面向确认任务的人脸识别技术研究-计算机应用技术专业毕业论文.docxVIP

摘要自动人脸识别技术包含人脸辨汉和人脸确认两类不同的任务。近年来。自动人脸 摘要 自动人脸识别技术包含人脸辨汉和人脸确认两类不同的任务。近年来。自动人脸 识别技术取得了很大的进展。但是大多数研究工作集中f人脸辨识领域，只有少数文 献探讨人脸确认问题，而且没有对人脸确认的特殊性进行深入研究。基f此，本文重 点针对人脸确认问题进行了研究，主要工作包括： (1)集中讨论了人脸确认任务的特殊性问题，从多个方面对人脸确认与人脸辨识 进行了比较，并推导了“酋选识别率”、“等错误率”以及“最小错误卒和”之间的数 学关系，提出了计算系统的辨ij{和确认性能的数学模型，并使用该模型在理论上证明 了：当用户的类内和类问相似度值的分白发生变化时，系统的确认性能和辨识性能遵 循不同的变化规律。也就是说：一种辨识性能好的算法，未必具何好的确认性能，反 之办然。 (2)探讨了确认系统中的闳值设定策略。针对图像表观变化导致的相似度偏移问 题，本文讨论了解决该问题的两种方法：用户特定阀值和分值l门一。我们通过理论分 析，证明了在每个用户只有一幅训练图像时，用户特定闽值与Z-Norm分值归一方法 的效果等价，并通过实验验证了这一结论。我们在FERET和CAS-PEAL人脸库上使 用多种分类算法进行实验，实验结果表明，与统一阈值方法相比，在多数情况下分值 门一方法能有效的改进人脸确认系统的性能。 (3)研究了基丁二SVM的人脸确认算法。本文在PCA和LDA子空间中，求取样 本的差向鞋，再使用SVM分类器对类内差和类间差进行分类。我们在FERET人脸库 上将SVM方法同多种基准算法进行比较，实验表明：在PCA子空问中，使用SVM 方法对类内和类问差向鼍进行分类，与传统的豇接计算向黾相似度,}ULt，能有效提高 系统的确认性能，而在LDA_f空『日J中，对差向黾的SVM分类方法不能明显改进确认 性能。 (4)提出了一种新的基于局部二值模式的SVM人脸确认算法(LBP—SVM)。该 方法首先提取图像的LBP特征，然后计算出局部统计相似度，并将所有的局部相似度 连接成相似度向肇，最后使用SVM分类器对类内相似度向最和类问相似度向量进行 分类。对j二FERET人脸库的所有测试ff集，LBP—SVM方法的确认性能都好于不加权 的LBP算法。 本文在人脸确认问题上的初步研究结果使我们进一步认识到：尽管确认与辨识在 核心技术上是相通的，但确认问题的确存在其特殊性，尤其足相似度偏移问题，应该 引起更多的关注。 AbstractAutomatic Abstract Automatic Face Recognition(AFR)includes two tasks：identification and verification． It has received large progress in recent years．However,most research focuses on face identification．Only a few papers concern the verification of faces，yet have little deep research on its special characteristics．This thesis deals with the face verification．The main work ofthis thesis is as follows： (1)nle specialty of face verification techniques is investigated in this thesis．We compare face verification with face identification from several aspects．and deduce several mathematical relations among the Rate of Top One Match，the Equal Error Rate，and the Minimum Total Error Rate．This thesis presents a mathematical model to compute the identification and verification performance，and uses this model to theoretically prove that the performances ofidentification and verification follow different rules ofchange when the distribution of in