统计人脸识别及部特征检测.pdfVIP

摘 要 人脸识别是模式识别与人工智能的研究热点之一。在生物特征识别中，人脸识别占有 极为重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛的应用。 人脸识别的过程主要分为三个阶段，即预处理、特征提取、分类。随具体应用的不同，预处 理的方法和难度也会有所不同，特征提取是识月、l过程的核G，特征的有效性直接影响到分类 的速度和识别的性能。本文主要从统计模式识别的角度出发，来研究人脸图像的特征提取问 题。它可以分为4部分：基于统计表征的特征提取；基于统计辨别的特征提取：非线性特征 提取；芟换域特征提取。论文的最后还研究了简单背景、突出人脸的脸部特征检测问题。 在基于统计表征的人脸识别方西，本文骤确研究了类均值脸的识别性能，无论是数值 计算还是识别性能，都具有较好的稳定性。并且发现均值PCA可以用较少的特征达到传统 PCA的水平。在图像的傅立叶变换域，我们也进一步发现对于姿态变化，幅值谱可以改进识 别性能；而对于光照变化，则无此效果。训练样本的缺乏可以通过内插操作部分地解决，我 们提出一种简单的内插方法，在扩展训练集下，识别性能有所改进。我们还研究了均值PcA 和NFL结合的情况，一般情况下，均值PCA可以获得与传统PCA类似的性能。PCA是基于二 阶统计的，是一种解相关操作，而ICA进一步去除了像素的高阶相关。在特征脸空间上的 1eA可以得到更优的识剐性能，但由于算法的原因，又带来了计算的不稳定性。 PCA、ICA算法并不是面向识别分粪的，LDA是在类内散布S。最小、而类间散布S最大 原则下建立起来的基于统计辨别的方法。小训练集问题是LDA算法的根本弱点。我们发展了 现有的解决方法，发现不但瓯的零空问对辨别有用，其非零空间也有辨别信息，咒亦然。 辨别空翔的获得由同步对角化完成，其顺序决定着S。、最辨别信息的保留程度。另一个解 决方案就是数据先在PCA空阃降维后，再进行辨别分析。线性辨别空问是非正交的，特征之 间有信息冗余，事实证明，正交空阅更有利于识别。本文提出一个简捷的正交空间计算方法 一一正交分量辨别分析(OCDA)，它没有增加特征维数，也没有明显增加计算量，却提高了 识别率。另外，我们也率先研究了独立分量空间LDA的识别性能。 在核函数的辅助下，PcA和LDA都可以扩展到非线性领域。本文采用多项式核函数。非 线性特征一般可以获得更优的识别性能．我们研究了核PCA和核辨别分析在s州分类器下的 识别问题，获得了很好的识别效果。SVM的性能一般优于最近邻分类器。 Gabor小波变换可以提供图像的冗余表示。本文首先回顾了Gabor小波编码的一些问题， 然后探讨了空频域采样的情况。针对GFc方法的均匀下采样模式，我们认为不同频带的辨别 信息是不同的，低频分量中较丰富，而高频分量中较少。基于这种考虑，提出一种非均匀采 样模式，其优越性为识别结果所证明。传统的EGM算法基于整张脸，我们提出一种基于局部 特征(包括眼、鼻、嘴、内脸)的联合EGM算法，既避免了EBGM的特征点定位问题，又为 不同的特征提供了不同的权重，同时基本没有增加运算量。 虽然很多单一分类器可蚍取碍不错的识剐性能，但还没有哪个分类器具有明显的优势， 这就为分类器组合提供了潜在的可能。我们选用了4种单一分类器进行组合实验，在多数投 票和Borda计教规则下，识别率明显提高。 人脸辁疆q是人脸识剐的首要任务。本文初步研究了简单背景的单人硷检湔问题。这种 检测要求定位出脸部特征的准确位置扫脸部边缘，为归一化配准和人脸识剥做准备。我们提 出了一种基于frabor变卓是的多分辨人眼检测方法。另外，用Gabor变换加速概率视觉学习 (PVL)算法进行左眼检测，利用先验知识和PVL算法定位出右眼和鼻子，利用几何拓扑关 系和灰度投影得到嘴的位置。然后由这些脸部特征的位置给出ACM模型的初始位置，并在人 脸边缘形状的限制下定位出有意义的边缘，这种方法称为统计限制的ACM算法(SCACM)。实 验表明，SCACM的结果要比ACM的更容易为人接受。 关键词： 模式识别人脸识别统计表征统计辨别核函数Gabor变换分类器组合 人脸检测与定位统计限制ACM模型 Il ABSTRACT Face asat／activeresearchin Recognition