人臉檢測(cè)和識(shí)別中若干問題研究.pdf

1、在生物特征識(shí)別技術(shù)中，人臉識(shí)別是最自然、最直接和最友好的手段。人臉檢測(cè)和識(shí)別在身份認(rèn)證、電子商務(wù)、視頻監(jiān)控、人機(jī)交互等領(lǐng)域具有廣闊的應(yīng)用前景。人臉檢測(cè)和識(shí)別已經(jīng)成為模式識(shí)別和人工智能領(lǐng)域中極富挑戰(zhàn)性的熱點(diǎn)課題之一，對(duì)人臉檢測(cè)和識(shí)別的研究具有很高的理論意義和實(shí)用價(jià)值。本文對(duì)人臉特征提取、人臉非均勻光照補(bǔ)償和人臉識(shí)別中的小樣本(Small Sample Size，SSS)問題等內(nèi)容進(jìn)行了研究，具體的研究成果主要包括： 1)對(duì)基于自適

2、應(yīng)信號(hào)分解算法的人臉特征提取進(jìn)行了研究。把從訓(xùn)練集平均臉提取的內(nèi)模函數(shù)(Intrinsic Mode Functions，IMFs)作為匹配追蹤算法(Matching Pursuit Algorithm)的基本函數(shù)庫(kù)來提取圖像的特征，并分別提出了基于經(jīng)驗(yàn)?zāi)Ｊ椒纸?Empirical Mode Decomposition，EMD)的人臉檢測(cè)算法和人臉性別分類算法。 2)對(duì)基于時(shí)頻分析技術(shù)的人臉檢測(cè)進(jìn)行了研究。把訓(xùn)練集平均臉的時(shí)頻分

3、析輸出結(jié)果組合成投影向量，通過計(jì)算待測(cè)圖像與各投影向量之間的內(nèi)積來提取特征，并訓(xùn)練分類器進(jìn)行分類判決。分別提出了基于小波分解和Gabor變換的人臉檢測(cè)算法。 3)對(duì)基于小波變換的人臉非均勻光照補(bǔ)償進(jìn)行了研究。將人臉圖像通過對(duì)數(shù)變換后，分別利用小波變換、小波包變換和多小波變換舍棄圖像的低頻分量，實(shí)現(xiàn)了對(duì)人臉非均勻光照的補(bǔ)償。同時(shí)提出了相應(yīng)的人臉非均勻光照補(bǔ)償算法。 4)對(duì)利用Gabor小波變換來解決人臉識(shí)別中的小樣本問題進(jìn)