论文部分内容阅读
人脸识别技术因其具有非接触性和隐蔽性成为最容易被接受的生物认证技术,并且得到了广泛的关注和研究。但是检测和识别结果往往受到光照、表情、遮挡等因素的影响,所以仍有很多技术问题亟待解决。本文围绕复杂背景下的静态人脸检测和识别算法进行研究,针对Adaboost人脸检测算法和局部二值模式人脸识别算法存在的局限性,以及Gabor特征维数过高且对表情等因素不够鲁棒的问题展开了研究。具体工作如下:(1)在传统Adaboost人脸检测算法基础上,融合肤色特征和灰度特征,通过肤色模型和灰度投影算法实现人脸的二次检测。实验结果表明,改进的Adaboost算法提高了人脸检测的准确率。(2)针对LBP算子提取人脸特征时维数过高的问题,利用主成分方法进行了降维。实验结果表明,新的LBP算子不仅降低了维数而且特征更加有效。(3)多尺度、多方向的Gabor特征虽然可以有效地表征人脸特性,但是由于特征的维数过高,导致识别耗时。本文将每个尺度的8个方向的Gabor幅值图编码为一幅对应的模式图,大大降低了特征长度,提高了识别速度。(4)本文提出对人脸图像分块计算LGBP直方图的方法,以减少表情及遮挡等因素对人脸识别的影响。实验表明了88?的分块模式在保证计算速度的同时能获得较高的识别率。