人脸识别中的大样本集问题及多模式图像融合方法的研究

论文摘要

经过近四十年的研究发展,人脸识别技术已经取得长足的进展并投入商业应用。但实践表明人脸识别技术还远不够成熟,尤其是对识别条件敏感、大样本集识别率低等问题比较严重。本论文旨在通过对这些问题的分析,提出解决相应的解决方法。本文首先研究了样本集大小对线性识别方法和非线性识别方法的影响问题。大部分识别方法都需要进行事先的训练和学习,首先需要合理设计训练集的大小,包括类的数目以及类内的图片数目。当类内图片数和类的总数变化时,会对线性识别方法和非线性识别方法造成不同程度的影响。研究发现,随着样本集的增大,一些线性识别方法的识别准确率会大大下降,而对非线性识别方法几乎没有影响。经过分析,揭示出在样本集增大的情况下线性识别方法失效的原因在于类内距过大而类间距过小。因此,必须根据类内距和类间距来合理选择类的总数和类内的变化数,才能保证线性识别方法的良好运行;而当类内距较大、类间距较小时,应采用非线性识别方法进行改善。解决大规模人脸库上的有效识别率低的问题,除了可以采用非线性识别方法改进以外,还可以通过分解样本集来避免线性识别方法的失效。本文提出了两种解决方案,即基于聚类的人脸样本集分解方法和基于CMC曲线的层叠式原型筛选方法。综合这两种方法的优点,本文提出了Clustering-CMC方法。实验结果显示,与单一的线性识别相比,Clustering-CMC方法获得了较好的改善效果。为了追求更低的识别错误率,本文研究了基于可见光图像和红外热图像相结合的多模式人脸识别技术。采用了图像融合方法将可见光图像和红外热像进行信息融合,增加了图像的信息量和每类的特异性,从而可以改善图像的识别准确率。本文创造性地提出了三种图像融合方法,即基于小波变换的像素融合方法、基于遗传算法的特征融合方法和基于Dempster-Shafer证据理论的决策融合方法,并分别将这三种图像融合方法应用于实验。实验结果表明,三种融合方法都是有效可行的,其识别准确率都远远高出了单一图像的识别准确率。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 人脸识别技术的研究概述
• 1.1.1 人脸识别技术的研究意义与典型应用
• 1.1.2 人脸识别技术的优势与不足
• 1.2 人脸识别技术的研究现状与研究方法概述
• 1.2.1 人脸识别研究的历史与现状
• 1.2.2 人脸识别系统的发展与测试
• 1.3 人脸识别系统构成
• 1.3.1 人脸识别系统的主要框架
• 1.3.2 人脸识别系统的研究方法
• 1.4 多模式的人脸识别技术概述
• 1.4.1 多模式人脸识别的研究现状
• 1.4.2 多图像融合技术概述
• 1.5 本文工作的研究意义与主要内容
• 1.5.1 本文的研究背景与问题的提出
• 1.5.2 本文的研究意义
• 1.5.3 本文的主要贡献
• 1.5.4 论文的组织结构
• 第二章 不同规模数据集下线性人脸识别方法与非线性人脸识别方法的比较研究
• 2.1 人脸特征提取的线性方法与非线性方法
• 2.1.1 线性识别方法
• 2.1.2 基于核方法的非线性识别方法
• 2.2 类内变化对线性和非线性识别方法的影响研究
• 2.2.1 实验
• 2.2.2 实验结果
• 2.2.3 讨论
• 2.3 人数变化对线性和非线性识别方法的影响研究
• 2.3.1 实验方法
• 2.3.2 实验结果
• 2.3.3 讨论
• 2.4 本章小结
• 第三章 大规模人数情况下识别方法的设计与研究
• 3.1 基于CMC曲线的层叠式人脸样本筛选方法
• 3.2 基于聚类的数据集分解方法
• 3.2.1 K均值聚类
• 3.2.2 分离原则聚类
• 3.2.3 分解方法改进
• 3.3 分解方法与层叠方法的结合－Clustering-CMC方法
• 3.3.1 实验方法
• 3.3.2 实验结果
• 3.4 本章小结
• 第四章 多模式的人脸识别技术研究
• 4.1 红外热图像的人脸识别技术
• 4.1.1 人脸红外热图像用于身份识别的特异性
• 4.1.2 红外热图像的人脸识别技术研究现状
• 4.1.3 红外热图像的人脸识别实验研究
• 4.2 基于红外热图像和可见光图像相结合的多信息融合技术
• 4.2.1 概述
• 4.2.2 基于小波分解像素级融合方法研究
• 4.2.3 基于遗传算法的特征级融合方法研究
• 4.2.4 基于Dempster-Shafer证据理论的决策级融合方法研究
• 4.3 红外热图像和可见光图像的图像融合实验研究
• 4.3.1 像素级融合实验与结果
• 4.3.2 特征级融合实验与结果
• 4.3.3 决策级融合实验与结果
• 4.4 本章小结
• 第五章 人脸识别应用系统的设计与实验研究
• 5.1 人脸识别系统设计共性问题
• 5.1.1 现场环境设计
• 5.1.2 增强人脸检测功能
• 5.1.3 选择合适的注册原型图像
• 5.1.4 核心识别算法的选择
• 5.1.5 识别输出策略
• 5.1.6 学习集构建及识别模型更新
• 5.2 大规模原型集的人脸照片比对系统的设计方案
• 5.2.1 系统结构
• 5.2.2 核心算法测试与改进
• 5.3 机场登机旅客身份验证系统
• 5.4 本章小结
• 第六章 总结和展望
• 6.1 本文研究的问题及研究的意义
• 6.2 本文的创新性工作
• 6.3 今后的工作展望
• 参考文献
• 发表论文和科研情况说明
• 致谢