基于人脸表情变化下的人脸特征提取算法研究2.0..ppt

一、立项背景 人脸特征提取是人脸识别和人脸检测的关键环节，是针对人脸进行特征建模(精细建模)，即在低维特征空间内对原高维人脸模式进行描述、模拟的过程，从而提取出有利于分类的低维特征。有效的特征提取方法不仅有助于简化后续的分类器和检测器的设计，而且能够提高识别率和检测率。目前，人脸检测技术发展较快，但是在表情、光照等因素发生较大变化时，人脸特征提取技术还缺乏切实有效的方法。因此，对于人脸特征提取算法的深入研究有着重要的理论意义。 二、主要研究内容 假设Ｉ（ｘ，ｙ）表示点（ｘ，ｙ）处的像素灰度值，在区间［ｘ１，ｘ２］和［ｙ１，ｙ２］内的垂直积分投影函数和水平积分投影函数分别表示为Ｓｖ（ｘ）和Ｓｈ（ｙ），则 (1) 平均积分投影函数Ｍｖ（ｘ）和Ｍｈ（ｙ）分别表示为 (2) 当图像某一列像素灰度均值发生变化时，这种变化会在Ｓｖ（ｘ）和Ｍｖ（ｘ）的值上反映出来。同理，当图像某一行像素灰度均值发生变化时，这种变化会在Ｓｈ（ｘ）和Ｍｈ（ｘ）值上反映出来 。因此，可以通过对积分投影函数值的分析提取图像中的特征。　　 三、主要研究路线及方案 三、主要研究路线及方案 LOGO * LOGO 基于人脸表情变化下的人脸特征提取算法研究 数学与统计学院 2010级信息与计算科学专业 指导老师 何光辉 副教授 项目组成员 郑启明 卜晓庆 简介 立项背景 一 主要研究内容 二 主要研究路线及方案 三 二、主要研究内容 针对有表情影响下的人脸图像识别的特征提取算法进行研究和分析。采用基于局部特征的积分投影分析方法与模板匹配相结合的人脸描述方法，提高人脸特征提取和识别算法的鲁棒性及在复杂背景下运行的有效性。 1、研究基于局部投影法，引入多维特征分量进行改进算法的准确率 2、对比同类的局部分析算法的运行效率及精确度 主要目标 三、主要研究路线及方案 同类算法比较 同类算法对比 特征脸法提取 线性判别 几何特征提取 Fisher特征提取 布尔核SVM 隐马尔可夫模型 三、主要研究路线及方案 特征脸法 FISHER法 难点 创新点 1.结合人脸全局信息和局部信息 2.基于积分投影分析人脸的表述方法 预期 1.表情变化引起相关提取特征向量的差异，灰度值差值较大。 2.人脸模式的类内离散度远远大于类间离散度，导致很难有效地提取分类特征。 改善局部特征的投影分析法，改进多维特征向量，提高算法的有效性和鲁棒性 LOGO