论文部分内容阅读
生物识别技术(Biometric Identification Technology)是利用人体生物特征进行身份认证的一种技术。常用的生物特征包括:指纹、虹膜、人脸、声音、步态、笔迹等。与指纹识别、虹膜识别相比,人脸识别更加直接和友好,在身份鉴定、档案管理、视频检索等方面有着广阔的应用前景。人脸识别技术(Face Recognition Technology)是利用计算机分析人脸图像,从中提取出有效的识别信息,用来“辨认”身份的一门技术。由于人脸是由复杂的三维曲面构成的可变形体,难以用数学描述,并且所有的人脸结构高度相似,而人脸图像又受到年龄和成像条件的影响,使得同一人脸在不同条件下的差别可能比不同的人脸在相同条件下的差别还要大。所以人脸识别是一个极具挑战性的课题。本文收集和分析了大量近年来国内外关于人脸检测与人脸识别技术的学术论文及研究报告,对人脸检测及识别技术的相关算法进行了深入的研究,本文的研究工作主要包括以下几个方面:(1)对国内外人脸检测及识别技术的研究现状进行了系统的分析和总结。研究了基于肤色的人脸检测技术和基于奇异值分解(SVD)和支持向量机(SVM)的人脸识别算法,分析了目前人脸检测及识别技术中亟待解决的难点问题,并讨论了人脸检测及识别技术的发展趋势。(2)在人脸检测部分,主要研究了基于肤色的人脸检测技术。首先研究了肤色检测技术涉及到的相关理论,包括人脸图像预处理、色彩空间的转换、肤色建模等。在此基础上,研究了基于肤色的人脸检测系统,该系统主要包括光线补偿、肤色建模、闭运算处理、去除非人脸区域和人脸区域标定等几个功能模块。实验证明,该系统能够实现复杂背景下24位RGB图像的人脸检测,并且对于光照、表情等变化具有较高的鲁棒性。(3)在人脸特征提取部分,主要研究了基于独立分量分析(ICA)和奇异值分解(SVD)的人脸特征提取方法,并设计了基于整体与局部奇异值分解的人脸特征提取算法。在人脸分类识别部分,研究了基于支持向量机(SVM)的分类识别方法,并设计了基于支持向量机的人脸分类算法。