论文部分内容阅读
计算机人脸识别技术的研究始于上世纪六十年代末,但由于其本身的难度和技术条件的限制,一直发展缓慢。近二十年来,由于计算机技术、信号处理技术、模式识别技术的飞速发展和实际应用需求的急速增长,人脸识别技术日益受关注,成为人们研究的热点,在相关的理论和应用领域获得了长足的进步。
本文主要研究了人脸识别的理论和关键技术,重点探讨了复杂背景下的人脸检测和识别,并利用新的Gabor特征提取方法编写了复杂背景下的人脸检测和识别软件。在实验室条件下的测试结果表明该软件能够有效地检测并识别人脸。本文的主要研究工作包括以下部分:
(1)回顾了人脸识别的研究历史,对已有的经典人脸识别算法进行了介绍和比较;重点介绍了传统的主成分分析方法(PCA)和线性鉴别分析方法(LDA),给出了其数学推导过程,并且在ORL等人脸库上利用PCA和LDA方法进行了实验,给出了识别结果。
(2)对Gabor小波特征提取进行了研究,找到了一种新的Gabor特征提取方法,并基于这种新的Gabor特征提取方法在YALE等人脸库上进行了人脸识别实验,结果证明该方法比传统的主成分分析方法(PCA)和线性鉴别分析方法(LDA)都要有效。
(3)在实验室环境下,通过普通摄像机获取人脸图像,利用OpenCV插件,通过VC++软件,利用新的Gabor特征提取方法,编写了具有一定利用价值的人脸识别系统。该系统首先通过快速类Haar矩形特征变换,获取人脸类Haar矩形特征,然后利用多级Adaboost分类器检测出待识别人脸。在人脸识别阶段,首先通过Gabor变换进行精确的眼睛定位,然后在具有较强的识别能力的特征点区域提取新的Gabor特征,通过投影变换,获得人脸类别特征矢量。然后通过蚁群聚类方法对人脸库中的所有人脸类别特征矢量进行由粗到精的多级分类,最后利用改进的最近邻域法快速地识别出人脸所属类别。在实验室条件下对实验室20位同学的测试结果表明,人脸检测时间大约在120ms,8帧/秒,检测率大约为95%左右,识别时间大约为160ms,大约5帧/ms,识别率在96%左右