小波变换在动态人脸识别中的应用研究

论文摘要

随着信息化、数字化、网络化的发展,国家以及社会生活的安全性面临新的挑战,在这种环境下,传统的安全技术呈现出许多弊端和缺陷。生物特征认证技术是解决信息化、数字化、网络化社会安全问题的较好方法之一。在生物认证方面,人脸识别具有特定的优势,可以广泛应用于公安部门的犯人档案管理、犯人的辨认查找、刑侦破案、安全验证、监控系统、信用卡验证、人机交互控制、证件核对、通道控制等方面。本文主要从人脸图像的预处理、多姿态人脸特征库的建立、小波变换提取人脸特征及识别分类方法等几方面对非约束环境下的动态人脸识别课题进行了初步的研究。在非约束环境下,人脸图像预处理是人脸识别过程中很重要的一个步骤,本文对人脸图像的几何矫正、灰度处理、光照处理和遮挡处理等进行了详细的分析,通过对比实验验证人脸图像预处理对提高识别率的作用。在小波变换提取人脸特征方面,对本征脸、频谱脸和小波系数识别算法进行分析,通过实验,分析不同小波变换层数和小波基对人脸识别的识别率和速度的影响,双正交小波效果最好。本文改进了一个双正交小波,利用了预处理后的训练图像建立人脸特征库,和其它小波进行对经实验,取得了理想的识别效果。同时对支持向量机和欧式距离分类器的原理进行分析,在此基础上改进欧式距离分类器。人脸特征库是人脸识别的数据源。本文提出利用人脸的5种姿态建立人脸特征库的方法,测试图像通过与最接近的人脸姿态进行匹配,实现小角度下人脸图像的动态人脸识别。利用眼睛、嘴、鼻子和脸型的几何特征分类,对人脸特征库进行细分化处理,提高了识别速度。在人脸识别的仿真中,人脸图像进行预处理,通过小波变换提取人脸特征,建立一个人脸特征库,采用了改进的欧式距离分类器取得较高的识别率。通过仿真结果可以看出,人脸图像预处理对识别率有重要的影响,利用5种不同姿态建立的人脸数据库是解决动态人脸识别的有效方法,通过小波变换提取人脸特征能够有效的提高识别率和识别速度,不同的小波基和变换层数对人脸识别结果也有重要的影响,相比较其它分类器,改进的欧式距离分类器在大样本分类方面有独特的优势。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 人脸识别技术概述
• 1.2 人脸识别的研究范围
• 1.2.1 人脸检测和定位
• 1.2.2 人脸特征提取和识别
• 1.3 人脸识别技术研究现状
• 1.4 本文研究的主要内容
• 第2章 人脸图像的预处理过程
• 2.1 人脸图像的采集
• 2.2 将彩色图像转变为灰度图像
• 2.3 对人脸灰度图像进行消噪处理
• 2.4 对消噪后的人脸图像进行光照处理
• 2.4.1 直方图均衡化处理
• 2.4.2 直方图规定化处理
• 2.4.3 光照强度校正
• 2.4.4 光照角度校正
• 2.5 对光照校正后的人脸图像进行几何校正
• 2.5.1 人脸图像的二值化
• 2.5.2 人脸图像中眼睛的准确定位
• 2.5.3 人脸图像的角度旋转
• 2.5.4 人脸图像的剪裁
• 2.6 对人脸图像进行去遮挡处理
• 2.7 本章小结
• 第3章 基于小波变换的人脸全局特征提取
• 3.1 小波变换概述
• 3.1.1 基于小波变换系数的特征提取
• 3.1.2 基于小波包变换的特征提取
• 3.1.3 基于适应性小波神经网络的特征提取
• 3.2 不同小波提取人脸特征的性能比较
• 3.2.1 算法实现
• 3.2.2 小波分解层数的确定
• 3.2.3 小波变换的小波基的选择
• 3.3 改进双正交小波提取人脸全局特征
• 3.3.1 改进的双正交小波基
• 3.3.2 改进的双正交小波的性能
• 3.4 本章小结
• 第4章 小波包变换提取特殊人脸特征
• 4.1 小波包概述
• 4.2 二维小波分析
• 4.2.1 装载信号
• 4.2.2 分析信号
• 4.2.3 利用小波包压缩图像
• 4.3 小波包变换提取特殊人脸特征
• 4.3.1 小波包分解层数的确定
• 4.3.2 小波包变换的小波基的选择
• 4.3.3 特殊人脸特征的提取
• 4.4 本章小结
• 第5章 建立动态人脸特征库
• 5.1 人脸特征库概述
• 5.2 人脸图像的姿态选择与匹配
• 5.2.1 人眼的准确定位
• 5.2.2 嘴唇中心点的准确定位
• 5.2.3 匹配图像的选择
• 5.3 多姿态的人脸特征库的结构
• 5.3.1 人脸各部位的检测和定位
• 5.3.2 人脸图像各部分的截取
• 5.3.3 人脸图像各部位的判别
• 5.3.4 人脸特征库的分层处理
• 5.4 本章小结
• 第6章 改进欧式距离分类器进行人脸识别
• 6.1 人脸识别分类器概述
• 6.2 改进的欧式距离分类器
• 6.3 利用Matlab进行人脸识别仿真
• 6.4 仿真结果分析
• 6.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间所发表的论文
• 致谢