低质量图像模糊人脸识别的研究

摘要

人脸识别技术是生物特征识别技术在身份认证中最主要的方法之一。基于人脸识别的身份认证具有重要的理论意义和应用价值，对人脸识别方法的研究已成为当前模式识别与人工智能领域的一个研究热点。虽然人脸识别技术已经取得了很好的成绩，但目前的多数人脸识别技术在算法设计和模型训练方面都往往只针对图像质量好的情况，而对于智能监控、公安系统犯罪嫌疑人图像比对等应用而言，由于人脸图像来源不一，有些图像的质量非常差，比如模糊、高噪声、分辨率低等，都增加了图像识别的难度，如何提高系统对这些低质量图像的识别能力也是人脸识别亟待解决的关键问题之一。
　　论文概述了低质量图像模糊人脸识别的研究意义、研究现状和存在的问题，在分析、总结国内外现有人脸识别技术的基础上，对基于几何特征和形状特征的模糊人脸识别技术进行了深入的研究，针对特征提取过程中所遇到的具体问题，提出了相应的改进算法。本文主要工作如下：
　　首先，根据低质量图像的特点，提出了基于几何特征模糊人脸识别技术。在基于几何特征识别中，利用小波变换先对图像进行了预处理，提高了几何特征的提取准确性，采用几何特征归一化方法，对几何特征不同选取方法的优劣比较，得出了相应的选取决定，有效地提高了识别效果。在VC++平台下对算法进行了实验分析，结果表明该算法克服了低质量图像模糊人脸不可识别的现象，改善了对此类图像的人脸识别能力。
　　其次，提出了形状特征的模糊人脸识别技术。在基于形状特征识别中，针对低质量图像的特点，采用了Active Shape Model(ASM)方法。针对传统的ASM方法的缺陷与不足，提出了几点改进的方法。传统的ASM方法利用人脸检测提供的初始位置进行特征搜索；在改进算法中，利用了瞳孔定位的方法进行初始化。传统ASM方法是提取特征点法线方向上的n个像素的灰度信息，构成一个n维的向量；在改进算法中，以特征点为圆心构成一个圆，在圆内提取了更多的像素信息。同时还通过边缘信息改变局部匹配，这些方法都有效地改善了ASM方法的性能。在Matlab平台下对算法进行了实验分析，实验结果表明，改进的ASM方法在模糊人脸识别的准确性和鲁棒性上有了一定的提高。