论文部分内容阅读
目前,随着电子技术与生物信息技术的快速发展,基于生物特征的模式识别技术获得了广泛的关注并加以运用。人脸识别技术是当前发展较快应用较为广泛的生物特征识别技术。人脸识别技术是多学科与多领域中一个非常具有挑战性的研究课题,其涉及的领域主要有:图像处理与分析、模式识别与机器学习、人工神经网络、数学与机器视觉与人工智能等学科。人脸识别过程主要包括人脸图像的预处理、特征提取与模式分类三个阶段。文章中主要研究基于几何特征的人脸识别技术,对人脸识别过程涉及到的理论和技术进行了研究与讨论。本文介绍了人脸识别的研究背景与意义、应用范围、国内外研究现状以及目前在识别过程中常用的人脸数据库和自建的人脸数据库。对于人脸的识别过程,针对用到的主要技术进行了介绍和简述,并对过程中出现的问题进行讨论,分析总结了研究过程中出现的难点及问题,重点介绍了本文所使用的基于几何特征的人脸识别算法。在人脸图像预处理时,使用了图像增强、图像平滑、边缘检测与提取以及图像的归一化等操作,给出了各种操作后的效果图。在面部器官定位与特征提取时,利用了边缘检测与投影函数的方法对面部眼睛、鼻子和嘴等主要器官进行定位,并提取了主要器官的12个特征点。利用12个特征点构造了13个特征向量,构造的13个特征向量不受图像位移、旋转等变化的影响,具有很好的稳定性。对特征向量进行归一化操作,使主要器官在人脸面部能够很好的体现出其分布情况。在人脸的分类识别过程,利用加权比值函数进行识别,加权比值函数是计算特征向量中每个特征值的差异,考虑到特征值的不同重要性对于识别结果的不同影响,而且加权比值函数是使用特征向量的方差特性来计算权值,计算的方法简单,计算的权值准确度较高,提高了识别率,比较适合识别过程。该人脸识别方法在自建的人脸数据库、ORL人脸数据库、Yale人脸数据库与AR人脸数据库中进行了实验验证,得到了人脸识别的识别率与运行的时间。在实验结果表明:基于几何特征的人脸识别技术特征提取有效,数据运算量小,识别率高。