论文部分内容阅读
智能信息化时代的一大特点就是身份的数字化和安全化，自动识别一个人的身份是当今信息化时代一个关键的社会课题，生物特征识别技术也由此闯入大众视线。生物特征包括指纹、虹膜、人脸等，其中人脸特征已经越来越广泛地应用于个人信息识别领域。但由于光照条件、场景变化等客观因素和表情、年龄、嘴型等主观因素的影响，如何实现复杂条件下人脸识别是研究热点。 此课题的研究对象是双目可见的正面人脸图像，双目距离大于70像素，偏角左右小于30度，上下小于15度。本课题的人脸识别系统主要从五大模块深入研究，具体如下: 光照预处理模块采用伽马校正加上高斯差分的算法，不仅能够较好地保留细节信息，还对“阴阳脸”有较高的识别率，尤其是在光照变化极其复杂情况下，识别性能明显高于直方图均衡化和自商图像预处理方法，鲁棒性较好，操作简单，实时性高。 特征提取模块采用基于Gabor小波的特征提取方法，二维Gabor小波变换的多方向和多尺度性可以描绘人脸图像的纹理分布信息。本文在图像尺寸大小、Gabor小波各尺度各方向、降采样间隔、Gabor特征表征方式这四个方面展开重点研究，最后结合实验测试结果和工程指标选择最优参数。Gabor特征对一定的观测视角、光照变化、姿态、目标大小、表情等变化并不敏感，具有空间局部性和方向选择性的优点。 特征选择模块分别采用GFC法、Pooling法和EJS法针对维数过大的Gabor特征进行选择，提高实时性。GFC包括主成分分析和Fisher线性判别分析，有一定抗干扰性但对光照剧烈变化的情况很敏感;Pooling又叫池化，是一种统计图像平稳性特征的过程，复杂场景下首位识别率较低，随着识别位数增大识别率上升很快，但是特征总体稳定性不高;EJS是一种统计图像全局信息熵的特征点选择过程，识别率明显上升，鲁棒性好，适用于各种复杂场景中的人脸识别。 特征比对模块采用角度相似性算法，基于类内类间相似性最大原则为开源人脸检索数据库选择识别阈值。最后在标准人脸库和网络采集图像库上综合测试本课题研究算法的识别性能。