人脸识别系统中关键技术研究

论文摘要

人脸识别系统中,多种关键技术会对最后识别结果产生影响,而关键技术中的光照在人脸识别中是实现人脸识别常态化最大的一个障碍;同样人脸识别算法是人脸识别中最重要的一个环节,识别算法的好坏、效率的高低直接影响整个识别系统的性能。所以,本文重点探讨人脸识别中的光照预处理和人脸识别算法这个两关键技术。在光照处理方面,提出了基于非线性全局对比度增强的MSSSR光照预处理算法。该算法通过非线性全局对比度增强对源图像增强,并利用Mean-Shift平滑滤波对光照估计,能够明显的消除Retinex算法中不能解决的光晕现象。在人脸识别方面,提出了基于最小生成树覆盖的高维仿生人脸识别算法。该算法采用二维离散小波变换后生成的四个子频带进行加权融合对人脸图像预处理,并在图像预处理基础上,利用K-L变换提取全体样本的人脸特征子空间,然后通过多项式核函数把每一类训练样本投影到高维空间,最后用最小生成树覆盖方法对高维投影后的样本进行覆盖。实验表明,不仅解决了传统人脸识别中未训练样本的误识别问题,而且把误识别率控制在5%的范围内并获得更高的识别率。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 选题目的及意义
• 1.2 人脸识别技术的发展与研究现状
• 1.3 人脸识别关键技术的描述
• 1.3.1 人脸的定位与检测
• 1.3.2 人脸图像光照预处理
• 1.3.3 人脸识别
• 1.4 本论文研究主要内容及结构安排
• 1.4.1 本文研究主要内容
• 1.4.2 结构安排
• 2 光照处理方法
• 2.1 光照模型
• 2.2 常见光照预处理算法
• 2.3 Retinex 理论的光照处理方法
• 2.3.1 Land 的Retinex 理论基础
• 2.3.2 经典Retinex 方法
• 2.4 本章小结
• 3 基于非线性全局对比度增强的MSSSR 光照预处理方法研究
• 3.1 传统Retinex 方法的局限性
• 3.2 Mean-Shift 的基本理论
• 3.3 全局非线性对比度增强的MSSSR 光照预处理方法的提出
• 3.4 非线性全局对比度增强的MSSSR 光照预处理方法研究
• 3.4.1 全局非线性对比度增强
• 3.4.2 Mean-Shift 平滑滤波的Retinex 算法
• 3.5 实验结果
• 3.5.1 预处理效果比较及分析
• 3.5.2 预处理后人脸识别率的比较
• 3.6 本章小结
• 4 基于仿生模式的人脸识别技术
• 4.1 仿生模式识别介绍
• 4.1.1 仿生模式识别的基点—同源连续规律
• 4.1.2 仿生模式识别的数学基础
• 4.2 仿生模式识别与传统模式识别的区别
• 4.3 仿生模式人脸识别的研究
• 4.3.1 仿生模式人脸识别的研究进展
• 4.3.2 仿生模式人脸识别的局限性
• 4.4 仿生人脸识别的判别及覆盖方法
• 4.5 本章小结
• 5 基于最小生成树覆盖的高维仿生人脸识别方法研究
• 5.1 基于最小生成树覆盖的高维仿生人脸识别方法研究
• 5.1.1 高维仿生覆盖中人脸图像的预处理方法
• 5.1.2 高维仿生覆盖中人脸特征子空间的提取方法
• 5.1.3 基于最小生成树的最邻近覆盖方法研究
• 5.2 实验结果
• 5.2.1 标准ORL 人脸库实验
• 5.2.2 自建人脸库实验
• 5.3 本章小结
• 结论
• 参考文献
• 作者简历
• 学位论文数据集