针对头部扭动人脸识别算法的研究与实现

摘要

人脸识别技术是利用计算机分析人脸图像，并从人脸图像中提取有效信息进行身份识别的技术。由于人脸表情丰富，人脸会随年龄的增长而变化，人脸图像易受光照、成像角度及成像距离等影响，因而，用计算机对人脸进行识别比较困难。
　　复杂条件下的人脸识别一直是人脸识别领域的难点。在简单条件下（如人脸普通表情，正常光照、正面拍摄等）的人脸识别方法已取得非常好的效果，甚至可以达到商用的标准。但是当图像采集条件复杂时，如不同光照条件、不同姿态、不同拍摄角度、不同背景等，往往不能得到满意的识别效果。因此，复杂条件下的人脸识别方法值得进一步研究。
　　目前针对姿态变化的研究比较少，当发生头部摆动幅度比较大的条件下，人脸识别算法的识别率会陡然下降。加之人的喜怒哀乐能够直接反映在人脸之上，因而人脸的姿态变化是极其复杂的，人脸识别系统对多姿态的人脸图像识别起来是极其困难的，因此，找到合理的算法，使得人脸识别系统更好的适应姿态变化，就成了该课题的主要研究目的。
　　实际上，很多图像中包括各种旋转方向的人脸，但是大多数之前的算法只是对直立的人脸有效。为了定位在不同方向上的旋转人脸，我们利用辐射模板去检测候选区域中类似于人脸的区域。此模型被设计用来描述脸部特征的结构以及其方向。
　　在这篇文章中，我们提出了一个辐射模板脸部识别算法，去定位由于头部扭动所导致的朝向任意方向的人脸。在一个人脸检测系统中，检测头部扭动的人脸是非常重要的。因此，我们提出了一个叫做辐射模板的模型去检测头部扭动的人脸。这个模板被设计用来找到，在人脸特征图中，以中心为旋转的物体的稳定特性。基于皮肤特性，我们搜索到类似于人脸的区域，得到人脸特征（眉、眼、鼻口区域）以及人脸特征的几何重心。并利用辐射模板来获得人脸的偏转方向。我们呈现了一个集成这些技术的系统，实验结果显示，我们的算法对于检测不同大小、不同光照条件、以及不同背景下具有头部扭动的人脸来说，是有效的。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 生物识别技术的发展现状

1．2．1 生物识别技术分类

1．2．2 计算机视觉

1．2．3 生物识别技术的发展趋势

1．3 人脸检测识别与跟踪技术的发展历史

1．3．1 人脸检测与识别技术发展现状

1．3．2 人脸检测技术分类

1．3．3 人脸识别技术分类

1．4 本文主要研究内容

1．5 本文的章节结构组织

第2章 人脸检测识别与跟踪技术简介

2．1 引言

2．2 人脸检测与识别的主流方法

2．2．1 基于肤色信息的人脸检测方法

2．2．2 基于矩形特征的人脸检测方法

2．2．3 基于模板匹配的人脸检测方法

2．2．4 基于Haar的人脸检测方法

2．2．5 基于主成分分析(PCA)的人脸识别方法

2．2．6 基于Fisher脸的人脸识别方法

2．2．7 基于三维模型的人脸识别方法

2．2．8 基于Gabor特征的人脸识别方法

2．3 Kalman滤波器

2．4 本章小结

第3章 基于机器学习的人脸检测识别

3．1 引言

3．2 基于Adaboost方法的人脸检测与识别

3．2．1 Adaboost简介

3．2．2 Adaboost算法相关知识描述

3．2．3 基于Haar矩形特征的Adaboost

3．2．4 RealAdaboost扩展算法

3．4 本章小结

第4章 针对头部扭动的人脸识别算法

4．1 引言

4．2 辐射模板简介

4．3 脸部检测系统

4．4 实验结果

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 未来展望

参考文献

致谢