论文部分内容阅读
生物特征识别是根据人体自身的生理特征或行为特征进行身份鉴定，具有“不会丢失、不会遗忘、不易伪造”等优点，“9·11”恐怖袭击事件发生以后，这一技术受到了高度重视和迅速发展。与其它生物特征识别技术相比较，人脸识别具有主动性和直观性这两个独特的优点，在国家安全、军事安全和公安、司法、金融、民航、海关、边境等领域的实际应用具有极广阔的前景，是目前最受重视并最为有效的身份识别技术之一。随着计算机多媒体技术的发展，人脸识别所用的硬件设备越来越趋于智能化和标准化，人脸识别技术的特异性越来越多地体现在算法及实验方面。本文的主要内容就是人脸识别算法的研究和开发。
人脸识别算法主要分为基于整体模板的统计分类算法和基于几何特征的结构分类算法，这两种算法各有优缺点和各自适用的范围。本文提出了一种基于局部特征的人脸识别算法，采用分块的方法把这两类算法融合起来，既有基于整体模板方法的简单易行性，同时也充分利用了人脸的局部几何特征信息。算法的基本思想是，根据局部特征把人脸图像分为三个独立的子块：上面一部分包括眼睛，中间一部分包括鼻子，下面一部分包括嘴巴；然后将二维主成分分析(2DPCA)方法应用到每一个子块，获得三个子块特征空间；人脸图像的特征构成和分类识别有两种方案：1)把图像的三个子块分别投影到对应的子块特征空间，获得子块特征，识别时求得三个子块间的相似度，对它们进行综合作为两幅图像之间的最终相似度；2)对子块特征空间进行融合得到组合特征空间，图像作为整体进行投影得到组合特征，再由此求得两幅图像之间的相似度。
实验结果表明，与常规的二维PCA人脸识别算法相比，基于局部特征的人脸识别算法在识别率和整体性能上都具有较明显优势。这种算法不仅能够容忍一定程度的面部表情、光照和外貌变化，提高识别率，而且适用于并行计算。