学位论文 > 优秀研究生学位论文题录展示

基于PCA算法和人脸姿态合成的人脸识别

作　者: 侯小静
导　师: 陶少华
学　校: 中南大学
专　业: 电子科学与技术
关键词: 人脸识别 PCA算法多姿态主动表观模型身份空间
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 48次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别,是指对于给定的某个人脸图像,从存储的已知身份的人脸图像库中识别出该人的身份。特征提取是人脸识别的核心问题,采用主成分分析(Principal Component Analysis, PCA)方法进行特征提取是较成功的线性分析方法。PCA算法具有速度快,对正面人脸图像识别率高等优点,但该算法的缺点是识别率的鲁棒性容易受光照、表情、姿态等因素的影响。本课题从光照和姿态因素这两个方面分别对人脸识别进行研究。为了抑制PCA算法对图像中光照因素的较高敏感性,本课题提出一种对图像灰度进行幂次变换的预处理策略。首先采用随机序列来选取人脸库中的训练样本和测试样本,然后对随机人脸样本进行幂次变换和Butterworth低通滤波处理,最后进行PCA处理的人脸识别算法。基于ORL数据库的实验表明,在适当选择幂次变换参数的情况下,基于幂次变换预处理的PCA人脸识别算法比传统的PCA算法具有更高的识别精度。基于PCA算法的特征提取技术,虽然在正面人脸图像识别方面取得了显著效果,但是,当人脸的姿态改变,即人脸的角度发生变化,面部特征就会受到不同程度的遮挡,此时人脸识别算法的识别率会急剧下降。目前多数的人脸识别算法主要针对正面人脸图像,针对姿态变化的研究相对比较的少,所以姿态问题是亟待解决的问题。姿态合成人脸图像的识别是一个将面部信息“无中生有”的恢复过程。本课题根据有限姿态的人脸图像和人脸姿态变化的先验知识,结合主动表观模型理论,对每个姿态的人脸图像提取纹理信息,得到对齐后的多姿态人脸图像,进而将得到的人脸图像分为训练集和测试集,对训练集下的人脸建立一种可以将理想中的身份空间一对多的映射到观察的数据空间的产生式模型,并使用期望最大化算法从训练数据中估计线性变换参数。在身份空间中,对于某个特定的人所载荷的身份信息是不变的。由此,本课题结合人脸表观模型和身份空间模型,实现了多姿态人脸识别。在ORL数据库上的实验结果表明本课题所提出姿态合成人脸识别方法的有效性。

全文目录

摘要  5-6
ABSTRACT  6-8
目录  8-10
第1章绪论  10-18
  1.1 人脸识别的研究意义及选题背景  10-11
  1.2 人脸识别技术的研究现状  11-16
    1.2.1 人脸识别发展历程  11-12
    1.2.2 准正面人脸识别国内外研究方法  12-14
    1.2.3 基于人脸姿态合成的识别方法  14-16
  1.3 本文研究内容  16-18
第2章基于幂次变换预处理的PCA人脸识别理论  18-33
  2.1 K-L变换方法  18-21
    2.1.1 概述  18-19
    2.1.2 K-L变换基本原理  19-21
  2.2 基于PCA算法的人脸特征提取  21-27
    2.2.1 总体散布矩阵的形成  21-26
    2.2.2 人脸识别的分类准则  26-27
  2.3 幂次变换的预处理方法  27-28
  2.4 算法的实现及结果  28-32
    2.4.1 识别过程  29-31
    2.4.2 基于ORL人脸数据库的仿真实验与分析  31-32
  2.5 本章小结  32-33
第3章主动表观模型的建立  33-42
  3.1 引言  33
  3.2 人脸主观表观模型的建立  33-42
    3.2.1 人脸表观特征的提取  33-34
    3.2.2 人脸对齐方法简介  34-38
    3.2.3 基于PCA算法的人脸表观模型的建立  38-42
第4章基于主观表观模型的姿态人脸合成  42-51
  4.1 观测空间及身份空间介绍  42-43
  4.2 多姿态人脸到正面人脸合成算法  43-47
    4.2.1 身份向量的估算  44-45
    4.2.2 模型参数的学习以及姿态合成  45-47
  4.3 实验结果与分析  47-50
    4.3.1 姿态合成结果  47-50
    4.3.2 基于PCA算法的识别结果分析  50
  4.4 本章小结  50-51
第5章总结和展望  51-52
参考文献  52-57
攻读学位期间主要的研究成果  57-58
致谢  58

基于PCA算法和人脸姿态合成的人脸识别

内容摘要

全文目录

相似论文