快速人脸检测与识别技术的研究

论文摘要

随着信息技术高速发展,人脸检测与识别技术具有越来越广泛的应用价值和重要的理论研究价值,已成为图像处理、人工智能、模式识别等领域中研究最为热点的课题之一。在研究国内外相关文献及最新研究成果的基础上,本文对人脸检测与识别技术进行系统性理论研究,主要包括两方面的内容:基于肤色信息的快速人脸检测算法和基于线性子空间分析的人脸识别算法及其相应的改进算法:1.在人脸检测方面,本文主要利用肤色信息对彩色图像进行快速人脸检测。首先,对彩色图像进行必要预处理,采用自适应光线补偿算法;然后,用标准化rgb颜色空间的多项式模型对光线补偿后的彩色图像进行肤色区域粗检测;接着,将标准化rgb颜色空间的多项式模型和经过非线性修正后的YC’gC’r颜色空间的高斯模型相结合构成混合肤色模型,对粗检测肤色区域做进一步精确肤色区域提取;最后,分析二值图像的连通区域,用椭圆面积准则验证人脸候选区域是否有人脸。2.在人脸识别方面,对传统主成分分析和线性判别分析进行研究,主要对二维主成分分析和二维线性判别分析的人脸识别算法进行研究并提出相应的改进算法并进行仿真。本文提出在图像矩阵的行和列两个方向上同时进行特征提取的改进算法,即有基于加权（2D）2-PCA人脸识别算法和（2D）2-LDA人脸识别算法,这两种算法能够消除图像行、列各自的相关性,减少特征数量,减小存储空间,提高识别速率。3.在人脸识别中,由于用于识别的人脸样本数一般远远小于人脸样本的维数,经常出现小样本问题。所以,本文提出了一种采用Gabor小波变换的人脸识别算法来解决人脸识别中小样本问题,即把人脸样本图像经过Gabor小波变换后得到的每幅图像都看成独立人脸样本,这样就可以在保持每类原样本数不变的情况下大大地增加了每类人脸的样本数,并和改进的LDA人脸识别算法相结合,构成Gabor+（2D）2-LDA人脸识别算法。当每类训练样本数很少时,该算法能有效地提高人脸识别率,且识别性能比较稳定。

论文目录

• 论文摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景和意义
• 1.1.1 研究背景
• 1.1.2 不同生物识别技术的比较
• 1.1.3 人脸作为识别生物特征的优势与不足
• 1.1.4 研究意义
• 1.2 人脸检测与识别的发展现状与难点
• 1.2.1 人脸检测与识别的发展现状
• 1.2.2 人脸检测与识别的研究难点
• 1.3 本文的主要工作与内容安排
• 1.3.1 本文的主要工作
• 1.3.2 本文的内容安排
• 第2章 人脸检测常用算法回顾
• 2.1 基于知识规则的人脸检测算法
• 2.2 基于特征不变量的人脸检测算法
• 2.3 基于模板匹配的人脸检测算法
• 2.4 基于统计学习的人脸检测算法
• 2.5 本章小结
• 第3章 人脸识别常用算法回顾
• 3.1 基于几何特征的人脸识别算法
• 3.2 基于子空间分析的人脸识别算法
• 3.3 基于模板匹配（静态匹配和弹性匹配）人脸识别算法
• 3.4 基于弹性图匹配的人脸识别算法
• 3.5 基于神经网络的人脸识别算法
• 3.6 基于隐马尔可夫模型的人脸识别算法
• 3.7 基于三维模型的人脸识别算法
• 3.8 本章小结
• 第4章 基于肤色信息的快速人脸检测算法
• 4.1 引言
• 4.2 人脸检测常用的颜色空间
• 4.2.1 RGB 颜色空间
• 4.2.2 标准化rgb 颜色空间
• 4.2.3 HSV 颜色空间
• 4.2.4 YUV 颜色空间
• 4.2.5 YIQ 颜色空间
• bC_r 颜色空间'>4.2.6 YC_bC_r颜色空间
• gC_r 颜色空间'>4.2.7 YC_gC_r颜色空间
• gC'_r颜色空间肤色模型研究及建立'>4.3 基于YC'_gC'_r颜色空间肤色模型研究及建立
• 4.3.1 肤色模型概述
• 4.3.2 颜色空间选择
• 4.3.3 肤色模型构建
• 4.4 肤色区域分割
• 4.4.1 自适应光线补偿
• 4.4.2 肤色区域提取
• 4.5 人脸候选区域
• 4.5.1 肤色区域图像预处理
• 4.5.2 连通区域分析
• 4.6 人脸特征分析及人脸验证
• 4.7 实验结果及分析
• 4.8 本章小结
• 第5章 基于线性子空间的人脸识别算法
• 5.1 引言
• 5.2 基于 PCA 的人脸识别算法
• 5.2.1 PCA 算法的基本原理
• 5.2.2 1D-PCA 人脸识别算法
• 5.2.3 2D-PCA 人脸识别算法
• 2-PCA 人脸识别算法'>5.2.4 基于加权（2D）²-PCA 人脸识别算法
• 5.2.5 实验结果及分析
• 5.3 基于 LDA 的人脸识别算法
• 5.3.1 LDA 算法的基本原理
• 5.3.2 1D-LDA 人脸识别算法
• 5.3.3 2D-LDA 人脸识别算法
• 2-LDA 人脸识别算法'>5.3.4 （2D）²-LDA 人脸识别算法
• 5.3.5 实验结果及分析
• 5.4 利用 Gabor 小波变换解决人脸小样本问题的人脸识别算法
• 2-LDA 人脸识别算法'>5.4.1 Gabor+（2D）²-LDA 人脸识别算法
• 5.4.2 实验结果及分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 研究生期间发表论文
• 致谢