基于局部和全局特征融合的人脸识别研究

论文摘要

人脸识别是一项极具有发展潜力的生物特征识别技术,如何从人脸图像中有效地提取使之区别于其它个体的特征,是人脸识别研究的关键所在。最近几年,人脸识别技术取得了前所未有的进展,但人脸个性化特征抽取的好坏还是受姿态、表情、光照变化等因素的制约,使其在实际应用中的识别精度仍然难以满足人们的预期要求。孤立像素灰度的集合不能直接反映人脸的内蕴特征,引入适当人脸描述方法,如Gabor变换、LBP变换,将转换后的人脸特征映射到特征空间进行识别处理是行之有效的提高识别性能的途径。在Gabor变换幅值域内提取局部二值模式空间直方图序列的人脸描述方法解决了Gabor变换维数灾难的问题。Gabor变换、LBP变换、空间区域直方图的采用使得该方法对光照变化、表情变化、姿态变化、误配准等具有良好的鲁棒性。同时,人脸全局轮廓特征在人脸识别中也具有重要意义,通常认为低频信息保留了人脸的整体轮廓信息,本文采用低通滤波保留图像的低频信息,减轻了人脸局部变化对轮廓信息的影响。最后,分别对基于Gabor变换的局部特征和全局特征采用Fisher线性鉴别分析对人脸特征进行聚类分析。本文的主要工作如下：(1)本文对局部Gabor变换直方图序列的人脸描述方法进行深入的解析,并分析不同参数变化对人脸识别率的影响；(2)针对传统的基于局部Gabor变化直方图序列的方法,由于各个人脸区域对人脸识别的贡献对不同,本文提出对人脸各个不同的区域进行Fisher加权的方法；(3)CMU最新研究表明,人脸图像的清晰度不和人脸识别率成正比,本文提出通过高斯低通滤波保留图像的低频信息,即全局的轮廓信息,通过全局轮廓信息最大限度的保留人脸识别所需要的信息；(4)最后,本文提出结合局部和全局的人脸特征,通过Fisher鉴别分析对人脸特征进行聚类,并对整体和局部的权值进行调整。在FRGC2.0人脸库实验一和实验四上均取得了较好的识别效果,表明该方法对人脸图像条件的变化是鲁棒的,具有很好的识别能力。本文的课题来自于实际的开发项目,提出的算法已经作为某电脑厂商平板电脑进入权限设计的一部分,进一步验证了本文所提出算法的实用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 人脸识别的研究状况
• 1.3 广义人脸识别的研究内容
• 1.4 人脸识别的难点
• 1.5 本文的研究思想和主要工作
• 1.6 论文的组织结构
• 第2章 人脸识别理论模型及算法测试平台
• 2.1 引言
• 2.2 图像预处理的相关方法
• 2.2.1 人脸检测及眼睛定位
• 2.2.2 几何规范化
• 2.2.3 灰度规范化
• 2.2.4 人脸图像的预处理过程
• 2.3 图像特征表达相关方法
• 2.3.1 灰度特征
• 2.3.2 Gabor特征
• 2.3.3 局部二值模式
• 2.4 子空间特征抽取的相关方法
• 2.4.1 主分量分析
• 2.4.2 线性判别分析
• 2.5 特征分类相关方法
• 2.6 人脸识别算法测试平台
• 2.6.1 人脸测试库
• 2.6.2 软件平台
• 第3章 基于Gabor小波和LBP直方图统计的局部特征抽取
• 3.1 引言
• 3.2 Gabor变换
• 3.2.1 二维Gabor小波变换
• 3.2.2 Gabor小波的特性
• 3.2.3 Gabor小波滤波器在人脸识别中的响应特性
• 3.3 Gabor幅值域二值模式的人脸特征描述
• 3.3.1 局部二值模式
• 3.3.2 基于Gabor幅值的二值模式
• 3.3.3 局部二值模式的直方图统计
• 3.4 基于LGBP人脸描述的分块LDA特征抽取研究
• 3.4.1 分块LDA的基本理论
• 3.4.2 Fisher加权的分块LDA特征抽取
• 3.5 实验及结果分析
• 3.6 本章小结
• 第4章 基于高斯低通滤波和Gabor小波的全局特征抽取
• 4.1 引言
• 4.2 频域低通滤波器
• 4.2.1 理想滤波器的响应特性
• 4.2.2 巴特沃思滤波器的响应特性
• 4.2.3 高斯低通滤波器的响应特性
• 4.3 基于高斯低通滤波的图像低频成分提取
• 4.4 滤波图像的Gabor特征提取
• 4.5 训练样本对全局特征鲁棒性的影响分析
• 4.5.1 训练样本光照的多样性
• 4.5.2 图像的水平镜像变换
• 4.5.3 像素点错位扰动
• 4.6 实验及结果分析
• 4.7 本章小结
• 第5章 基于特征融合的人脸识别算法测试及实际性能分析
• 5.1 引言
• 5.2 基于全局和局部特征融合的人脸识别算法性能测试
• 5.2.1 局部和全局特征融合的人脸识别算法
• 5.2.2 基于特征融合的人脸识别算法性能分析
• 5.2.3 不同算法之间性能对比
• 5.3 算法实际性能分析与改进
• 5.3.1 速度测试及改进
• 5.3.2 图片格式对人脸识别的影响
• 5.3.3 实时识别环境中待识别识别人脸图像的选择
• 5.3.4 算法实际环境人脸识别率
• 5.4 本章小结
• 第6章 结语
• 6.1 本文工作总结
• 6.2 展望
• 参考文献
• 致谢