论文部分内容阅读
随着国内外电子计算机技术和数字图像处理算法的不断进步和发展,人脸识别领域也随之发生深刻的变革,它利用计算机对人脸图像或者人脸视频流进行处理与分析,被广泛应用到安防、预警、车流人流监控、身份认证等应用领域。本文总结了国内外人脸识别技术和影响人脸图像质量因素的最新情况,针对人脸图像质量评估算法涉及到的关键技术:人脸图像低层特征提取和分类器,做了详细的分析与研究。本文针对人脸识别精度容受人脸图像质量高低的影响,提出了一种基于深度信念网络的多层神经网络分类算法,有效滤除低质量人脸图像对识别造成的影响,提高了识别精度与稳定性。本文研究的主要内容包括有:人眼区域初步定位,人眼中心坐标计算,头部偏移角度计算,人脸光照强度提取,人脸图像分类算法,并用Matlab对本文涉及的进行仿真论证。首先,分析并总结了现在有的人眼区域检测算法,并结合人眼区域的灰度级分布特点,提出了一种基于灰度积分投影算法的人眼区域检测,经仿真论证,该算法计算简单,能较快地实现区域检测。其次,针对传统的人眼中心定位算法复杂,计算量大等缺点,本文提出了一种基于SUSAN滤波算法的定位算法。算法通过检测到人眼最远处的两个角点实现对人眼中心的定位。接着利用得到的人眼中心坐标,根据双眼中心连线与人脸法线的空间位置关系,计算出头部偏移角度。接着分析和研究了现在有的光照模型,人脸光照补偿算法,提出了基于图像对比度的人脸光照特征提取算法,分别提取了人脸图像均方差和协方差矩阵的特征值作为光照强度的低层特征。最后,针对传统浅层有监督分类算法的累积误差过大,分类精度极受特征好坏的影响,不同自主提取高层特征,因此提出了一种基于深度信念网络的多层神经网络分类算法,该算法能自主地将低层特征向高层特征变换,实现了特征的自主提取,所以具有高效的特征学习,并提高了分类精度。