论文部分内容阅读
身份的鉴别与认证是当今互联网时代的重要研究课题。而人脸识别技术在身份鉴别方面拥有无可替代的优势。不仅于此,人脸识别在人机交互、网络科技、公共娱乐、视频监控等领域都发挥着巨大的作用,然而也面临着不少难以攻克的难题。本文针对人脸识别中的局部遮挡问题进行深入研究,从传统算法在面对遮挡问题时的缺陷着手,融合新的算法,以应对遮挡的影响。本文主要的贡献和创新点如下:(1)主要研究了传统特征提取的方法并进行相关实验。实验中分析了传统算法在多个不同特征向量下的识别能力,证明主成分分析法(Principal Component Analysis,PCA)与奇异值分解法(Singular Value Decomposition,SVD)的特征提取是以图像的全局特征为主,没有充分利用样本间的差异信息,导致算法在局部特征表达能力上的缺陷。通过两组针对局部特征的实验分析表明Gabor特征可以比较精确地表征出图像的局部特征信息。(2)本文针对稀疏表达算法进行改进,结合Gabor多尺度滤波算法,提出一种基于Gabor变换的稀疏表示人脸识别算法。该算法先通过图像分层,对图像每一层进行Gabor滤波,然后采用离散小波变换基函数的稀疏表示法进行人脸图像识别。通过在AR人脸库上设置两组实验分析了算法识别性能,验证真实人脸遮挡下算法的鲁棒性与有效性。(3)本文提出一种改进的基于PCA和HOG分块的人脸识别算法。该算法首先利用设计的双属性融合模型对全局特征进行有效补偿,然后对目标图像均匀分块提取局部的HOG特征信息,最后利用整体分类器对融合后的全局特征信息和局部HOG特征信息作加权分类。通过在ORL和Yale-B人脸库上做性能分析实验和随机遮挡实验,表明该算法对人脸局部遮挡识别的有效性。