在线人脸识别系统能够自动检测给定视频图像序列中的人脸图像,提取人脸图像特征,将得到的人脸特征与人脸数据库匹配,从而完成人脸的识别。本文针对构建一个在线人脸识别系统为目标,以实时性为前提,兼顾人脸识别率,在人脸自动检测,人脸特征提取,提取视频图像代表性人脸几个方面做了一些尝试性工作。本文主要研究内容如下。 ●基于肤色模型的分层人脸检测算法。研究表明人脸的肤色在颜色空间中的分布相对比较集中,颜色信息在一定程度上可以将人脸同大部分背景分割开来,由于颜色信息计算简单,快速,满足算法的实时性要求,同时,人脸的肤色特性对于人脸旋转,缩放等几何变化都是非常鲁棒的。本文首先使用人脸的肤色特性作为人脸检测的预处理,分割人脸肤色区域,接着给出了一种分层人脸检测模型进行候选人脸区域的认证。 ●基于局部线性嵌入算法的代表性人脸提取。由于视频图像序列中人脸图像有多姿态,多表情,多视角的问题,人脸特征库中的人脸图像应最大程度的包含多姿态,多表情,多视角特性,同时考虑到算法运行的耗时问题,每人的人脸特征库不应该太大。本文采用高维流形学习的方法来改善这个问题,其目的就是在人脸图像空间中提取内在的几何结构及其规律性,将高维图像空间降维至低维特征空间,并寻找内在低维结构与高维观测数据间的联系。由于人脸图像都是非线性数据,本文采用局部线性嵌入算法(Locally Linear Embedding,LLE)对人脸图像进行非线性降维,使得类似的人脸图像数据尽量接近,再通过K均值聚类,将聚类中心作为系统的代表性人脸图像,用作构建人脸特征库。 ●一种新的基于离散余弦变换(Discrete Cosine Transform,DCT)变换的人脸表征。本文的目标是构建在线人脸识别系统,因此对人脸特征的提取也应该以实时性为前提,同时应兼顾人脸识别率,总所周之,DCT变换是一种与KL变换非常相似的次最优变换算法,它独立于信号量,有类似离散傅立叶变换的快速算法,同时在维数下降,特征提取方面都非常接近经典的KL变换算法,因此,DCT变换同样适用于模式识别领域。本文基于DCT变换,给出了一种融合人脸整体特征和局部特征的加权DCT人脸表征算法。 ●在线人脸识别系统。将本文给出几个算法集成在一个框架中,实现了一个人脸识别系统,为以后开发新算法,测试新算法提供了一个框架平台。