基于特征选择和隐马尔可夫模型的人脸识别

摘要

人脸识别技术因为其在信息安全、公共安全、金融等方面的应用前景已经成为模式识别和机器视觉领域的热门研究课题之一。隐马尔可夫模型（Hidden Markov Model，HMM）作为一种统计的识别方法，不仅能够考虑到各个器官的数值特征，而且还兼顾了人脸的整体特征，因而可以取得较好的识别效果。一个人脸识别系统的识别准确率在很大程度上取决于特征提取部分，因此特征提取是人脸识别中一个至关重要的环节。
　　本文针对传统的隐马尔可夫模型在特征提取方面的不足，运用了离散余弦变换(DCT)、奇异值分解(SVD)、离散小波变换（DWT）以及局部二值模式（LBP）四种特征提取方法，分别从人脸辨别和人脸认证两个方面研究了基于不同特征提取方法的隐马尔可夫模型的识别性能。
　　本文首先使用不同的特征提取方法优化HMM模型的观察矢量，有效地提高系统的识别性能；其次，将以上几种算法应用到人脸辨别和人脸认证两个领域，在不同人脸库中进行仿真，并且引入了多种性能评价指标来全方位的评价算法的性能，本文工作为今后研究不同条件下人脸识别的特征选取提供了参考；最后，针对人脸认证中“相似度偏移”的问题，本文提出了用自适应阈值来取代传统的统一阈值人脸认证方法，实验证明，这一改进明显地改善了系统的识别性能。