论文部分内容阅读
人脸识别研究起源于众多科技工作者追求计算机人性化的美好构想,目标是赋予计算机根据人脸自发辨别人物身份的能力,具有极其重要的科学意义和非常巨大的应用价值。人脸识别作为一个科学问题,是一个典型的图像处理、模式分析、理解与分类计算问题,涉及模式识别、自然与演化计算、计算机视觉、智能人机交互、图形学、认知科学等多个学科。作为生物信息识别关键技术之一的人脸识别技术在国家安全、公共安全、信息安全、金融等多种领域具有巨大的应用前景。经过三十多年的发展,人脸识别技术取得了长足的进步,目前最好的人脸识别系统在理想情况下已经能够取得可以被研究人员接受的识别性能,但众多人脸识别系统理论、应用研究、开发、市场工作者和用户的测试和实践经验表明:非理想条件下(包括多种变化因素影响下)的人脸识别仍未较成熟。要开发出真正广泛应用于市场的鲁棒、实用的人脸识别应用系统还需要解决大量的理论和应用技术问题,尤其需要研究核心问题:(1)作为实际应用识别必要前提条件的人脸关键特征检测和精确定位;(2)人脸预处理和高效鲁棒的人脸特征描述识别算法。本文重点探讨了人脸识别中的上述核心问题之一:人脸预处理和高效鲁棒的人脸特征描述识别算法。本文的主要研究工作包括如下几个方面:1.总结了现有的主要人脸图像数据库的情况,讨论了人脸识别领域目前仍面临的重要开放问题之一:人脸特征描述。2.推导出了人脸预处理中的亮度归一的相对完整表达式,较详细地重新推导基于小波变换的正则化方法并将其第一次应用于人脸预处理中的降质人脸恢复,实验恢复效果在一定程度上较优于传统常用正则化方法。3.研究了Gabor小波网络人脸特征描述方法,对其进行自然演化优化,提出和实现了IOEA-GWN人脸识别新算法,实验显示在一定程度上提高了受多种变化因素影响下的人脸识别率。4.对本文人脸识别的后续工作做了分析和展望,得出结论:可以通过例如GEP等各种新型演化的方法来提高GWN优化效果从而提高人脸识别率,可启发相关和其他模式识别领域的研究者改进或创新应用于各种模式识别领域中。