變化光照環(huán)境下的人臉識別.pdf

1、人臉識別是生物特征識別領域的一個研究熱點,主要涉及了模式識別、計算機視覺、機器學習和圖像處理等方面的內容。人臉識別的非接觸式、非打擾、直接性、隱蔽性等優(yōu)點,使其在門禁系統(tǒng)、監(jiān)控、身份鑒定等方面有著廣泛的應用前景。目前,很多性能優(yōu)良的人臉識別算法已經被提出,一些成功的商用系統(tǒng)也在現實中得到應用。然而,當不可避免的光照、年齡、表情、姿態(tài)變化等問題出現時,人臉識別率會大大下降;尤其是光照的變化對人臉識別的影響。因此,如何提高人臉識別在光照變化

2、條件下的識別率和魯棒性是值得研究的一個課題。
　　本文針對人臉識別中的光照變化問題,從圖像的光照補償和光照不變特征提取兩個方面進行了研究。
　　對于變化光照環(huán)境下的圖像,光照補償是圖像預處理中最重要的一步。在第三章中,通過介紹了幾種效果較好的經典的光照補償方法的原理及優(yōu)缺點,引出了基于脈沖耦合神經網絡的光照補償算法;在傳統(tǒng)脈沖耦合神經網絡模型基礎上,基于脈沖耦合神經網絡的自動波特性,結合圖像的統(tǒng)計特性,利用Weickert

3、J定義的與梯度和梯度方向有關的擴散率函數,通過改進傳統(tǒng)脈沖耦合神經網絡模型,得到各向異性脈沖耦合神經網絡模型,并將其用于光照補償。
　　人臉特征提取主要包括整個人臉局部二值模式(LBP)特征和各人臉器官局部區(qū)域的LBP特征。為了滿足人臉特征具有主次之分和局部特征的完整性,在提取整個人臉的整體LBP特征的同時,將人臉的主要特征區(qū)域(鼻子、眼睛、嘴巴)分割出來,提取重要局部區(qū)域的LBP特征;然后將各個LBP特征連接起來得到綜合LBP特

4、征;為了減小計算量,用PCA算法對綜合LBP特征降維;最后,運用χ2統(tǒng)計方法計算降維后的LBP特征的相似性來實現人臉判別。
　　文章的最后,為了驗證本文提出的光照補償方法和采用的人臉特征提取方法的適用性和有效性,選取了Yale B和MCU-PIE人臉數據庫的部分圖像進行了光照補償實驗,并對補償效果進行了評價;用本文選取的特征提取方法對光照補償后的圖像進行了人臉識別實驗;基于 OpenCV設計了實時的人臉識別系統(tǒng),實現了實時人臉數據