索等实际需求。本文结合人脸识别技术领域的已有成果,针对尚未解决的一些问题,在人脸检测、特征提取和分类识别叁个方面进行了相关的研究,主要内容如下:1、改进了传统的基于肤色模型的人脸检测方法。该方法首先依据肤色模型从人脸图像中找出所有可疑的肤色区域,然后在这些区域上应用眼睛模板来查找眼睛的精确位置。实验证明,该方法能够准确实现人脸检测和眼睛定位。2、提出了一种基于局部特征分析的人脸识别方法。该方法先对人脸区域进行一系列的预处理,然后以双眼作为器官基准,根据面部各个器官的形态、颜色特征以及相互之间的位置关系,成功提取了面部各个器官的局部几何特征,其中以二进制编码的形式来表征眉毛的特征。实验证明了该方法的有效性。3、在比对识别中引入了排队计分准则。该准则通过特征加权,计分和排队,较好地实现了样本的真实匹配。此外,本文提出的一种分级识别的策略,按照特征的重要性对样本进行筛选,取得了较好的效果。4、提出了一种融合全局主成分分析和局部主成分分析的方法。该方法先对整个人脸进行主成分分析(PCA),然后对人眼局部区域进行主成分分析,最后将两个结果融为一体。实验证明,该方法的识别率高于单一的全局PCA方法。5、提出了一种融合小波分解、平滑滤波和核主成分分析(KPCA)的方法。该方法首先利用小波分解来降低图像特征的维数,滤除高频信息,保留低频信息,然后利用平滑滤波来进一步削弱图像的高频信息,最后用KPCA进行特征提取和分类。实验证明,该方法比不用平滑滤波的同类方法的识别率更高,且对运算时间影响不大。
孙继文[10]2014年在《人脸识别算法的研究》文中研究说明人脸识别（Face Recognition）是人类视觉最杰出的能力之一，与其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系。人脸识别技术结合了图像处理技术与特征提取等多种技术，随着社会对快速、准确的自动身份验证的实际需求日益迫切，人脸识别己经成为模式识别和计算机视觉领域的研究热点之一。本文重点研究了图像处理技术、几何特征的人脸识别技术和基于Hough变换的人脸识别方法。首先研究了图像处理技术中主要的几种图像处理方法，再根据实际的需要重点研究了关于灰度变换、滤波处理、图像归一化（角度旋转、图像剪裁、图像的尺度归一化）的方法，以便提取到的目标图像可以满足系统的要求；其次研究了基于几何特征的人脸图像特征定位和人脸图像特征提取的算法，通过人脸图像的特征定位，提取眼睛、嘴巴、鼻子的特征点，在人脸图像中五官已经定位的基础上，提取左脸颊、右脸颊以及下颌等元素的特征；针对Hough变换在人脸识别过程中，处理复杂程度高的图像时，处理速度变慢的问题，提出了一种基于Hough变换的改进人脸识别算法。该算法利用图像复杂度的概念快速定位五官，利用Hough变换将脸颊等曲线变换成点，采用分级Hough变换的思想来降低算法的复杂度，建立了一组精炼的特征向量，达到快速、准确识别目标图像的目的。本文在上述研究成果基础上，在Vc++环境下，开发了人脸识别系统。实验和系统运行结果表明，本文所提出的算法比改进前算法运算速度快、识别精度高，取得了预期的效果。
参考文献：
[1]. 基于二值边缘图像的眼睛定位和人脸识别[D]. 宋加涛. 浙江大学. 2004
[2]. 基于肤色的人脸检测和面部特征定位技术研究[D]. 罗敏. 江苏大学. 2008
[3]. 视频图像中的运动人体检测和人脸识别[D]. 李春明. 西安电子科技大学. 2005
[4]. 人脸检测和识别技术的研究[D]. 赵明华. 四川大学. 2006
[5]. 复杂背景下人脸检测与识别技术研究[D]. 徐静云. 山东理工大学. 2007
[6]. 基于准二值图像的人脸识别算法研究[D]. 高岩. 北京化工大学. 2009
[7]. 基于改进特征点定位算法的人脸自动识别系统研究[D]. 费俊琳. 上海交通大学. 2008
[8]. 视频搜索中人脸识别关键技术的研究与实现[D]. 高玉芳. 北京邮电大学. 2008
[9]. 人脸识别技术研究与实现[D]. 王海炳. 武汉理工大学. 2008
[10]. 人脸识别算法的研究[D]. 孙继文. 沈阳工业大学. 2014
标签：计算机软件及计算机应用论文; 人脸识别论文; 人脸检测技术论文; 特征提取论文; 图像识别技术论文; 图像分割论文; adaboost人脸检测论文; 图像融合论文; 人工智能论文; 算法论文;