论文部分内容阅读
人脸识别的理论与技术是近二十年来最为热门的研究领域之一。尽管人脸检测和识别方法取得了巨大发展，但是可变光照对人脸识别的影响，无论在理论、方法还是应用上，仍是一个亟待解决的挑战性问题。 本文在分析研究国内外最新成果基础上，以克服可变光照的影响，提高人脸识别率和鲁棒性为目标，对一些关键技术和方法进行了深入研究比较。从人脸检测、特征提取、分类器设计三个方面，分别提出了解决可变光照问题的方法。主要创新性研究成果如下： 1．首先在AdaBoost框架基础上，提出了基于SURF特征的人脸检测方法。构建SURF特征检测器，既减少了训练时间又增强了鲁棒性。然后进一步在YCbCr空间建立肤色模型并进行肤色验证，排除伪人脸区域，克服了AdaBoost算法误检率高的缺点。同时YCbCr模型还能将亮度和色度信息分离开，减弱了光照影响，提高了人脸检测正确率。本方法已成功应用到银行智能监控系统中。 2．进一步设计了一种Gabor和分区统一LBP算子相融合的人脸特征提取方法。增强了纹理信息和光照不变性。虽然这样的特征具有多尺度多方向特点，对光照不敏感，但是维数过高。因此在局部保持投影降维算法(LPP)基础上进一步提出了基于核的鉴别局部保持投影方法（KDLPP）。该方法与LPP算法不同：(1)利用类别信息构造了投影矩阵，提高了算法的分类能力；(2)引入核函数，把由光照变化带来的人脸非线性数据映射成线性可分问题。进一步提高了不同光照条件下人脸的分类性能和计算效率。 3．最后提出了一种最新的分类器设计方法，即基于稀疏表示理论的人脸识别方法。协同表示分类算法(CRC_RLS)是近几年专为人脸识别提出的，其速度快但鲁棒性差。为此，本文首先引入Gabor特征构造过完备字典；然后建立字典学习模型,并通过K_SVD算法寻找一个具有判别力的新字典，以提高对光照变化、噪音的稳健性；最后，把测试图像投影到已优化学习的字典库中，利用残差实现人脸的快速识别。实验结果表明：新方法能够克服光照对人脸识别的影响，提高了算法的正确识别率和鲁棒性。