面向手持設(shè)備的人臉識(shí)別的設(shè)計(jì)與研究.pdf

1、人臉識(shí)別是一個(gè)融合了數(shù)字圖像處理，計(jì)算機(jī)圖形學(xué)，特征提取，模式識(shí)別等多門技術(shù)的學(xué)科。由于人臉識(shí)別技術(shù)只需要用戶的少量配合，具有非接觸性的優(yōu)點(diǎn)，已廣泛使用在國(guó)家安全，銀行身份識(shí)別，以及各式各樣的門禁系統(tǒng)中。
　　 目前已經(jīng)產(chǎn)生了大量的人臉識(shí)別方法，這些方法的主要步驟為：1、圖像預(yù)處理，2、人臉檢測(cè)，3、人臉對(duì)齊，4、特征提取，5、特征降維，6、人臉判別。
　　 本文算法主要使用在手持設(shè)備上，需要較快的執(zhí)行速度、應(yīng)對(duì)較為復(fù)雜

2、的光照條件和較大的人臉角度變化，所以針對(duì)以上的人臉識(shí)別過程，本文主要改進(jìn)了人臉識(shí)別過程中的第二步和第三步。其中第二步可以加快人臉檢測(cè)速度和人臉角度檢測(cè)范圍；第三步能精確定位有較大偏轉(zhuǎn)角度人臉的人眼中心點(diǎn)，進(jìn)而對(duì)人臉進(jìn)行精確的對(duì)齊，其執(zhí)行速度也很快；同時(shí)為了克服復(fù)雜的光照條件，本文在特征提取階段將人臉圖像進(jìn)行Gabor變換。
　　 在第二步，本文首先使用YCrCb顏色空間排除非膚色的區(qū)域，以加快人臉檢測(cè)的速度，然后檢測(cè)人眼區(qū)域，最

3、后根據(jù)人眼的位置獲得人臉的位置。因?yàn)槿四樧藨B(tài)發(fā)生變化時(shí)總有一只人眼睛的特征變化比較小，可以提高人臉的角度檢測(cè)范圍。對(duì)人眼的檢測(cè)，本文先用Adaboost算法訓(xùn)練人眼分類器，然后在皮膚區(qū)域檢測(cè)人眼。從實(shí)驗(yàn)結(jié)果可以看到本文算法提高了人臉的檢測(cè)速率和人臉角度的檢測(cè)范圍。
　　 在第三步，本文首先將圖像的灰度信息轉(zhuǎn)換到局部圖像矩特征，然后在局部圖像矩特征上尋找極大值，再運(yùn)用一種自頂向下的聚類算法，將非極值點(diǎn)聚類到極值點(diǎn)上，最后根據(jù)人眼的

4、知識(shí)獲得人眼區(qū)域并將區(qū)域的中心作為人眼中心點(diǎn)。在本文第三章中可以看到局部圖像矩對(duì)人眼區(qū)域的響應(yīng)值非常大，可以用來定位各種角度、各種姿勢(shì)的人眼中心點(diǎn)。另外本文證明了人眼中心點(diǎn)定位精度的重要性。
　　 本文在人臉識(shí)別的第四步對(duì)比了三種人臉特征，分別是人臉灰度圖像、人臉灰度圖像的Gabor變換、人臉灰度圖像的傅里葉變換。在第五步對(duì)比了主成分分析法和線性判別法兩種降維方法。在第六步，本系統(tǒng)只用到離散余弦相似性測(cè)度。通過實(shí)驗(yàn)結(jié)果，本文算法