基于Agent的多目视觉人脸特征提取

摘要

人脸识别技术是当前模式识别和人工智能领域一个重要的研究课题，它的研究跨越了图像处理，模式识别，计算机视觉和人工神经网络等等学科。随着计算机技术的快速发展与商业和军事等应用领域的需求，关于人脸识别技术的研究将会不断的深入和完善，在未来将会应用到日常生产生活的各个方面。
　　人脸特征提取是人脸识别中复杂且极具挑战性的环节，对人脸的识别率起着至关重要的作用。传统的人脸特征提取方法由于受到光照，姿态等复杂环境的干扰，识别率会产生一定的影响。在最近的研究发展中，提出了许多具有较强鲁棒性的人脸特征提取方法，但大部分都是从矩阵算法角度去改善特征提取的效果来提高识别率。本文研究的重点是利用多目视觉在感知阶段最大程度地获取人脸的信息，并通过构建一个Agent框架对多目视觉进行调度和控制来实现提取出比较好的人脸特征。本文做的工作主要有：
　　(1)对传统的人脸特征提取方法进行深入地探讨，主要研究了基于ASM的特征提取方法，并对其经典算法进行实现，通过实验总结这种算法的优点和弊端。
　　(2)提出了一种利用多目视觉解决因为角度和姿态等原因引起的人脸信息匮乏的方法，利用多个摄像机从不同的角度去感知人脸的环境，极大丰富了所得到的人脸信息，为下一步人脸特征提取奠定基础。
　　(3)提出了一种基于Agent的多目视觉人脸特征提取框架。利用Agent的协作性和智能性对每个摄像头进行代理，每个Agent通过感知环境得到要代理的人脸姿态的参数，并对环境进行反应，通过一定的规则计算出人脸姿态参数，而多个Agent之间通过竞争机制去成为最优的人脸姿态目标，由最优的人脸姿态图像得到最终的人脸特征，从而满足整个Agent系统对人脸特征较好提取的要求。
　　(4)用多目视觉系统采集多组人脸图片，利用ORL人脸库进行识别率对比试验表明本文方法能较好地从每组图片中提取出较好人脸姿态的图片，并从中提取人脸特征，解决了由于角度问题带来的误识别问题，由于Agent平台的并行性，在处理时间上也有很大的优势。