基于大规模数据库的人脸识别研究

摘要

经过近四十年的研究发展，人脸识别技术得到了长足的发展并投入到了商业应用。但实践表明人脸识别技术还远不够成熟，特别是在大规模数据库条件下，存在识别率较低、识别时间较长等严重问题。 为此，本文主要对大规模数据库下的人脸识别进行研究，重点对大规模数据库下的人脸识别问题中识别率较低、识别时间较长两个关键性问题进行了研究，并提出了新的算法。本文的主要工作和创新如下： （1）对大规模数据库下子空间分析系列算法的性能进行了系统地研究。在这一部分，本文首次对在大规模数据库下子空间分析系列算法的性能进行了系统地研究。通过大量的实验，得出了几点对今后子空间分析算法在大规模数据库上的性能研究具有参考意义的结论：在大规模数据库的情况下，基于核的非线性子空间分析算法优于线性子空间分析算法；在基于核的非线性子空间分析系列算法中，基于核的有监督局部保持投影算法在大规模数据库上的性能最优。 （2）在（1）的基础上，提出了适合于大规模数据库的人脸特征提取算法——有监督多尺度核局部保持投影算法。该算法首先对人脸图像进行Gabor变换，充分提取原始图像的细节特征。然后采用双向二维主分量分析（2D-2DPCA）进行降维的同时考虑图像的拓扑信息，保证后续操作能够提取到可分性特征。最后在Gabor特征空间中采用基于核的有监督局部保持投影算法提取人脸非线性局部流形结构特征，同时利用样本类别信息，获取判别意义上的最优人脸特征。实验证明了该算法在大规模数据库情况下具有较好的鲁棒性。 （3）提出了基于动态聚类的大规模人脸库快速检索算法。本文针对人脸识别技术的自身特点，提出了基于动态聚类的索引机制，最终提出了一种基于动态聚类的适合大规模人脸库的快速检索算法。该算法首先利用本文提出的有监督多尺度核局部保持投影算法对人脸图像库进行离线特征提取和降维，生成人脸特征库，然后用改进后的K均值聚类算法对人脸特征库进行离线动态聚类，生成图像索引，同时提出一种新的搜索模型进行检索。实验证明该算法在保证较高的识别率的同时，极大地提高了大规模人脸库的检索效率。 （4）利用上述成果，设计并实现了基于大规模数据库的人脸识别系统。该系统可以在视频流图像中实时地进行人脸的检测、定位，再和库中的人脸进行比较识别，在达到较高的识别率的同时具有较快的识别速度。此外该系统还具有人脸图像库、人脸特征库、个人基本信息库管理等功能。

目录

文摘

英文文摘

声明

致谢

序

1 综述

1.1 课题的研究背景及意义

1.2 国内外研究现状

1.2.1 国内外研究进展

1.2.2 存在的主要问题及发展趋势

1.3 课题相关的研究方法概述

1.3.1 人脸识别算法

1.3.2 聚类算法

1.4 国内外可用于研究的人脸数据库

1.5 本论文的研究内容

1.6 本论文各章内容的安排

2 大规模数据库下子空间分析系列算法的性能研究

2.1 引言

2.2 子空间分析系列算法

2.2.1 线性子空间分析算法

2.2.2 基于核的非线性子空间分析算法

2.3 实验与结果分析

2.3.1 人脸库

2.3.2 实验描述

2.3.3 结果与分析

2.4 本章小结

3 基于有监督多尺度核局部保持投影的人脸特征提取算法

3.1 引言

3.2 基于有监督多尺度核局部保持投影的人脸特征提取算法

3.2.1 Gabor特征提取

3.2.2 双向二维主分量分析

3.2.3 基于核的有监督局部保持投影算法

3.2.4 算法小结

3.3 实验及结果分析

3.3.1 人脸库

3.3.2实验描述

3.3.3 结果与分析

3.4 本章小结

4 基于动态聚类的大规模人脸库快速检索算法

4.1 引言

4.2 基于动态聚类的大规模人脸库快速检索算法

4.2.1 基于有监督多尺度核局部保持投影的人脸特征提取算法

4.2.2 基于优化K均值聚类的图像索引

4.2.3 基于最近邻的两层搜索模型

4.3 实验与结果分析

4.3.1 人脸库

4.3.2 实验描述

4.3.3 结果与分析

4.4 本章小结

5 基于大规模数据库的人脸识别系统的设计与实现

5.1 引言

5.2 基于大规模数据库的人脸识别系统的设计

5.2.1 系统的总体流程图

5.2.2 各功能模块的设计

5.3 基于大规模数据库的人脸识别系统的实现

5.3.1 系统实现平台

5.3.2 系统的主界面

5.3.3 系统各功能模块的实现

5.4 本章小结

6 结论

6.1 本文工作总结

6.2 未来工作展望

参考文献

作者简历