基于SIFT的分塊加權(quán)人臉識(shí)別系統(tǒng)研究.pdf

1、目前人臉識(shí)別技術(shù)已經(jīng)取得了很大的成就，一些經(jīng)典的人臉識(shí)別系統(tǒng)當(dāng)條件理想時(shí)能得到理想的識(shí)別效果，但是在非理想情況下，如表情、光照、姿勢(shì)、視角、遮擋等變化條件對(duì)人臉造成影響時(shí)，其識(shí)別率明顯下降，不能得到很好的結(jié)果。針對(duì)此問(wèn)題，本文在對(duì)現(xiàn)有國(guó)內(nèi)外人臉識(shí)別系統(tǒng)研究分析的基礎(chǔ)上，利用 SIFT算子在非理想條件下對(duì)人臉識(shí)別有較好識(shí)別效果的優(yōu)勢(shì)，就怎樣能在人臉圖像中提取出對(duì)表情、光照、以及遮擋等魯棒性更強(qiáng)的 SIFT特征為研究重點(diǎn)，并試圖將其運(yùn)用于人

2、臉識(shí)別系統(tǒng)以提高人臉識(shí)別率。
　　本文在 SIFT特征提取的基礎(chǔ)上，針對(duì)傳統(tǒng)圖像分塊特征提取方法沒(méi)有考慮到分塊邊緣信息以及圖像各部分對(duì)圖像整體貢獻(xiàn)度不同的問(wèn)題，提出基于 SIFT的改進(jìn)分塊自適應(yīng)加權(quán)的特征提取方法并將其運(yùn)用在人臉識(shí)別系統(tǒng)中。該方法首先利用提出的重疊分塊方法來(lái)對(duì)人臉圖像進(jìn)行重疊分塊處理；之后，提取各個(gè)子塊的 SIFT特征點(diǎn)并用特征向量來(lái)進(jìn)行描述；然后，采用2DICA降維方法來(lái)對(duì)上一步中得到的特征描述向量降維并根據(jù)局部

3、信息熵圖譜計(jì)算出的局部貢獻(xiàn)度來(lái)給降維后的特征描述向量進(jìn)行自適應(yīng)加權(quán)；最后，利用上一步得到的人臉圖像特征以及RBF算法來(lái)進(jìn)行訓(xùn)練分類(lèi)與識(shí)別。
　　為了對(duì)本文方法所提取的特征進(jìn)行人臉識(shí)別的實(shí)驗(yàn)。本文選擇在YALE、ORL以及YALEB人臉庫(kù)中進(jìn)行實(shí)驗(yàn)，分別在有表情變化、光照變化、姿勢(shì)變化、遮擋變化的條件下進(jìn)行實(shí)驗(yàn)，并且與現(xiàn)有幾種常見(jiàn)特征提取方法的實(shí)驗(yàn)結(jié)果進(jìn)行了比較與說(shuō)明，結(jié)果證明本文方法與其它描述方法相比在遮擋、姿勢(shì)、光照以及表情變化