基于多模式融合的人臉識別算法研究.pdf

1、人臉識別作為一種友好、非接觸的生物特征識別技術，可分為二維圖像人臉識別和三維模型人臉識別?；趫D像的二維人臉識別研究開展的較早，在實驗室環(huán)境下已經獲得了較高的識別率。然而，F(xiàn)RGC（人臉識別大挑戰(zhàn)計劃）測試表明即使是最好的二維人臉識別算法在光照、姿勢、表情變換劇烈的情況下依然無法提供可靠的識別結果。三維人臉識別可以克服或減輕這些因素的影響。應用信息融合理論，將二維人臉識別和三維人臉識別在決策層融合，有望得到高效穩(wěn)定的識別結果。文本在對這

2、一領域所涉及到的算法進行了研究。為了解決二維Gabor特征維數(shù)過大的問題，本文對2DPCA（二維主成分分析）方法進行改進，提出R-2DPCA（增強二維主成分分析）降維算法，形成了完整的Gabor+R-2DPCA二維人臉識別方法。采用最近鄰分類器分別在CASIA人臉庫和ORL人臉庫上進行實驗，結果表明Gabor+R-2DPCA方法的識別率優(yōu)于PCA和2DPCA方法，最高識別率達到了97.5％。
　　 本文研究了從原始三維模型到深度

3、圖的轉換過程，并提出適用于深度圖特征提取的LTP（局部三值模式）算子。在不顯著增加算法復雜度的前提下，LTP方法表現(xiàn)出了良好的抗噪性。實現(xiàn)了Fisherface方法，將Fisherface與深度圖LTP特征提取結合起來，構成了三維人臉識別模塊。在CASIA三維人臉庫上進行了相關實驗，驗證了所提出的三維人臉識別算法的可行性，最高識別率達到了95.8％，訓練時間與測試時間相對于傳統(tǒng)Fisherface方法增加均不超過4％。最后結合信息融合理

4、論，給出了2D圖像與3D模型融合的四種模式。對四種模式的優(yōu)缺點進行分析，提出了改進型決策層融合模型：先通過Gabor+R-2DPCA方法得到N個候選人，再利用深度圖LTP+Fisherface方法得到最終識別結果。按照該模型完成了基于Gabor變換與深度圖像的多模式人臉識別系統(tǒng)軟件開發(fā)。通過實驗，在N取值大于等于30時，系統(tǒng)的識別率穩(wěn)定在98.5％以上。隨著三維成像技術的發(fā)展，本文所提出融合二維圖像和三維模型的人臉方法必將有著廣闊的應用