论文部分内容阅读
人脸识别技术是近年来的热门研究内容,涉及模式识别和计算机视觉等方面的学科,在新一代人机交互技术和安全等领域的应用吸引了众多研究者的注意,具有重要的理论意义和应用价值。
人脸识别技术包括人脸识别和人脸确认。人脸确认和人脸识别不一样的是,人脸识别是识别出最相像的类别,而人脸确认是判别测试类别是否为所声称的类别。现在大部分的工作都是集中在人脸识别领域上,而对人脸确认的探讨程度不多,同时,实际应用对人脸确认的性能要求也苛刻得多,使得其实用程度尚不足够。人脸确认算法和人脸识别算法一样,同样会受到光照,姿势和表情的影响而引起性能的迅速退化,其中又以光照问题最为显著。因此,人脸确认显得不如其他一些生物识别技术那样可靠。现阶段,如何提高算法在恶劣光照下的准确率,并且保持错误接受率在一个很低的范围内,是研究的重点。
在分析国内外相关研究的基础上,本文提出了一个综合利用Gabor特征,ATICR光照纠正,支持向量机以及多分类器融合等技术的人脸确认方法,有效的解决PIE问题,特别是减弱光照的影响。
首先,本算法采用ATICR方法对图片进行光照预处理,减少光照变化带来的影响,再通过挑选得到的Gabor滤波器进行特征提取,并采用PCA方法降维,最后使用独立负样本集来构造SVM分类器组进行人脸确认。本文还对SVM的在人脸确认中的三种形式进行了分析,并针对“一对多“形式存在的缺点引入了眼睛抖动技术和识别去同类项等方法来解决。实验结果表明算法具有很高的确认性能,并且对光照变化具有很好的适应性。
本文最后介绍了应用了本算法的智能门禁系统,并且针对该系统采用的确认流程,定量的分析了系统的确认性能(错误接受率和错误拒绝率)和算法的确认性能的关系,得到在这样的确认流程下,通过提高数据库的非注册样本的规模,可以有效地减低系统错误接收率,并且不明显提高错误拒绝率的结论,这对实际应用中如何优化确认系统的性能具有一定的意义。