受控環(huán)境下的人臉識(shí)別現(xiàn)階段已經(jīng)取得了很好的效果,識(shí)別率遠(yuǎn)超了人眼。然而,在不受控制和自然環(huán)境下的面部識(shí)別易受姿態(tài)、照明、遮擋等的影響,這降低了算法的性能,一些商業(yè)應(yīng)用在應(yīng)對(duì)這些干擾問(wèn)題時(shí)的效果也差強(qiáng)人意。其中,部分遮擋人臉識(shí)別是目前必須要解決的問(wèn)題之一。本文提出以下兩種方法對(duì)部分遮擋情況下的人臉識(shí)別進(jìn)行研究,具體如下:（1）提出一種基于多尺度地標(biāo)的梯度直方圖進(jìn)行特征點(diǎn)特征提取,并使用PCA白化空間進(jìn)行分類識(shí)別的方法。首先,我們使用DLIB庫(kù)檢測(cè)器來(lái)檢測(cè)圖像中的面部區(qū)域,并基于特征點(diǎn)位置進(jìn)行面部對(duì)齊。在獲得面部圖像之后,使用高斯差分（DoG）作為帶通濾波器進(jìn)行圖像預(yù)處理。對(duì)處理之后的圖像使用多尺度地標(biāo)的梯度直方圖（HOG）來(lái)保持特征點(diǎn)的定位和變化,來(lái)使特征的提取在面部變化下更具魯棒性。將提取到的面部特征在PCA白化空間中進(jìn)行分類,根據(jù)空間內(nèi)特征向量的歐氏距離計(jì)算其相似性,從而對(duì)有遮擋人臉進(jìn)行分類。通過(guò)實(shí)驗(yàn)可以看出該方法對(duì)人臉部分遮擋的識(shí)別有一些提升,對(duì)光照和遮擋有較好魯棒性。（2）人臉識(shí)別中,若面部特征被遮擋,隨著其遮蔽區(qū)域的增大,依靠對(duì)圖像中人臉的整體特征識(shí)別就變得越來(lái)越困難,所能提取... 

【文章來(lái)源】：安徽理工大學(xué)安徽省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１人臉識(shí)別框架圖??Ｆｉｇ２－１?Ｆａｃｅ?ｒｅｃｏｇｎｉｔｉｏｎ?ｆｒａｍｅ??

對(duì)圖像用隱馬爾可夫模型進(jìn)行采樣提取特征，為了使人臉的關(guān)鍵部分特征不??被切斷和破壞，可以將人臉部分分割成五個(gè)區(qū)域，分別是額頭，眼睛，鼻子，嘴??巴和下巴，形成５級(jí)隱馬爾可夫模型。如圖２－４所示。??眼睛??ｉ?ｍ?＾??＇?Ｉ?參?■??１．，．?嘴巴??下巴??圖２－４?５級(jí)人臉隱馬爾可夫模型??Ｆｉｇ２－４?Ｌｅｖｅｌ?５?ｆａｃｅ?ＨＭＭ?ｍｏｄｅｌ??為了使隱馬爾可夫模型中矩形塊的選取更能表達(dá)出人臉的相關(guān)特征，人們做??了很多相關(guān)工作。如Ａｒａ?ＶＮｅｆｉａｎ等人提出模型中使用二維離散余弦的變換，??降低了模型的計(jì)算復(fù)雜度，并且使圖像對(duì)無(wú)關(guān)噪聲、光照和面部姿態(tài)角度等更具??魯棒性，使ＨＭＭ模型識(shí)別率大大提高。經(jīng)過(guò)改進(jìn)的隱馬爾可夫模型優(yōu)點(diǎn)很明顯，??對(duì)人臉圖像的角度姿勢(shì)和面部表情具有魯棒性，對(duì)于新樣本可直接在模型上訓(xùn)練，??但該方法的優(yōu)點(diǎn)都是建立在釆樣選取矩形框特征的基礎(chǔ)之上的，計(jì)算仍然具有很??高的復(fù)雜度。隱馬爾可夫模型是將人臉圖像的總體特征和局部特征進(jìn)行融合特征??－１４－

應(yīng)用廣泛的二分類模型。使用ＳＶＭ進(jìn)行分類時(shí)，可以產(chǎn)生多個(gè)分界線，稱之為??“決策面”，每個(gè)決策面都可以作為一個(gè)分類器，很明顯，每個(gè)分類器的分類性能??是不同的。如圖２－５所示。??Ｈｌ、、＇?°?〇??＇灸、。。。??圖２－５?ＳＶＭ分類器??Ｆｉｇ２－５?ＳＶＭ?ｃｌａｓｓｉｆｉｅｒ??定義：設(shè)訓(xùn)練樣本集是｛（＾），／＿?＝?１，２，．．．《，＾￡＜；；￡｛＋１，－１｝｝，１為特征向量，??少為類別標(biāo)號(hào)，ｄ維空間線性判別函數(shù)為：ｇＣｃ）?＝?０ｘ?＋?６，則分類面方程是：??ａ＞ｘ?＋?ｂ?－０?（２－８）??分類結(jié)果由法向量《和截距６決定。為了計(jì)算的方便，將函數(shù)歸一化處理，??將離超平面最近的分類樣本點(diǎn)設(shè)定為丨ｇ（ｘ）ｊ＝ｌ，這樣其他所有要分類的樣本點(diǎn)都??有｜ｇ（ｘ）｜２１，由此可得出分類的最小間隔為２／１丨刎丨，由最小間隔值可以看出ＳＶＭ??－１６－??

【參考文獻(xiàn)】：
期刊論文
[1]基于分塊的有遮擋人臉識(shí)別算法[J]. 周孝佳,朱允斌,張躍.  計(jì)算機(jī)應(yīng)用與軟件. 2018(02)
[2]人臉識(shí)別:一種基于特征融合及神經(jīng)網(wǎng)絡(luò)的方法(英文)[J]. 於東軍,趙海濤,楊靜宇.  系統(tǒng)仿真學(xué)報(bào). 2005(05)



本文編號(hào)：2895401