论文部分内容阅读
早在20世纪70年代，就有学者对人脸识别的问题进行了初步研宄。随着科技的不断进步和快速发展，近年来，人脸检测和识别技术取得了很大进步。人脸图像信息处理有着广泛的应用，目前各种人脸识别设备己投产于实际的生活中，比如旅游出入境的安检、公安监控侦查系统、智能手机的人脸识别等。David G. Lowe在1999年提出了尺度不变的特征（Scale-Invariant Feature),简称SIFT,用来进行物体的识别和图像匹配等，这种算法在2004年被加以完善和改进。SIFT算法在很多方面都有应用，比如物体识别、定位、图片拼接和手势、指纹、人脸等识别。SIFT算法的特征点对于旋转、尺度缩放、光照变化有着很好的鲁棒性。在分析和研宂了国内外学者对人脸识别的现状及研宄后，本文以人脸识别中局部特征点作为主要研究方向，通过改进SIFT特征描述子，使其独特优势应用于人脸识别方法中，并针对SIFT算法对于彩色图像中彩色信息的不敏感，做了改进，并加入了形状上下文算法，综合提高识别的准确性。实验结果证明了本算法的有效性。本文完成以下主要工作：1.提出了基于颜色信息的SIFT算法。由于SIFT算法只能识别灰度图像的图片，而现在的图片大都是彩色的，特别是人脸图片。加入图片的彩色信息，可以提高识别的准确率。通过大量实验对比，本文采用H分量加入到SIFT算法中。实验结果表明基于彩色信息的SIFT特征算法能够有效地识别人脸的图像，可以达到81.25%以上的识别率。2.提出了SIFT算法和形状上下文算法的SCSIFT融合算法_。将SIFT的特征点和SC的特征点组合成级联特征点，再代入到SIFT算法中进行匹配。实验结果表明，此方法具有很好的识别效果，可以达到90%以上的识别率，比SIFT算法提高了8.75%。3.最后加入偏最小二乘法（PLS),消除误匹配点。对改进后的SCSIFT算法匹_配后的结果通过使用偏最小二乘法的方法来进行重新计算，将影响函数中值大的特征点，作为要剔除的错误匹配点，从而提高两幅图片匹配的准确率。