基于正侧面级联匹配的人脸识别算法研究

论文摘要

人脸识别是模式识别和计算机视觉领域的热点课题之一,经过30多年的研究,在环境可控条件下已达到实用程度,但在非理想成像(尤其是光照、姿态变化)、用户不配合、大规模人脸库等条件下的识别,仍然面临巨大挑战。本文针对大规模人脸库上的人脸识别问题,提出了一种正侧面级联匹配的人脸识别算法,把人脸识别设计成一个级联匹配的过程:第一级匹配主要完成在大规模人脸库中进行快速匹配,初选出若干最接近的人脸,组成新的人脸库;第二级匹配主要完成在新人脸库中进行精确匹配,最终识别出正确人脸。本文主要完成了以下工作:(1)探讨了人脸特征提取时Gabor滤波器参数的选择问题,并通过实验进行了验证。对人脸识别中核函数选择问题进行了讨论,并且通过实验确定了KPCA方法中高斯核函数的参数。(2)在正面人脸识别阶段,提出了一种在小波低频子图上结合Gabor特征和核主分量分析的人脸识别方法。首先对人脸进行二维小波分解,通过Gabor滤波器对人脸低频子图滤波,并对Gabor特征进行降采样,然后采用核主分量分析的方法进一步降低Gabor特征的维数,最后采用最小距离分类器进行识别。由于采用了Gabor滤波,该方法对光照、表情具有鲁棒性,在FERET人脸库上的实验结果表明,该方法在识别性能上优于核主分量分析的方法,在识别时间上优于不采用小波分解的方法。(3)在侧面人脸识别阶段,提出了一种利用鼻子轮廓线曲率特征进行人脸筛选的方法。首先,对侧面人脸图像进行预处理分割出鼻子,提取鼻子曲线,并对轮廓线去噪和细化。然后,用曲线拟合轮廓线,并计算曲线上各点的曲率。最后,用计算互相关函数的方法来比较两条曲率线的相似性,根据实验确定的阈值对人脸进行筛选。在FERET人脸库上的实验结果表明,该方法能够在较短的时间内对大规模人脸库进行筛选,并分离出包含正确人脸的新人脸库。实验结果表明正侧面级联匹配策略能够有效缩短识别时间,解决当人脸库规模增大时识别时间增长过快的问题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景与意义
• 1.2 人脸识别方法综述
• 1.2.1 基于几何特征的人脸识别方法
• 1.2.2 基于K-L 变换的特征脸方法
• 1.2.3 神经网络方法
• 1.2.4 弹性图匹配脸部识别方法
• 1.2.5 隐马尔可夫模型的脸部识别方法
• 1.2.6 基于FISHER 线性判别式的方法
• 1.3 人脸识别的难点分析
• 1.4 论文的内容安排
• 第二章 人脸图像的GABOR 特征提取
• 2.1 小波变换基础
• 2.1.1 小波变换
• 2.1.2 多分辨率分析
• 2.2 GABOR 小波
• 2.2.1 一维GABOR 小波
• 2.2.2 二维GABOR 小波
• 2.2.3 二维GABOR 小波参数实验
• 2.3 人脸图像的GABOR 变换
• 2.3.1 人脸图像的GABOR 特征表示
• 2.3.2 人脸GABOR 滤波结果
• 2.4 小结
• 第三章 基于核主成分分析的特征提取
• 3.1 核函数方法
• 3.1.1 核特征空间的非线性方法
• 3.1.2 核函数
• 3.2 两种特征提取方法
• 3.2.1 PCA 方法
• 3.2.2 KPCA 方法
• 3.2.3 两种方法的比较
• 3.3 KPCA 特征提取实验
• 3.4 小结
• 第四章 基于正面图像的人脸识别算法
• 4.1 问题的提出
• 4.2 提取小波变换人脸低频子图
• 4.3 提取人脸特征的GABOR 滤波器设计
• 4.3.1 GABOR 参数的选择实验
• 4.3.2 GABOR 特征的降采样
• 4.4 用KPCA 方法降维
• 4.4.1 核函数选择实验
• 4.4.2 高斯核函数参数选择实验
• 4.5 最小距离分类器
• 4.6 算法描述
• 4.7 实验结果与分析
• 4.7.1 特征向量数量实验
• 4.7.2 识别率比较实验
• 4.7.3 识别时间分析
• 4.8 小结
• 第五章 基于正侧面级联匹配的人脸识别
• 5.1 问题的提出
• 5.2 侧面轮廓线提取
• 5.2.1 图像预处理
• 5.2.2 图像分割
• 5.2.3 轮廓线提取
• 5.3 侧面匹配
• 5.3.1 曲线拟合
• 5.3.2 计算曲率线
• 5.3.3 互相关函数
• 5.3.4 筛选阈值的确定
• 5.4 正面匹配
• 5.5 算法描述
• 5.6 实验结果与分析
• 5.6.1 实验条件
• 5.6.2 识别率比较实验
• 5.6.3 识别时间分析
• 5.7 小结
• 第六章 总结
• 6.1 工作总结
• 6.2 创新工作
• 6.3 下一步的工作
• 参考文献
• 致谢
• 读研期间发表的论文和参加的科研项目