基于几何与数学特征的人脸识别算法研究-电子与通信工程专业论文.docxVIP

摘 摘 要 I万方数据 I 万方数据 摘 要 人脸识别技术是现今生物特征识别领域中最热门的研究课题之一，它被普遍应用 于安防行业、人脸考勤系统、门禁系统等方面。本文针对人脸的几何特征和数学特征 进行研究，其主要的贡献包括： （1）针对眉毛的几何特性，提出基于几何特征的眉毛模型，该眉毛模型包括眉 毛的面积、眉毛的长度、平均宽度、眉毛的弯曲程度和眉毛的走向趋势等几何参数， 并且通过实验分析验证所提取的几何参数的有效性。 （2）提出了基于人脸脸型的人脸个性几何特征提取方法，分析研究人脸几何特 征的鲁棒性，并对所提取的人脸个性几何特征进行实验统计分析，通过实验验证了提 取的几何特征的有效性。 （3）提出一种新的基于图像显著性的多级加权 LBP 人脸识别算法。第一，为了 充分应用人脸的局部特征，提出了一种多级 LBP 特征人脸描述方法，即采用多级大小 可变的窗口对人脸图像进行扫描，得到一系列的图像块，再计算每一图像块的 LBP 特 征。第二，为了计算各个局部特征在人脸识别过程中的权值，提出一种基于图像显著 性的局部特征权值的计算方法，在人脸比对时根据计算得到的权值将每个 LBP 特征直 方图比对的相似度相加，得到最终的人脸相似度。实验表明，该算法相比原始 LBP、 PCA 人脸识别算法，在 AR、ORL 以及 YALE 人脸库上均获得更高的识别率。 （4）分别提出了眉毛几何特征、人脸个性几何特征以及数学特征在人脸比对时 的比对策略，采用打分的机制记录特征比对的结果。 （5）为了实现人脸几何特征与数学特征相融合的人脸识别算法，提出了基于权 值的几何特征与数学特征的融合策略，即根据不同的人脸特征赋予不同的权重，按照 相应的权值将人脸特征比对得分相加得到最终的人脸比对分数，根据这个最终的分数 完成人脸识别。实验结果表明，采用几何特征与数学特征相融合进行人脸识别比使用 单一人脸特征进行人脸识别时有更高的识别率。 关键字：人脸识别；几何特征；数学特征；LBP 特征；图像显著性 Abst Abstract II万方数据 II 万方数据 Abstract Face recognition technology is one of the hottest research topics in biometric field. It is widely used in the security industry, face attendance systems, access control systems. In this paper, the geometric and mathematics features of the human face were researched, and the contributions include: For the geometric properties of the eyebrows, a model based on geometric characteristics of the eyebrows is proposed. The model includes eyebrow area, length of the eyebrows, the average width, degree of bending eyebrows and eyebrows trend towards. The effectiveness of extracted geometric parameters is verified by experimental analysis. Face personality geometric feature extraction method based on human face is proposed and the robustness of face geometric features is researched. It is to analysis and validates the effectiveness of the geometric characteristics of extraction by experiments. A new multilevel weighted LBP face recognition algorithm which based on image saliency detection is presented. Firstly, in order to use the local characteristics of face effectively, a multilevel LBP features de