论文部分内容阅读
随着社会的不断发展,人脸检测和识别技术得到广泛的关注。人脸识别技术在生物识别中占有重要的地位,经过三十多年的发展,已经取得了长足的进步。目前大多人脸识别系统可以在一般的环境中表现出良好的识别性能,但是这类人脸识别系统大多需要充足的人脸样本和合适的应用场景。随着二代身份证的普及和视频监控的广泛使用,基于单样本的人脸识别技术具有广泛的应用前景。在实用的人脸识别系统中,人脸检测是必不可少的前期工作。因此,本文主要对人脸检测和基于单样本的人脸识别进行了研究。AdaBoost算法的提出是人脸检测领域的里程碑, AdaBoost算法的发展使得人脸检测真正进入应用推广的阶段,对后续的视频人脸跟踪和视频人脸识别研究产生了巨大的影响。AdaBoost人脸检测算法在视频图像尺寸不大的时候可以很快地检测出人脸,当视频图像尺寸过大时检测速度不理想。为了加快人脸检测速度,本文使用肤色模型对AdaBoost算法进行加速,大大缩小了检测范围,同时设计了基于肤色模型的人脸确认算法。局部二值模式(Local Binary Pattern)是一种描述纹理的方法,近年来被成功应用于人脸识别,并取得了显著的成绩。由于LBP特征算子具有较强的描述纹理的能力,同时其计算和实现较简单,使得基于LBP的人脸识别技术取得较多的研究成果。由于传统LBP特征只能够描述局部特征,本文提出将人脸图像分块,使用分块均值作为阈值对特征值进行离散化的方法,改进了LBP特征。改进后的LBP特征,可以较快地提取多幅人脸特征图。为了进一步提高特征的描述能力,本文提出一种多级阂值LBP特征,使用不同半径的特征算子进行多次提取特征图,然后使用PCA对其降维,最后连接成最终的人脸特征图进行人脸识别。本文对提出的单样本人脸识别算法进行了实验比较,分别在ORL人脸库、YALE人脸库、FERET人脸库和本文收集的身份证照片集进行了实验研究,最后基于本文所研究的技术实现了一个基于二代身份证的人脸识别演示系统。