二维人脸识别方法研究

论文摘要

随着社会的发展,各个方面对快速有效的自动身份鉴定的要求日益迫切。尤其是911事件之后,在安全领域,人们更是不遗余力地研究技术更先进可靠性更高的身份鉴定方法。由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此是身份鉴定的理想依据。人们已经使用了包括指纹识别、虹膜识别、人脸识别等生物识别方法。相比其他生物特征,人脸特征具有直接、友好、方便的特点,易于为用户接受,因此,人脸识别是最自然直接的手段。人脸识别是一个涉及面广且又很有挑战性的研究课题,目前这项技术依然是人们研究的热点。本文首先介绍了人脸识别的一般方法和研究现状,然后总结了二维人脸识别主要的难题所在:即实时人脸以及自然条件的多态性使得识别方法的可信度和稳定性受到挑战。据此,提出一种基于信息融合的人脸识别方法。主要工作集中在人脸识别的两个关键环节:特征提取和识别。提取了人脸的多种特征,包括人脸图像的数学特征:DCT系数和Gabor滤波响应;物理特征:人脸图像的亮度信息;几何特征:人脸关键特征点等。识别过程采用了基于信息融合的匹配方法,根据待测人脸图像的一种实时特征信息(亮度信息)来融合待测人脸图像与人脸库图像两种特征对应的相似度,从而同时达到提高正确识别率和识别方法稳定性的效果。此方案将在ORL人脸库上进行实验和验证。由于方案中提取的人脸特征信息量增多了,并且提取了对光照和表情变化不敏感的轮廓特征,在识别过程中还运用了合理的特征融合技术,因此,相比由单一特征直接进行识别的方法,本文的方法既提高了正确识别率也增强了稳定性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 人脸识别技术及其应用
• 1.2 人脸识别研究的内容
• 1.3 人脸识别的发展历程和研究现状
• 1.3.1 人脸识别的发展历程
• 1.3.2 人脸识别的研究现状
• 1.3.3 目前人脸识别的难题
• 1.4 本文的研究内容和方法
• 1.4.1 研究内容
• 1.4.2 研究路线
• 1.4.3 章节安排
• 1.5 本章小结
• 第2章 人脸图像的获取与预处理
• 2.1 人脸图像的采集
• 2.2 人脸图像预处理
• 2.2.1 去噪
• 2.2.2 灰度预处理
• 2.2.3 角度预处理
• 2.2.4 尺度预处理
• 2.3 本章小结
• 第3章 人脸图像特征提取
• 3.1 特征选择
• 3.2 特征提取
• 3.2.1 人脸轮廓模型
• 3.2.1.1 角点的定义
• 3.2.1.2 角点检测
• 3.2.1.3 Harris角点检测算法
• 3.2.1.4 姿态估计
• 3.2.1.5 综合人脸轮廓模型
• 3.2.2 人脸纹理特征
• 3.2.2.1 DCT系数表示人脸图像纹理特征
• 3.2.2.2 Gabor滤波响应表示人脸纹理图像特征
• 3.2.2.3 数据降维
• 3.2.3 光照信息的获取
• 3.3 本章小结
• 第4章 人脸匹配
• 4.1 概述
• 4.2 匹配
• 4.2.1 相似度及其计算方法
• 4.2.2 基于单一特征的人脸匹配
• 4.2.3 基于信息融合的人脸匹配
• 4.2.3.1 信息融合技术概述
• 4.2.3.2 基于信息融合的匹配算法
• 4.2.3.3 实验结果及分析
• 4.3 本章小结
• 第5章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读学位期间参加的科研项目和成果