基于弹性图匹配法的人脸识别算法研究

论文摘要

人脸识别作为一种重要的生物特征识别技术,涉及到模式识别、计算机视觉、图像处理以及认知科学等多个前沿学科知识,在公共安全以及信息安全领域有广泛的应用。当前主流的人脸识别方法分为两大类:基于统计特征的算法和基于几何特征的算法。前者将人脸区域作为整体输入到识别系统中,以寻求最佳匹配。基于子空间的识别方法是这类算法的代表,该算法的思想是将人脸图像进行降维处理,投射到低维空间进行识别。而基于几何特征的算法则是提取人脸特征点信息,通过匹配特征信息来进行识别,代表方法有弹性图匹配法(EBGM),该算法利用人脸的基准特征点构造拓扑图,使其能够符合人脸的几何特征,进而获取人脸关键点的特征值进行匹配。本文主要对弹性图匹配法(EBGM)进行了深入研究,针对该算法中的不足之处,提出自己的方法,纵观全文,主要有以下内容:1、综述人脸识别技术的历史和现状,详细总结了当前主流的人脸识别算法,并逐个分析了这些算法的优缺点。2、详细地描述了EBGM算法思想,介绍了Gabor滤波器的特性及其在EBGM算法中的应用;阐述了特征点的概念、特征点的定位方法、人脸束图的提取方法以及如何提取以及比较人脸图。3、通过分析EBGM算法中的特征点定位方法,针对精确估算特征点位置时所采用方法的不足,提出了平均定位法:当选取最佳匹配点时,不是采用模板图中最优的估算结果,而是选取所有模板图估算结果的平均值。4、EBGM算法在计算人脸特征点的相似度时,认为每个Gabor小波系数对结果的影响是相同的,从而给予所有系数同等权重,但实验测试表明情况并非如此。本文充分挖掘人脸频率分布的统计特性,通过对不同特征点在频域分布特征的提取,提出一种对Gabor小波系数进行分类并赋予其不同权重的优化方法。实验测试证明,该算法能有效的提高识别率。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 背景介绍
• 1.2 国内外研究进展
• 1.2.1 基于几何特征方法的人脸识别
• 1.2.2 弹性图匹配人脸识别
• 1.2.3 神经网络方法
• 1.2.4 基于子空间学习的方法
• 1.2.5 隐马尔可夫模型方法（HMM）
• 1.2.7 人脸识别方法总结
• 1.2.8 我国人脸识别发展状况
• 1.3 论文组织结构
• 第二章 弹性图匹配法（EBGM）
• 2.1 算法介绍
• 2.1.1 创建人脸弹性束图
• 2.1.2 创建人脸图
• 2.1.3 识别
• 2.2 人脸图
• 2.3 GABOR滤波器
• 2.3.1 Gabor 滤波器简介
• 2.3.2 估计小偏移量的小波系数
• 2.4 特征点的位置和特点
• 2.4.1 特征点和特征值
• 2.4.2 特征点定位
• 2.5 算法验证系统
• 2.6 小结
• 第三章 特征点的定位
• 3.1 EBGM 算法中的特征点定位方法
• 3.1.1 粗略估算
• 3.1.2 精确估算
• 3.1.3 估算效果
• 3.2 偏差预测分析及改进
• 3.3 实验结果与分析
• 3.3.1 偏差分布状况
• 3.3.2 偏差总和
• 3.3.3 识别率提升
• 3.4 小结
• 第四章 小波系数权重的优化
• 4.1 相似度的计算
• 4.2 相似度公式的改进
• 4.2.1 权重概念
• 4.2.2 权重大小选取
• 4.2.3 一般积极权重点的提取
• 4.3 实验结果
• 4.3.1 权重点的选取
• 4.3.2 权重值
• 4.3.3 优化权重与特征点定位
• 4.4 小结
• 第五章 总结和展望
• 5.1 论文总结
• 5.2 展望
• 5.2.1 关于算法的进一步研究
• 5.2.2 人脸识别技术的发展前景
• 参考文献
• 致谢
• 攻读硕士学位期间已发表或录用的论文
• 上海交通大学硕士学位论文答辩决议书