人脸检测与识别技术研究

• 作 者: 符祖标
• 机 构: 中国地质大学(北京)
• 出 处: 中国地质大学(北京)
• 发表日期: 2009年期

人脸自动检测与识别是模式识别领域中非常重要的一个研究方向,具有非常广泛的应用,是智能化人机交互的基础,因此研究快速、准确、适应各种环境因素变化的人脸检测与识别技术具有十分重要理论及应用价值。　　
人脸图像质量对后期人脸检测与识别具有至关重要的作用,因此建立一种有效模型对获取图像进行综合评定显得格外重要。本文采用分段线形模型对图像的亮度信息给出评估,对彩色图像中色彩和饱和度均采用高斯模型进行评估。对于不满足质量要求的彩色图像提出了一种加权标准差处理方法对其进行校正。对于检测出的人脸图像提出了参考白与直方图均衡相结合的方法进行光照补偿,实验结果证明,该方法有效地提高了识别率。　　
2000年,Yang提出了一种基于块状图像的人脸检测方法,使用Winnow稀疏网络,构造成一个人脸检测器,训练参数对于检测器的性能起着至关重要的作用。本文提出了一种修正的Winnow训练算法,在训练过程中动态计算训练参数。实验结果表明,修正Winnow算法优于Winnow算法。　　
本文分别采用主成分分析方法及二维主成分分析方法进行了特征提取,实验结果表明二维主成分分析方法优于传统主成分分析方法。在此基础上对上述两种方法的特征提取输入模式进行了改进,将小波系数特征用于人脸识别。实验结果表明采用小波系数特征提取提高了识别的准确率。　　
分类器设计的好坏直接关系着最后的识别结果,本文采用基于欧式距离和街区距离的最小近邻分类器设计,在此基础上,提出了将两个分类器的识别结果转换为后验概率的形式,采用加权形式将两个分类器有效的结合起来。并且给出了不同权值下的识别率。试验结果表明采用加权的组合分类器设计,其识别结果较单一的分类器有了提高。　　
人脸检测与识别是极具挑战的研究课题,亟待研究和解决的问题比比皆是。但是,随着感知科学、心理学、计算机图形学、计算机视觉、图像处理与分析、模式识别等多个研究领域的发展,人脸识别技术也必将日臻成熟。