基于多模式融合的人脸识别算法研究-电路与系统专业论文.docxVIP

太原理 太原理工大学硕士研究牛学位论文 太原理 太原理 ..l 大学硕士研究生学位论文 PAGE PAGE 3 PAGE PAGE 6 该遗斗J二 次特征提取，即特征降维。 (4) 识别分类 识别分类也称为特征匹配， 是将 提取山的特征向量与人脸数据库中的信息做 匹配 ， 根据设计的分类器和判别标准确定待识别人脸的身份。这 一过程对特征提取的依赖性很 大。 人脸识另IJ 系统的性能优劣根大程度取决于 浏个方面:第 ，所采用的特征提取方法 以及提取出的特征向军 ;第二 ，所选用的分类器。 1.3 国内外研究现状 1.3.1 二维人脸识别 二维图像人脸识别研究开展的较早，已经有了不少优秀的算法 ，在实验室环境下取 得了较高的识别率 ，依据这些算法思想的不同大体可以分为以下几类 :基于子空间分析 的方法、基于几何特征的方法、基于校板匹配的方法、基于神经网络的方法等 。 基于-子宇间人阶识别方法的指导思想为 : 将阁像海 一高维数据通过一种线 性或非线 性变换，压缩 到一个低维特 征手空间 ，以便后续 的分类识别 。子空间可以消除原有 的冗 余信息，为人脸数据提供更好的描注手段。目前，基于于空间思想的二维人脸识别方法 己经渐渐成为人脸识别方怯的主流。 Sirovitch 和 Kirby 最早将 PCA 方法引入到人脸识别中 [JO). Turk 和 Pentland 在此基础 上提出了特征脸也 ìgcnfaccs ) 方法{IIJ ，作为人脸识别领域最流行的算法，基丁PCA 的 算法已经成为不同算法 félJ 性能比较的基准 。 Belhumcur 等人提出了 Fishcrfac巳5 方法112J 。实验证明， Fisherfaces 的性能优于 Eigenfaces . M ika 将核分析技术引入到 fisher 线性判断巾，形成了盯 DA 算法。 Haifeng Li 等人贝IJ 提出了 MMC 准则l l31，该准则保证了数据降维后形成的子空间具有高可分性。 宋东兴等人提出了直接基于特征矩阵的 二维相关分析方法。DPCA ) [14J ，避免了高维小 样本问题 ，提高了特征抽取速度。 Bartlett 等人对 PCA 进行改进 (1匀，以像素间高阶统计信息为识别依据 ，提出了独立 成分分析法 (ICA)。后续，很多研究者将PCA 与 lCA 结合来进行特征提取。 基于几何特征的方法是最传统的人脸识别方法，通过比较面部特征点的欧式距离、 出率、角度等几何信息来进行判断 。近年来儿何特征与灰皮特征相结合 的算法 日趋完善。 Wurtz 提出 f 基于多层次的金字塔分解的 人脸识到l贺，法[ 16)。利用金字塔分f衅，完成 了人脸从粗匹配到精确匹配的过程 。实验表明，该方法对图像 的背景变化、图像变形和 i 旋转具有良好的鲁栋性。 Wiskott 等人对图像的几何特征和灰度分 布进行了 小波变换 ， 提创 了弹性图1)1;配的方法，取得了良好的识另 IJ 结果[ 17) 0 Gabor 小波具有良好的纹理提取 特性 ，nJ 以减轻光照、姿态对识别的影响，近几年也涌现了很多优秀的算洁 ，如马小点 等人就提出了基 于 Gabor 小被和二维主元分析的人脸识别方法 ，最高识别率 达到了 96% 以七。 另外与神经网络技术相结合的人脸识别技术近些年来也发展迅速 ，基于.BP 神经网 络和 RBF 神经网络的人脸识另IJ算法也邵取得了良好的识 别效果。 ) .3.2 三维人脸识别 与-j佳图像人脸识别拥有众多成熟的识别方法相比，三维人脸识 别的研究正处于一 个高速发展期。目前有二 个主妥识别力法 : 基于整体特 1t.1)1;配 、基于局部特征匹配 、基 于空域的直接匹配。 呆下将体特征匹配方法辑眼于三维模型的整体信息 ，通常将三维棋型做转换处理， 或生J J)i.深度图、或转换为扩展高斯罔 (EGI ) 。深度图像可以作为二维阁像加 以处理 ，可 以继承二维图像人脸识别 的研究成果，如 PCA 、Fisherf注ce、JC八 等。天津大学 叶剑华 和文IJi正光提出一种结合局部二值模式 (LBP)和深度图的人脸识别方法 [181Colbry 等提出 了标准人脸深度映射法 (canonicaJ face depth map，CFDM) ，利用人脸的对称 性进行人脸对 齐， )j;采用竹:面进行人脸拟合 119人 基于局部特征的匹配则是在人脸上地取可以稳定表现人脸信 息的区域，通过提取这 些区域的特征加以分类识别 。Gordon 采用困桂 立体坐标系来计算 与二维模型中备点的曲 率(20] 。按照rHl 率的不同，在人脸七确定出特定区域，在 各区域上放置检测点，将这些点 的空间信息作为特征向量。