论文部分内容阅读
人脸识别技术具有非常广泛的应用前景,在身份认证、视频智能监控和人机交互等领域都有重要的应用。然而姿态变化始终是影响人脸识别正确率的一大因素,因而本文针对这一问题展开研究,通过姿态矫正提高人脸图像识别正确率。本文研究了偏转角度为±5°~±25°的人脸图像的姿态矫正方法以及分块加全局的PCANet-2(4 Block+Global)人脸识别方法,并且通过实验证明,本文的方法在原来的基础上提高了人脸识别正确率。本文的主要研究内容包括:(1)姿态问题对于人脸识别非常重要,在使用三维模型矫正二维人脸图像的姿态时,深度坐标如果估计不准,矫正效果是很难理想的,针对该问题,本文研究了Candide-3三维人脸模型与二维人脸图像的配准方法以及在配准过程中Candide-3模型113个顶点的深度坐标估计方法。(2)使用Candide-3三维人脸模型将偏转角度大于5°的侧面人脸图像转正之后,在原来偏向的一侧会有部分纹理失真,针对该问题,本文研究了对于偏转角度为±5°~±25°的侧面人脸图像,使用Candide-3模型转正之后,检测失真的三角面片并且对其使用约束纹理合成方法进行修复。(3)本文在Tsung-Han Chan[1]等人提出的PCANet-2人脸识别方法以及刘栋梁[2]提出的PCANet-2(4 Block)方法的基础上进行了改进,具体方法为:将人脸图像分为左眼区域、右眼区域、鼻子区域、嘴巴区域和全局人脸五个部分,分别使用这五个部分的图像训练第一阶段和第二阶段的PCA滤波器,对于每一张待测图像将其分为这五个部分分别使用对应的PCA滤波器提取特征,整幅人脸图像的特征由这五个部分的特征级联表示,然后进行识别。(4)实验表明,本文的PCANet-2(4 Block+Global)人脸识别方法在错误接受率为1%~8%时比Tsung-Han Chan[1]等人提出的PCANet-2方法识别率高,并且在错误接受率为0.5%~8%时比刘栋梁[2]提出的PCANet-2(4 Block)方法识别率高。另外,对偏转角度为±5°~±25°的侧面人脸图像矫正姿态之后识别率确实提高了。