论文部分内容阅读
本论文研究正面人脸图像的判别方法，原因有两个：
(1)目前，许多实用和稳定的人脸识别算法都是基于正面人脸图像或近似正面的人脸图像。例如，联想公司新近推出的基于人脸识别的电脑登陆系统在使用时就不断提示用户正面面对摄像头。
(2)目前，许多基于人脸识别的门禁或登录系统，人脸图像从摄像头采集的视频序列中提取。同一个人往往可以提取多帧人脸图像。正面人脸图像判别方法可以从中筛选正面人脸图像或近似正面的人脸图像进行识别，提高系统的识别率。
本论文集成了自己提出的和其他一些文献提出的正面人脸图像判别方法，构建了一个完整的和实用的正面人脸图像判别系统。这个系统可以全方位判别人脸图像的变化，进而从中筛选正面人脸图像或近似正面的人脸图像。正面判别算法主要包括以下三个部分：
(1)绕Y轴旋转(即面对摄像头左右旋转)的人脸图像的判别方法。面对摄像头左右旋转的人脸图像是摄像头采集的最为常见和大量的非正面人脸图像。本论文根据输入图像的格式不同而使用两种不同的判别方法：
a)基于人脸图像两侧边缘肤色点数目比例的判别方法。该方法适用于彩色图像。随着人脸的左右旋转，人脸图像两侧边缘肤色点的数目将会发生显著的变化。本论文利用这一特征进行正面人脸判别。这个方法是本论文原创的方法，已经申请了发明专利(申请受理号：200810218424.X，公开号：CN101383001A)。
b)基于傅里叶变换对称性的判别方法。该方法适用于灰度或红外图像。正面人脸图像左右两边大致对称，进行傅里叶变换后，其实部要远远大于其虚部。本论文利用这一性质进行正面人脸图像的判别。这个方法源于文献[37]的启发。
(2)绕Z轴旋转(即面对摄像头倾侧)的人脸图像的判别和校正方法。本论文首先利用Adaboost眼睛分类器和其他一些图像处理的方法确定人脸眼睛的坐标，然后根据垂直方向的坐标判别是否存在人脸倾斜并校正倾斜的人脸。
(3)绕X轴旋转(即面对摄像头伏仰)的人脸图像的判别方法。人脸面对摄像头伏仰会造成鼻尖到眼睛与鼻尖到嘴巴中心的距离的比值异常。本论文根据这一特征判别人脸面对摄像头的伏仰。这个方法基于文献[39]的统计数据。