论文部分内容阅读
生物特征识别是一项利用人类特有的生理或行为特征来进行身份识别的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。而人脸检测和识别是目前生物特征识别中最受人们关注的一个分支，是计算机视觉与模式识别领域非常活跃的一个研究方向，它不仅广泛应用于国家安全、公安、司法、政府、金融、商业、安检、保安等身份鉴别系统，而且还可应用于人机接口、可视通讯等领域。 本文对于灰度图像中正面人脸的自动检测与识别问题进行了深入研究，主要工作及贡献如下： 1．针对灰度图像，提出一种基于知识的人脸检测方法，根据人脸检测先验知识，在传统的马赛克方法基础上，建立了人脸检测知识库，采用积分图方法计算子块的统计量，从而显著地提高了检测速度。仿真结果表明，与其它方法相比该方法在检测速度与检测率方面均有提高。 2．提出了一种基于支持向量机的人脸检测方法。对预处理后的图像进行离散余弦变换提取特征，取DCT系数作为支持向量机的输入，将经过裁剪的“人脸”样本与“自举”方法得到的“非人脸”样本一起用来训练支持向量机。仿真结果表明该方法具有较高的检测率。 3．提出了一种基于小波分解的LDA人脸识别方法。首先对原图像进行若干层二维小波变换，得到低频子图像，然后利用LDA进行特征提取，最后利用最近邻分类器进行分类识别。仿真结果表明，该方法识别性能优于或相当于传统LDA方法，而计算量则可大幅减少。 4．提出了一种基于小波和DCT的人脸识别方法。小波变换后再进行DCT变换，将DCT系数的一个小子集作为特征向量，并采用基于简单欧式距离度量的最近邻分类器进行识别。这种方法不但计算简单(与PCA方法相比)，而且在增加训练图像类别时不需要对整个训练图像重新训练。仿真结果表明该方法取得了很好的识别效果。 5．提出了一种基于DCT和支持向量机的人脸分类和识别方法，首先对人脸图像作二维离散余弦变换，取离散余弦变换系数作为特征输入支持向量机，然后用支持向量机进行性别分类及人脸识别。仿真结果表明，该方法可得到很高的识别率。