基于HOG特征的人脸识别系统研究-信号与信息处理专业论文.docxVIP

THE RESEARCH OF FACE RECOGNITION SYSTEM BASED ON HOG FEATURE A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Signal and Information Processing Author: Chunlei Mu Advisor: Professor Mei Xie School: School of Electronic Engineering 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘 要 人脸识别很久以来一直是计算机视觉和模式识别领域最关注的问题。近年来 人脸识别技术取得了日新月异的发展，但在复杂环境下的人脸检测和识别，如表 情、姿态、复杂光照环境下仍有待进一步发展与完善。梯度方向直方图（Histograms of Oriented Gradients, HOG）已被证实为在目标识别领域非常有效的特征提取算子。 本文提出了一种基于 HOG 特征的人脸检测方法，研究了一种基于 HOG 特征的人 脸特征提取方法,并构建了人脸检测和识别系统。 本文所做的主要研究工作如下： 1.研究并实现了一种基于 HOG 特征结合支持向量机（Support Vector Machine, SVM）的人脸检测算法，完成了人脸检测分类器的训练。提出了一种人脸检测分 类器设计方法，该方法先训练出大量基于 HOG 特征的局部 SVM 分类器，然后从 这些局部分类器中选出分类效果较好的。把选出的各个局部分类器对训练样本的 分类结果组合成新的特征向量，最后对这些向量再次用 SVM 训练出最终的分类器。 同时在训练和检测过程中运用 HOG 积分图，从而显著提高了训练和检测速度。 2.研究了全局 HOG 特征和局部 HOG 特征融合的特征提取方法。为了去除全 局 HOG 特征冗余信息和解决类内离散矩阵奇异的问题，先将全局 HOG 特征用主 成份分析（Principal Component Analysis, PCA）降维，再用线性判别分析方法(Linear Discriminant Analysis, LDA)降维，得到全局特征向量。另外，我们将人脸图像做区 域划分，再用 Fisher 线性准则降维各个区域 HOG 特征，得到局部特征向量。最后 把局部特征和全局特征结合起来，通过把距离加权求和的方式来确定最终人脸分 类器。该算法得到的特征向量保持人脸的只有性和稳定性特点，对光照、姿态、 表情、距离等因素造成的人脸多变性具有较强的鲁棒性。 3.为了克服光线不好情况下的暗度图像和强光照射情况下的高亮度图像中人 脸检测困难的问题，本文提出一种图像预处理方法，该方法用灰度实现分段 Gamma 校正，实现了低灰度像素范围的向高灰度拉伸，高灰度范围像素向低灰度的拉伸。 4.在多个图片库上分别进行了人脸检测及识别测试，实验结果表明，本文所用 人脸检测及识别算法表现良好。 关键词：人脸检测，人脸识别，Gamma 校正，HOG I ABSTRACT ABSTRACT Face recognition has long been a concern in the field of computer vision and pattern recognition. In recent years, the face recognition technology has made rapid development, but Some shortcomings still need further development and improvement. Gradient orientation histogram has been proven very effective re