基于aam的人脸建模与匹配技术的研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 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。 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） 签名： 导师签名： 日期： 年 月 日 万方数据 万方数据 摘要 摘 要 处在信息化时代,数据的海量以及安全对人们造成了很多困境。随之，生物特 征识别技术越来越受到人们的重视,人脸识别作为生物特征识别研究领域之一，凭 借其很多优点，也成为了人们研究的热门领域。人脸识别的完整过程主要包括四 个方面，人脸图像的采集、人脸检测、特征点提取与定位以及特征匹配与识别。 其中,特征点提取与定位和特征匹配与识别这两个方面对人脸识别的准确率和效率 起到至关重要的作用。本文对经典的动态外观模型(Active Appearance Model, A- AM)、反向合成图像对齐算法(Inverse Compositional Image Alignment, ICIA)进行 了深入的分析与研究，并且针对经典算法的计算的时间复杂度大、容易受到光照、 角度、表情等的影响做了改进，提出了半动态外观模型(Semi-Active Appearance Model,SAAM)，此模型在建模以及匹配的过程中，降低了数据计算过程中的时间 复杂度和空间复杂度，并且在匹配识别的准确率上有一定的提高。 本文的主要研究方面以及创新结果如下： (1) 详细的研究了 AAM 的建模以及匹配计算。AAM 的建模包括形状模型的 建立、纹理模型的建立以及组合模型的建立，该模型对人脸的特征点定位较准确， 很好的表示了人脸图像的外观， 但是由于人脸图像数据量很大，从而计算量较大； AAM 的匹配计算是采用经典的梯度下降法，效率比较低。 (2) 在 AAM 的匹配计算中，考虑到经典的梯度下降法效率较低，深入的研究 了反向合成图像对齐算法。此算法是由 Lucas-kanade 算法与前向合成图像对齐算 法进行推导得来，在理论上得到了证明，并且将反向合成图像对齐算法应用到 AAM 的特征匹配计算中，计算效率得到了很大程度的提高。 (3) 针对 AAM 建模的过程中，计算数据量大、容易受到光照、角度、表情的 影响，本章提出了 SAAM 模型。此模型是将动态形状模型(Active Shape Model, ASM) 与灰度共生矩阵(Grey Level Co-occurrence Matrix, GLCM)相结合推导出来的。该模 型在建立的过程中，省去了很多计算特征值、特征向量的复杂计算，在匹配计算 的过程中，为了提高匹配的计算效率以及准确率，将反向合成图像对齐算法应用 于其中。经过试验证明，该模型具有计算简单、识别准确率高等特点，有效地解 决了 AAM 在计算效率、识别准确率存在的问题。 (4) 本章在基于 OpenCV 的环境下，并利用 MFC 实现了一个完整的人脸识别 I 摘要 程序软件。该过程包括图像采集与人脸检测模块、特征点提取与定位模块、特征 匹配与识别模块以及存储模块。 关键词：人脸识别、动态外观模型、半动态外观模型、反向合成图像对齐、灰度 共生矩阵 II ABSTRACT ABSTRACT In the information technology era, people have no chance but no confront the explosion of knowledge and the security of data. Then, biometric feature identification technology has been more and more attentioned, and face recognition becomes one of the important research field of biometrics identification technology with its many advantage. The complete process of fa