论文部分内容阅读
人脸识别技术是近年来模式识别与机器视觉领域关注及研究的热点问题。由于其利用人类脸部特征进行识别，具有其他生物特征识别方式无可比拟的便捷性及无侵害性，在用户登录认证、支付身份识别及安防监控等众多领域都有广阔的应用前景。人脸特征的提取容易受到光照及表情变化等众多因素的影响，现有的各种方法仍然不够完善，研究空间较大。在众多的人脸识别方法中，基于子空间的方法受到广大学者的亲睐，特别是基于线性子空间的方法被广泛研究，其对人脸描述能力强、降维效果好，能够提取人脸中较为本质的特征。本文以研究高效的人脸识别方法并设计出有实际应用价值的DSP人脸识别系统为目的，算法方面重点对线性子空间方法进行研究。文章的主要工作内容如下：（1）研究现有的各类人脸识别算法，从全局信息和局部信息的角度对人脸特征进行分析，确立了所提取的特征必须能够从全局到局部层次化描述人脸的基本思路，并详细分析了基于线性子空间和基于LBP的人脸识别方法。（2）讨论了线性鉴别分析方法（LDA）及二维形式的线性鉴别分析方法（2DLDA），从数学意义上分析了传统2DLDA方法存在的缺陷，提出了一种基于ULBP特征子空间的2DLDA人脸识别方法（ULBP-2DLDA）。在层次化保留住人脸有效信息的同时，利用ULBP特征进行空间投影，得到能够逼近2DLDA最优的处理空间。实验表明，该方法显著提高了2DLDA的性能，并且对光照及表情变化有较好的鲁棒性。（3）设计并实现一个简单有效的人脸识别系统。在VS2010上，利用OPENCV开发视频采集和显示模块，将基于ULBP-2DLDA的人脸识别方法与基于Haar特征和Adaboost级联分类器的人脸检测方法整合起来作为图像处理模块，搭建了PC上的人脸识别系统。（4）在TDS642EVM开发平台上，基于RF5框架建立了DSP上的视频处理系统框架，然后将（3）中所述的人脸检测及识别算法移植到该平台上，并针对平台上的TMS320DM642DSP芯片的片上资源对人脸识别系统进行优化，得到一个DSP上快速准确的自动人脸识别系统，基本达到工业实时标准。