论文部分内容阅读
人脸识别是当前模式识别领域的一个研究热点,常用的方法很多,一般说来包括定位和分类两个部分。准确的定位是正确分类的前提,而分类的成功率又反映了定位质量的好坏,这两个方面是人脸识别的研究重点。本文主要研究基于主动形状模型(Active Shape Model, ASM)的人脸特征定位方法和基于模糊神经网络(Fuzzy neural Networks, FNN)的识别技术,并在此基础上进行了改进,主要的工作如下:
1、复现了经典的ASM算法及其重要的改进算法,即基于灰度级的匹配算法和基于图像金字塔的的搜索算法。对影响ASM的各种因素:初始化位置、变形参数和搜索尺度进行了实验和分析,并对ASM模型进行了客观的评价;
2、针对传统ASM存在的问题进行了研究提出了三个改进算法:
(1) 针对传统ASM没有有效的初始化方法的问题进行了研究,本文利用基于投影变换粗略定位人脸作为ASM的初始化依据,减少因为初始化位置过远引起的ASM搜索失败;
(2) 对构造图像金字塔的方式进行了改进,本文用轮廓图像代替原来的高斯滤波图像,轮廓图像包含了更明确的边缘信息能够使ASM更快地定位到目标附近;
(3) 针对单ASM模型不能准确匹配具有偏转人脸的情况,本文构造多个专用的 ASM进行有针对性的搜索,然后利用相似度准则作为结果的评价。
3、提出了将ASM与FNN相结合并用于人脸识别的方法,利用ASM 定位获得的灰度信息作为模糊神经网络的分类信息。针对FNN在高维问题上分类不理想的原因进行分析,提出了基于交互式隶属度调整的方法,使其更适合高维的人脸分类问题。为了验证算法的有效性,将本文算法与特征脸方法进行比较。实验结果表明,在相同实验条件下,将主动形状模型与模糊神经网络相结合的方法具有更高的识别率。
最后,对论文的研究工作进行回顾总结,并对进一步的工作进行展望。