基于皮肤模板和改进HMM的自动人脸识别系统(6)

18.Wiskott L.Fellous J M.Kruger N Face recognition by elastic bunch graph matching 1997(07)19.Er M J.Wu S.Lu J Face recognition with radial basis function (RBF) neural networks 2002(03)20.Shen L.Bai L.Ji Z A SVM face recognition method based on optimized Gabor features 200721.SHEN Lin-lin.Bai L A review on Gabor wavelets for face recognition 2006(02)22.SHEN Lin-lin Recognizing faces:an approach based on Gabor wavelet 2005

23.Nefian A M.Hayes An embedded HMM-based approach for face detection and recognition 199924.Menser B.Muller F Face detection in color images using principal components analysis 199925.Bai L.Shen L Face detection by orientation map matching 2003

26.Rabiner L R A tutorial on hidden Markov models and selected applications in speech recognition1989(02)

相似文献(10条)

1.学位论文 姜睿 基于知识的人脸检测与人脸识别系统研究 2004

人脸自动识别技术是生物特征识别技术的重要组成部分,是计算机视觉与模式识别领域中非常活跃的课题.它主要包括人脸检测和人脸识别两方面内容.该文对灰度图像中正面人脸的实时检测和识别问题进行了详细研究,并实现了一个人脸自动识别仿真系统.在人脸检测方面,该文详细研究了基于知识

基于皮肤模板和改进HMM的自动人脸识别系统

的人脸检测算法.为满足实时检测的需要,该文将一种灰度区域特征的快速计算方法棗积分图算法引入到基于知识的人脸检测中.从而在不降低检测精度的情况下,使检测的时间复杂度由O(n5)降低到O(n3),缩短了人脸检测的时间.另外,该文将基于知识的方法中的器官分块策略引入到基于支持向量机的人脸检测方法中,将各子块像素的统计量作为人脸特征,输入到SVM中.通过SVM对大量人脸与非人脸样本的学习,自动产生人脸知识,一定程度上提高了人脸检测的精度.人脸识别方面,该文对在人脸识别中广泛应用的隐马尔可夫模型(HMM)的原理进行了介绍.在此基础上,研究了基于HMM的人脸识别方法,探讨了人脸HMM模型的建立及训练过程,并在该文的仿真系统中实现了该方法.最后对人脸自动识别系统进行了仿真实现.该系统中主要包括了视频图像输入模块,人脸检测模块和人脸识别模块.同时对整个自动识别系统在具有复杂背景的室内环境下进行了实验.在实验过程中,提出了一种人脸自动建库方法.克服了传统的建库方法一般采用手工裁减来获得人脸图片的不足.在实时人脸检测算法的基础上,对背景中的人脸进行自动分割,提高了建库的效率并基本统一了人脸图像的规格.实验结果表明在光线没有强烈对比的室内环境中,系统在实时性和识别率上都达到了预期的指标,完成了正面人脸自动识别的任务.

2.学位论文 卓永亮 基于web的人脸检测与人脸识别 2009

人脸识别技术就是利用计算机分析人脸图像，提取有效的识别信息来辨认身份或者判别待定状态的一门技术。它涉及模式识别、图像处理、计算机视觉、生理学、心理学等诸多学科的知识，是当前研究的热点之一。人脸检测问题最初是作为人脸识别系统中的一个关键环节提出的，但随着人脸应用范围的不断扩大和开发实际系统要求的不断提高，人脸检测的最初研究不再能满足需求。由此，人脸检测开始作为一个独立的课题受到研究者的重视。 本文以构建一个可用的、实用的基于web的人脸检测和识别系统为目标，在研究了人脸检测和识别的基本理论和关键技术的基础上，重点讨论了在复杂背景条件下，彩色静态图像的人脸检测和识别问题。

首先，深入分析了Adaboost人脸检测算法整个流程，从一个较大的特征集中选择少量关键的haar-like特征，产生一个高效的强分类器。再用级联方式将单个的强分类器级联成为一个更加复杂的级联分类器。针对训练样本过少而检测正确率低的问题，提出二次识别的方法，取得较好的效果。

