基于特征表示的人臉識(shí)別算法研究.pdf

1、隨著模式識(shí)別相關(guān)理論的發(fā)展，有關(guān)人臉識(shí)別的產(chǎn)品逐步走入了應(yīng)用市場(chǎng)。但在應(yīng)用中，由于人臉存在著各種非可控條件，如光照、表情、姿態(tài)等，這些條件可能導(dǎo)致在可控條件下識(shí)別性能較好的系統(tǒng)性能急劇下降。而在整個(gè)人臉識(shí)別系統(tǒng)中，人臉特征表示是關(guān)乎整個(gè)識(shí)別系統(tǒng)性能的關(guān)鍵環(huán)節(jié)。
　　本文從人臉特征表示的分類算法出發(fā)，一種是基于局部特征表示算法，另一種是基于全局特征表示，闡述了幾種在這兩類算法中比較經(jīng)典的算法原理和步驟，如主成成分分析(Princip

2、al ComponentAnalysis，PCA)、線性判別分析(Linear Discriminant Analysis，LDA)、局部二值模式（Local Binary Pattem，LBP）和Gabor濾波，文章從運(yùn)用預(yù)處理和融合算法兩個(gè)方面對(duì)已有的人臉特征表示算法展開研究，所取得的主要研究成果有:
　　(1)研究了光照預(yù)處理算法。預(yù)處理算法結(jié)合人臉特征表示能較好地解決人臉光照下的識(shí)別問(wèn)題，為了提高人臉LBP特征表示的光照識(shí)

3、別率和魯棒性，綜合對(duì)比了幾種人臉預(yù)處理算法，并提出了一種改進(jìn)retina的預(yù)處理算法來(lái)提高人臉的LBP特征表示。實(shí)驗(yàn)結(jié)果表明該預(yù)處理算法能有效提高人臉的LBP特征表示。
　　(2)單一的局部相位量化算子(Local Phase Quantization，LPQ)表示人臉特征只應(yīng)用了頻域中的幅值信息，這種表示能力相對(duì)較弱，因此本文研究了Monogenic濾波和LPQ算子的相關(guān)原理，提出了一種基于Monogenic信息的局部相位量化人