论文部分内容阅读
随着社会不断发展和计算机技术的不断进步，基于生物特征的身份验证越来越受到人们的关注，其中人脸识别技术因为具有直接、友好、简单等特点，成为目前模式领域中的一个研究热点。传统的人脸识别系统受光照、姿态、表情等因素影响较大，设计一个识别率高且具有较好鲁棒性的人脸识别系统仍是一个待解决的难题。二维人脸识别技术虽然取得一定成果，但是二维人脸信息量小，受姿态和光照等影响严重。随着三维技术的不断发展，三维人脸作为人脸多个角度的真实反映，信息量丰富，受光照等因素的影响小，因此近年来三维人脸识别技术受到了广泛的关注。本文分别对二维和三维人脸识别方法进行了研究，针对目前存在的缺陷，分别设计相应的人脸识别系统。在二维人脸识别方面，基于核函数的Fisher判别分析（KFD）的特征提取算法，在人脸识别中往往采用高斯径向基函数作为核函数，但高斯径向基函数中σ的选取对分类效果的影响较大。目前一般仅凭实验统计或者经验获取该参数，而且KFD特征提取算法在处理大样本时，运算时间较长。针对这些问题提出了一种基于小波变换和改进KFD的人脸识别方法。在预处理阶段，对人脸图像做小波变换降低光照、姿态、表情等因素的影响，并能有效降低样本的维数；在特征提取阶段，采用微粒群算法智能获取最优参数σ对KFD算法进行改进；在特征匹配阶段，采用SVM分类器完成特征的分类。在三维人脸识别方面，针对三维人脸识别中单一特征信息不足的缺陷，提出了基于整体和局部信息相融合的人脸识别算法，以提高识别率。首先将预处理后的三维点云用多层次B样条曲面拟合，获取精确的人脸曲面拟合函数，将控制点映射为深度图像，并根据人脸曲面函数和生理特征提取过鼻尖的中分轮廓线和水平轮廓线；其次对深度图像采用2D-PCA算法提取整体信息，对轮廓线采用改进的ICP算法匹配，作为局部信息；最后采用加权求和法在决策级进行信息融合完成人脸识别。