论文部分内容阅读
随着社会的发展,人脸识别在身份认证、人机交互、视频监控等方面得到了广泛应用。人脸识别技术在各行各业中发挥着巨大的作用,但是存在着很多难题有待攻克。本文主要研究遮挡条件下的人脸识别问题,从连续性遮挡的处理能力、人脸的特征提取、遮挡和非遮挡区域的图像分割三个方面入手,展开了一系列研究工作。本文主要贡献和创新点如下:(1)针对传统特征提取方法进行实验分析,本文通过特征向量选择实验分析了特征向量个数对人脸识别的影响。该实验反映了PCA算法忽略了不同样本之间的差异性,缺乏对局部特征信息的表示。另外,通过相似度匹配实验和人脸局部特征检测实验对二维Gabor函数进行分析,这两组实验说明了二维Gabor作为数学变换的核函数,可以很好的提取人脸的局部特征信息。(2)本文基于双属性模型改进PCA算法,然后融合局部的二维Gabor算法,提出了新的人脸识别算法(Double Attribute Model based Gabor,DAMG),从线性子空间角度研究解决遮挡条件下的人脸识别问题。该算法基于双属性模型将全局特征向量和误差特征向量融合生成双属性特征向量,根据二维Gabor对目标图像进行分块化特征提取,设计整体分类器对双属性特征向量和局部分块向量进行加权分类。本文通过DAMG算法的性能分析和识别错误的样本分析证明了该算法在遮挡人脸的识别过程中具有非常好的鲁棒性。(3)本文提出基于CV模型的双加权误差分布模型,从高维图像表示的角度研究解决遮挡条件下的人脸识别问题。首先,基于CV(Chan-Vese)模型对遮挡图像进行分割得到不同区域下的误差图像。其次,提出了基于梯度方向的条件概率误差模型,与低维度特征向量相比,条件概率误差模型具有更多的特征信息。最后,根据遮挡区域和非遮挡区域的图像误差分布,分别推算出两种误差的分布模型,形成双加权误差分布模型。本文通过人脸图像随机遮挡、人脸五官遮挡、真实人脸遮挡这三组实验验证了该算法和DAMG算法在遮挡条件下进行人脸识别的有效性。