论文部分内容阅读
人脸识别技术因其具有非接触性、快速和容易使用等特点而受到了大家的广泛关注,又因其在安防和其他领域拥有巨大的市场,从而促使了越来越多的研究人员从事该方面的研究工作。本文主要对光照和表情鲁棒的人脸图像识别方法进行了相关的研究,主要研究工作如下：(1)光照鲁棒的人脸图像识别方法本文构建了一种光照鲁棒的人脸图像识别方法,该方法首先对人脸图像进行对数增强,再使用基于梯度的总变分模型来平滑图像,最后可获得光照归一化的对数总变分商图像(Logarithmic Total Variation Quotient Inage,LTVQI).在Yale B和CMU PIE数据库上的人脸识别率分别为98.72%和95.99%,实验结果表明基于对数总变分商图像的人脸识别能获得较优的人脸识别率。(2)表情鲁棒的人脸图像识别方法本文构建了一种表情鲁棒的人脸图像识别方法,该方法首先构建一种人脸几何特征模型,并且建立加权的角度向量作为人脸的几何特征向量,进而可以分别建立人脸的几何特征空间和纹理特征空间,再结合两个特征空间完成人脸识别工作。本文的方法在Yale数据库上可获得94.6%的人脸识别率,实验结果表明该方法可有效地剔除表情对人脸识别结果的影响。(3)光照和表情鲁棒的人脸图像识别方法本文提出了一种光照和表情鲁棒的人脸图像识别方法,该方法首先使用直方图均衡增强图像的对比度,然后建立局部二值模式图和区域梯度图,再通过稠密匹配方法计算每两幅特征图之间的匹配代价,最后完成人脸识别工作。该方法不仅可以消除光照和表情对识别结果的影响,而且还可以处理单人单样本问题。在AR数据库上,表情和光照的人脸识别率分别为99.3%和99.0%,在ORL库上的人脸识别率为99.0%,本文研究的方法已应用在网吧人脸系统中。