基于隐马尔可夫模型的局部遮挡和光照人脸识别

摘要

在现有的众多生物识别技术当中，人脸识别技术以其特有的主动性、用户友好性以及可靠性等优势，在刑侦、信息安全、自助服务等方面得到了广泛的应用。因为人脸很容易受到光照、遮挡及表情等诸多因素的影响，使得所获取的人脸图像之间存在较大的差异，给人脸识别带来了极大的困难。其中以光照和遮挡给人脸识别造成的影响最为严重，光照可引起人脸图像的灰度信息急剧变化，遮挡会导致人脸的重要特征信息的丢失，使得普通算法无法正确识别人脸，因此研究光照和遮挡下的人脸识别显得尤为重要。
　　本文基于对HMM(Hidden Markov Model，隐马尔可夫模型)的系统研究分析，提出了建立光照人脸EHMM(Embedded Hidden Markov Model，嵌入式隐马尔可夫模型)的算法。Gabor特征可以很好地模拟动物视觉皮层的滤波响应，描述人在视觉上存在的尺度和方向变化，本文用 Gabor小波提取光照下人脸图像的光照不变特征，并用2DPCA(2-Dimensional Principal Component Analysis，二维主元分析)对高维特征降维，生成模型的观测向量，再训练若干光照人脸图像，建立EHMM人脸模型。实验表明， EHMM算法能有效识别光照人脸图像，获得较满意的性能。深入研究了现有人脸遮挡处理主要技术，本文改进了局部 HMM方法，提出了一种针对局部遮挡人脸识别的方法。提取人脸图像的LBP(Local Binary Pattern，局部二值模式)特征，再进行DCT变换(Discrete Cosine Transform，离散余弦变换)，获得局部人脸HMM的观测向量，分别为面部器官构建局部HMM，再建立整张人脸图像的HMM。LBP特征对于旋转、尺度及光照有较强的鲁棒性，而DCT有接近于PCA(Principal Component Analysis，主元分析)的去相关性，能通过降维消除图像的冗余信息。改进算法利用Haar特征估计局部遮挡，并为局部遮挡赋予不同的权重。基于AR人脸数据库的大量实验证明，该局部HMM方法能显著提高局部遮挡人脸图像的识别率。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

1.1研究背景及意义

1.2研究现状及发展

1.3技术难点

1.4主要研究内容及论文结构

第二章 隐马尔可夫模型及其改进算法

2.1隐马尔可夫模型

2.2隐马尔可夫模型的三个问题及基本算法

2.3基于隐马尔可夫模型的人脸识别

2.4隐马尔可夫模型的改进

2.5隐马尔可夫模型的应用

2.6本章小结

第三章 基于嵌入式隐马尔可夫模型的光照人脸识别

3.1人脸光照处理技术

3.2基于Gabor小波的人脸特征表示

3.3基于嵌入式隐马尔可夫模型的光照人脸识别

3.4实验结果及讨论

3.5本章小结

第四章 基于局部隐马尔可夫模型的局部遮挡人脸识别

4.1人脸局部遮挡处理技术

4.2基于隐马尔可夫模型的局部遮挡人脸识别

4.3实验结果及讨论

4.4本章小结

第五章 总结与展望

致谢

参考文献

攻读硕士研究生期间的研究成果