然后，文章研究了基于特征脸、奇异值分解理论、小波理论、BP神经网络理论等人脸识别方法，最后采用通过K-L变换对图片进行降维，生成特征脸的方法。并与上面的人脸检测方法相结合，形成一个实用的完整的人脸识别系统。

最后，为了使系统能与其他系统形成信息共享，本文构建了一个J2EE体系下的web平台，并实现人脸检测模块，进行复杂背景下的多人人脸检测。

3.学位论文 何坤 人脸识别理论关键技术的研究 2006

身份认证是人们在日常生活中经常遇到的问题，几乎每时每刻都需要证明身份，在信息技术飞速发展的今天，电子商务、网上银行、公共安全等领域对身份认证的可靠度和方式提出了新的要求，传统的身份认证方法已经不能满足这些要求。但人脸作为特征具有不易伪造、不会遗失、终身不变性和随身携带的优点，与指纹、视网膜、虹膜、基因等其他人体生物特征识别系统相比，人脸识别系统更加直接、友好，使用者无任何心理障碍。

人脸检测识别要求对受检人的身体伤害以及人身自由的限制最少。由人脸检测和人脸识别两个关键环节组成。人脸检测是指利用计算机在输入图像中确定所有人脸的位置、大小，是人脸信息处理中的一项关键技术。人脸识别是利用计算机分析人脸图像，进而从中提取有效的识别信息，用来“辨识”身份的一门技术。人脸识别的研究涉及心理学、生理学、人工智能、模式识别、计算机视觉、图像分析与处理等多个学科领域。它是人类智能的基本体现，它是最典型、最困难的模式识别问题之一，对这一问题的研究和解决，有助于对其他对象识别问题的研究和解决。人脸识别也因此成为这些基础研究领域的重要课题之一，具有重要的理论研究价值。本文的主要工作包括：

本文分析了复杂环境下人脸检测的本质。即在复杂环境下检测出人脸区域及人脸大小，这一任务决定人脸检测具有不确定性。不确定性的主要原因有：a：由于光照和当时人的行动速度等因素造成了图像质量的不确定；b：图像中是否存在人脸以及人脸区域的大小是不确定的；c：人脸与非人脸之间的区别没有明确界定造成了概念之间的不确定性。人脸检测的不确定性决定了人脸检测不能由任何一个确定性的人脸检测算法完全正确的完成。结合人脸几何特征和统计特征提出了信息融合的复杂背景下自适应检测算法。

根据人脸几何特征运用多尺度子波图像融合算法，该方法运用两个不同肤色模型得到肤色图像；将肤色图像进行小波变换得到小波子图像，对子图像进行像素级融合；从融合图像中结合人脸几何特征检测出子图像中候选人脸区域及其大小。根据人脸外接矩形的长宽来和人脸的器官特征校验人脸，运用小波子图像的位置与原始图像的位置关系，得到原始图像中的似人脸位置。

分析了人脸与非人脸的统计特征差别，非人脸样本的多样性和不易界定性。本文对非人脸定义为象人脸而不是人脸。这一定义虽然限制非人脸样本空间的大小，但是定义的非人脸并不能表征所有的非人脸样本而只能是特征样本。根据非人脸样本的定义说明了人脸与非人脸之间的区别主要是局部不同造成的。提出了Fourier域的核函数并对其进行理论证明。Fourier域有利于局部信息不同而引起所属的类别不同的类别分类。并运用了Fourier域核函数的SVM算法检测出候选人脸区域及其大小。

根据几何特征运用多尺度子波图像融合算法以及统计特征运用SVM方法分别得到人脸在图像中的位置和尺寸。不同的检测方法对同一待检测图像检测的人脸尺寸和位置可能不完全一致，运用决策级融合算法。对决策级融合的二 …… 此处隐藏：3522字，全部文档内容请下载后查看。喜欢就下载吧 ……