论文部分内容阅读
人脸识别是模式识别研究领域的重要课题,具有广阔的应用前景。本论文对于人脸识别中的面部特征点定位和主成分分析法进行了深入研究,并在此基础上实现了静态人脸图像识别系统。本论文的主要工作如下:(1)根据人脸识别技术发展的历史和内容,总结了人脸识别技术的应用和发展,介绍了目前主要采用的人脸数据库以及本论文采用的人脸数据库。(2)研究并且实现了主动形状模型(ASM, Active Shape Model)和主动外观模型(AAM, Active Appearance Model)方法。(3)在研究ASM和AAM基础上,提出了基于改进的ASM和AAM的面部特征定位算法。该算法结合了ASM和AAM的优点,提高了定位精度。(4)对人脸识别中的主成分分析法(PCA, Principal Component Analysis)进行了改进,提出了结合边界信息的主成分分析法。提高了PCA的人脸识别率。(5)在改进PCA的基础上实现了静态人脸图像识别系统。在实时人脸识别系统中实现了改进的主成分分析法,并对系统数据库进行管理。本论文的创新工作如下:(1)结合ASM和AAM方法,提出了一种基于改进的ASM和AAM的面部特征定位算法。该算法融合了ASM局部模型、AAM的纹理约束以及基于线性回归的参数优化过程,因而在较大程度上继承了二者的优势。实验结果表明,改进算法具有更高的准确性和更优的鲁棒性。(2)对主成分分析算法进行研究分析,提出了一种结合边界信息的主成分分析法。该方法区别对待不同的特征点,将边界信息融入PCA中。实验表明,采用该方法得到的人脸识别率要优于单纯采用PCA方法的结果。