论文部分内容阅读
人脸识别是人机交互与信息处理领域中的一个重要课题，具有很高的学术价值和应用潜力，同时由于人脸的复杂性和特殊性，又使其成为一个极具挑战性的课题。
本文分析和研究了大量近年来国内外关于人脸检测与识别的学术论文及文献，对计算机人脸识别的若干问题进行了探讨，针对建立彩色人脸检测识别系统的两个重要环节——人脸检测与人脸识别方法进行了深入的研究，实验表明本文提出的人脸检测与识别的方法是合理的，具有一定的理论价值与实用价值。本文的研究工作主要包括以下几个方面：
1.人脸检测是人脸识别系统首要完成的第一步，本文提出了一种新的复杂背景下人脸检测定位的方法，由于采用了非线性KSVM决策树法，解决了人脸检测的小样本和高维数问题，同时比传统线性SVM降低了误检率和虚警率，再结合人脸面部几何特征和肤色特征进一步确认和定位人脸区域，可以解决直接使用KSVM方法进行人脸检测的困难。对眼睛定位方法本文提出改进的四边界Prewitt算子提取特征边界，进而对五官进行准确定位。实验结果表明这种方法具有很好的性能，为后续的识别工作打下了良好的基础。
2.在人脸识别阶段，针对子空间法没有考虑类差别的缺陷，本文在KPCA的基本思想基础上，综合PCA对总体方差和Fisher判据对类间差、类内差的分析基础上，将类别信息融入KPCA算法中，结合欧式距离的判定，提出了一种更易于分类的新的非线性子空间法：ED-PKPCA。通过对目标函数进行高维空间的映射，在高维空间重建样本库。然后进行Kernel变换，并得到求取特征向量的显式表达式。利用欧式距离的判定，设计分类器。根据统计实验结果，识别效果较好。
3.建立了北京交通大学信息所人脸库，设计并初步实现了一个彩色人脸检测识别系统，该系统对于摄像头采集的人脸，自动检测并进行五官定位，然后进行归一化和特征提取，送入分类器进行识别，给出识别出的人脸结果。