基于aam姿态校正的人脸识别研究

《基于aam姿态校正的人脸识别研究》由会员分享，可在线阅读，更多相关《基于aam姿态校正的人脸识别研究（62页珍藏版）》请在金锄头文库上搜索。

1、西安电子科技大学 学位论文独创性声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切法律责任。 本人签名：逛匣日期：型兰：墨：! 生 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的

2、规定，即：研究生 在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留 送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容， 可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合 学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 本人签名： 日 期： 丝匿 2 ；垆 导师签名： 日期： 勃址 、jJ ，。一j ：。 人脸识别技术作为生物特征识别领域的一个主要内容已经得到了深入的研 究，具有很高的实用价值。相对于其它生物特征识别技术，采用人脸进行身份识 别和认证有着简便、快捷、非接触性等更为突出的优点，但是非约束环境下的人 脸识

3、别仍然面临着很多问题。光照、姿态、表情、遮挡、复杂背景等因素使得识 别效果会严重受到影响。主动表观模型( A c t i v eA p p e a r a n c eM o d e l ，A A M ) 是在主 动形状模型( A c t i v eS h a p eM o d e l ，A S M ) 的基础上直接进行扩展，利用先验模型对 图像中的人脸进行匹配运算，优点在于该模型不仅包含形状信息，还包含人脸的 内部纹理信息，能够用来标记特征点、合成人脸图像、进行目标跟踪等。 本文主要研究基于A A M 姿态校正的人脸识别方法，通过对主动表观模型进行 改进，尽可能消除表情，特别是姿态的影响，以期

4、望得到更好的识别效果。利用 A A M 可以合成图像的特性，改进形状模型，去除掉表示姿态变化的那部分形状， 可以让包含姿态变化的图片消除姿态信息。本文分别采用局部二值模式( L o c a l B i n a r yP a t t e m ，L B P ) 和支持向量机( S u p p o r t v e c t o rm a c h i n e ， S V M ) 、L B P 和线性 判别分析( L i n e a rD i s c r i m i n a n t A n a l y s i s ，L D A ) 、以及改进的H M A X 模型和S V M 的分类方法，在合成图像上进行

5、识别，与未进行A A M 处理的图像进行识别结果对 比，实验表明，本文采用的改进H M A X + S V M 的方法取得了较好的效果。 关键字：人脸识别、主动表观模型A A M 、局部二值模式L B P 、改进I I M A X 基于A A M 姿态校正的人脸识别研究 A b s t r a c t A b s t r a c t A sam a i nr e s e a r c hf i e l do fb i o m e t r i ci d e n t i f i c a t i o n ，f a c er e c o g n i t i o nh a sb e e n s t u d

6、 i e di n t e n s i v e l yw i t hh i 【g hu t i l i t yv a l u e C o m p a r e dw i t ho t h e rb i o m e t r i ct e c h n o l o g i e s ， f a c er e c o g n i t i o nh a sm u c hm o r ea d v a n t a g e s B u ti nt h eu n c o n s t r a i n e de n v i r o n m e n tt h e r e a r es t i l lm a n yp r

7、o b l e m s T h er e s u l t so ft h er e c o g n i t i o nC a nb es e r i o u s l ya f f e c t e db yt h e i n n e ra n do u t e rf a c t o r ss u c ha se x p r e s s i o n ，a t t i t u d e ，l i g h tc o n d i t i o n sa n db a c k g r o u n d ， A c t i v eA p p e a r a n c eM o d e l ( A A M ) i S

8、t h ee x p a n s i o nb a s e do nt h eA c t i v eS h a p eM o d e l ( A S M ) A A MU S e St h ep r i o r im o d e lt om a t c ht h ef a c ei nt h ei m a g e T h ea d v a n t a g ei st h e m o d e lt h a ti Sn o to n l yc o n t a i n st h es h a p ei n f o r m a t i o nb u ta l s oc o n t a i n st h

9、 et e x t u r e i n f o r m a t i o n T h i sc a nb eu s e di nm a r k i n gf e a t u r ep o i n t s ，s y n t h e s i z i n gf a c e i m a g e s ， t r a c k i n go b j e c ta n dS Oo n I nt h i sp a p e r , a ni m p r o v e dA A Mm e t h o df o rf a c er e c o g n i t i o ni ss t u d i e d A A Mi s

10、u s e dt os y n t h e s i z en e wf a c ei m a g e s T h es h a p em o d e lo fA A M ，w h i c he x p r e s st h e v a r i a t i o no ff a c ea t t i t u d e ，C a nb er e m o v e dS Ot h a tt h ef a c ei m a g e sa r er e g i s t e r e dt on e w s y n t h e s i z e di m a g e sw i t h o u tt h ea t t

11、 i t u d ei n f l u e n c e B yi m p r o v i n gA A M ，w er e d u c es o m e i n n e ra n do u t e re f f e c t so nr e c o g n i t i o np r o c e s s ，a n dt h ea t t i t u d e e s p e c i a l l yc a nb e r e m o v e di no r d e rt oo b t a i nab e t t e rr e s u l t E x p e r i m e n t sw h i c hu

12、 s et h r e es c h e m e s ，L B P w i t hs u p p o r tv e c t o rm a c h i n e ( S V M ) ，L B Pw i t hl i n e a rd i s c r i m i n a n ta n a l y s i s ( L D A ) ，a n d H M A Xw i t hS V M ，a r ec a r r i e do nI M Md a t a b a s er e s p e c t i v e l yf o rt h eo r i g i n a li m a g e s a n dt h

13、es y n t h e s i z e di m a g e s T h er e s u l t si n d i c a t et h a tt h eH M A Xc o m b i n e dw i t hS V M f o rA A M s y n t h e s i z e df a c ei m a g e sg e t sab e t t e rr e c o g n i t i o nr a t e K e y w o r d ：F a c eR e c o g n i t i o n A c t i v eA p p e a r a n c eM o d e l ( AA

14、 旧 L o c a lB i n a r yP a t t e r n ( L B P ) H M A X 基于A A M 姿态校正的人脸识别研究 目录 第一章绪论1 1 1 人脸识别概述l 1 2 相关研究工作3 1 3 人脸识别面临的困难和挑战6 1 4 本论文主要工作和内容安排6 第二章基本A A M 算法及改进7 2 1 引言7 2 2 基础A A M 理论8 2 2 1 形状模型的建立8 2 2 2 纹理模型的建立9 2 2 3 形状无关图像的获得9 2 2 4 纹理归一化1l 2 2 5 建立形状模型和纹理模型之间的联系。1 1 2 2 6 模型匹配1 2 2 3A A M 模型的改进1 4 2 4 本章小结1 5 第三章主流人脸识别算法1 7 3 1 引言17 3 1 1 面部特征点标记的主要方法1 7 3 1 2 主要的特征提取方法1 8 3 1 3 分类方法l8 3 2 与本文相关的一些方法1 8 3 2 1 主成分分析1 8 3 2 2 局部二值模式1 9 3 2 3 基于生物视觉的方法