Gabor滤波和子空间分析的人脸识别算法研究

摘要

自动人脸识别技术〔Automatic Face Technology,AFRT)在民用安防、公共安全、娱乐、客户服务等应用领域和图像处理、模式识别等学科领域受到广泛关注。受表情、年龄等内部因素和光照、姿态、遮挡等外部因素以及双胞胎，整容等其他因素的影响，现在的 AFRT水平不能完全够满足现实应用的需求，还需要对其进行持续的创新研究。 一个完整的自动人脸识别系统〔Automatic Face Recognition System,Afrs)主要包含如下过程：图像采集(Image Acquisition)、人脸检测与定位〔Face Detection and Orientation)、图像预处理〔Imager Preprocessing)、特征提取〔Feature Extraction)和分类识别〔Classification Recognition)。本文以AFRS的核心步骤特征提取为切入点，对人脸识别算法进行深入研究，在详细研究现有算法的基础上，提出了快速零空间线性鉴别分析(FNSLDA)算法和快速完备线性鉴别分析(FCLAD)算法，并将Gabor滤波与其进行融合，主要工作如下： (1)探讨了AFRT的研究现状和存在的难题及其意义，分析了现在AFRT研究的主要内容和常用方法。同时还分析了AFRS的评价标准，从而全面的分析算法的有效性，使其更接近实际应用。 (2)探讨了Gabor滤波的原理和提取人脸Gavor特征的过程，详细分析了二维Gavor滤波器的参数意义和选择基础，提出使用FFT的方式提高Gavor提取人脸特征的速度，最后对Gavor滤波器的参数的选择做了相应的实验分析。 (3)详细分析了子空间分析算法中线性鉴别分析算法(LDA)的“小样本”问题，以及零空间线性鉴别分析(NSLDA)和完备线性鉴别分析(CLDA)两种解决“小样本”问题的算法，并提出了FNSLDA和FCLDA两种提升时间性能的算法，对算法所涉及的定理进行了完整的证明，最后对所述算法进行时间复杂度分析和实验验证，验证了所述算法在时间和识别率上的有效性。 (4)利用FNSLDA和FCLDA有效降低特征维数的优势进一步提取人脸特征，提出了将Gabor滤波与FNSLDA和FCLDA相融合的人脸识别算法，并在ORL人脸库上进行识别模式和验证模式的实验分析，结果表明融合Gabor滤波的子空间算法有很好的识别效果。

目录

第一个书签之前