基于面部特征与改进Gabor的人脸检测与识别技术研究

论文摘要

近几年,随着电子商务等需要的剧增,人脸自动识别已经成为了最具潜力的身份认证方式。人脸自动识别具有非侵犯性、直接性和友好性,更加符合人们的视觉习惯,是人们最容易接受的一种身份鉴定方式,使得人脸自动识别在身份识别、安全检查、自动检测等众多领域具有很大的发展潜力,因此人脸识别已经成为计算机视觉和模式识别领域内重要的研究课题。而人脸检测是人脸识别的第一个关键步骤,因此人脸检测也已成为重要的研究课题,它们受到越来越多研究者们的关注。本文主要针对人脸检测和识别展开讨论。讨论了多种针对人脸检测和识别的基本理论和方法并辅以相应的实验,并着重对基于肤色、肤色特征和Gabor小波方法进行分析研究,经过理论分析、实验证明具有较好的实用性。本文的主要研究内容如下:(1)提出了一种基于肤色分割和改进Gabor滤波相结合的检测方法。该方法首先基于YCbCr空间对图像中在的背景区域和人脸肤色进行分割,以消除大量的背景区域,提高运算速度。接着利用改进的Gabor滤波对提取出来的人脸肤色区域进行卷积得到人脸的特征向量,并与通过训练样本所获得的特征向量进行比较以验证是否为人脸。(2)提出了一种基于脸部特征和改进Gabor滤波器相结合的检测方法。在检测时,利用脸部特征去除大部分的背景区域,其次利用改进Gabor的滤波器对余下的区域进行进一步验证,以确定是否为人脸。(3)基于特征的人脸识别算法。提出了一种基于Gabor小波、PCA和LDA的识别算法,该方法使用Gabor对训练样本进行特征向量的提取;然后使用PCA进行降维处理,再使用LDA方法进行类间的判别,得到所相近的人脸,以达到识别的效果。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 1 引言
• 1.1 课题研究背景
• 1.2 人脸检测技术现状
• 1.3 人脸识别技术现状
• 1.4 论文组织
• 2 人脸检测与识别方法
• 2.1 人脸检测方法分析
• 2.1.1 基于知识的自顶向下的方法
• 2.1.2 基于人脸特征的自底向上的方法
• 2.1.3 基于模板匹配的方法
• 2.1.4 基于人脸外观的方法
• 2.2 人脸识别方法分析
• 2.2.1 基于几何特征的方法
• 2.2.2 模板匹配方法
• 2.2.3 特征脸方法
• 2.2.4 神经网络方法
• 2.2.5 隐马尔可夫模型方法
• 2.2.6 支持向量机方法
• 2.3 性能评价标准
• 2.4 本章小结
• 3 人脸候选区域提取
• 3.1 引言
• 3.2 检测常用的颜色空间模型
• 3.2.1 RGB 彩色空间
• 3.2.2 YIQ 彩色空间
• 3.2.3 HSI 彩色空间
• 3.2.4 YCbCr 彩色空间
• 3.2.5 YCgCr 彩色空间
• 3.2.6 YCb'Cr'彩色空间
• 3.3 基于肤色的区域分割
• 3.3.1 光照补偿
• 3.3.2 阈值选取
• 3.3.3 腐蚀膨胀处理
• 3.3.4 比例选取候选区域
• 3.4 本章小结
• 4 基于改进Gabor 小波的人脸检测
• 4.1 引言
• 4.1.1 Garbor 变换—窗口Fourier 变换
• 4.1.2 2-D Gabor 基函数（2-D GEF）
• 4.2 改进的Gabor 小波滤波器
• 4.3 肤色与改进Gabor 相结合的人脸检测
• 4.4 脸部特征与改进Gabor 相结合的人脸检测
• 4.5 本章小结
• 5 基于特征提取的人脸识别
• 5.1 基于主成分分析（PCA）的降维
• 5.2 基于线性判别分析（LDA）的判别函数
• 5.3 基于Gabor 与PCA、LDA 的人脸识别
• 5.4 实验结果
• 5.5 本章小结
• 6 总结与展望
• 参考文献
• 作者简历
• 学位论文数据集
• 详细摘要