视频序列人脸图像分割与识别技术研究.pdf

视频序列人脸图像分割及识别技术研究 摘要 摘要 随着计算机和网络信息技术的发展，对快速有效的自动身份验证的要求日益迫 切，已经引起了国际学术界和企业界的广泛关注。生物识别是一种根据人体自身的 生理特征(如指纹、脸像、虹膜等)和行为特征(如笔迹、声音、步态等)来识别身份 的技术。由于脸像作为一种高普遍性的、可非接触式采集的重要生物特征，可以应 用在多种不同的安全领域，如公安刑侦、司法鉴定、访问控制、金融支付、医学应 用、视觉监控和视频会议等，因此人脸识别正在成为当前人们关注和投入较大研究 力量的重点。依托于计算机视觉、图像处理、模式识别和神经网络等领域的人脸自 动识别技术是现今国际前沿和热点问题，有着十分重要的现实意义。 本文在分析和总结国内外近十多年来的相关研究成果和最新研究进展的基础 上，针对应用上急需解决的人脸分割定位和人脸识别的方法和理论进行了系统的实 验和理论研究，在视频序列人脸图像分割与识别技术方面取得了一些成果。 本文的主要研究内容集中在两个方面：视频序列中人脸图像分割方法和利用提 升小波变换与学习矢量量化网络相结合的人脸识别方法。从人脸检测到人脸识别， 本文力图将马尔可夫随机场理论、数学形态学、机器学习、优化理论、小波变换、 神经网络等方面的成果，与计算机视觉领域对图像进行智能解译的理论结合起来， 提出并实现了一系列有实际应用价值的算法。 本文在研究了马尔可夫随机场理论和数学形态学基本运算后，利用它们各自的 特性，提出了将马尔可夫随机场理论与数学形态学相结合的方法，对视频序列中的 运动目标进行提取，再利用区域生长方法及人脸几何特征对人脸图像进行初步分 割。 采用基于高斯马尔可夫随机场模型的运动目标自动分割算法，可以将运动目标 从背景中分离出来。该算法利用高斯分布描述视频序列的帧差图像的条件概率分 率模型参数问题。在此基础上建立马尔可夫随机场模型，构造系统相应的能量函数。 Condition 然后通过ICM(IteratedModes，迭代条件模型)优化算法求解能量函数的 视频序列人脸图像分割及识别技术研究 摘要 最优解，得出标记场，自动提取出序列图像中的运动目标。 数学形态学的应用可以简化图像数据，保持它们的基本形状特征，并除去不相 干的结构。利用形态学的黑Top—Hat变换，可以使亮的背景下的较暗像素聚集，为 图像分割带来方便。在进行标记抽取时，采用先提取图像边缘，然后将每一个连通 区域设为标记的方法，减小了标记抽取的盲目性。通过区域生长使分割区域得到优 化，最后利用人脸几何特征，通过定义两个距离参数及阈值，将人脸有效地框在椭 圆内。实验结果表明，该分割算法能初步分割出人脸区域。 本文提出了用支持向量机方法精确地定位人脸眼睛位置，结合人脸几何特征信 息，实现了人脸候选区域的准确定位。由于背景等诸多因素的影响，如果单靠几何 特征来进行人脸检测，这是一种不可靠的方法，将会导致人脸区域的误定位。因此 提出了利用支持向量机确定眼睛位置和人脸几何特征信息相结合的算法，进一步验 证人脸候选区域是否为真正的人脸区域。 本文在研究小波分析和人工神经网络理论的基础上，提出了一种用第二代小波 (提升小波)变换与学习矢量量化网络相结合的方法实现对多姿态人脸的识别。 人脸识别过程的核心是选择恰当的人脸表征方式与匹配策略，通常根据人脸图 像的全局信息进行匹配，或者根据所提取的特征进行匹配，匹配的方法与人脸的表 征方式密切相关。本文通过提升小波变换实现人脸特征提取。基于提升算法的小波 变换又被称为第二代小波变换，小波变换实质上是对信号用一种多尺度的带通滤波 器进行滤波，将信号分解到不同的频带上再进行分析处理，具有良好的时频域局部 性能、多分辨率分析等优点。由于提升算法可以实现原位运算，小波变换后的系数 是整数，因此特征抽取的速度大大提高。提升小波变换被用于人脸识别主要由于： 人脸图像通过小波分解后，在不同方向上子图的分辨率减少，计算复杂度相应降低： 同时它在空域和频域都提供了良好的局部信息；人脸图像信息中低频部分描述的是 图像的整体(形状)，高频部分描述的是图像的细节信息，人脸的光照、少许遮罩、 旋转扭曲和面部表情等只影响图像中高频部分。利用提