文档介绍：摘要
人脸识别作为一种重要的生物特征识别技术,涉及到模式识别、
计算机视觉、图像处理以及认知科学等多个前沿学科知识,在公共安
全以及信息安全领域有广泛的应用。
当前主流的人脸识别方法分为两大类:基于统计特征的算法和基
于几何特征的算法。前者将人脸区域作为整体输入到识别系统中,以
寻求最佳匹配。基于子空间的识别方法是这类算法的代表,该算法的
思想是将人脸图像进行降维处理,投射到低维空间进行识别。而基于
几何特征的算法则是提取人脸特征点信息,通过匹配特征信息来进行
识别,代表方法有弹性图匹配法(EBGM),该算法利用人脸的基准特
征点构造拓扑图,使其能够符合人脸的几何特征,进而获取人脸关键
点的特征值进行匹配。本文主要对弹性图匹配法(EBGM)进行了深入
研究,针对该算法中的不足之处,提出自己的方法,纵观全文,主要
有以下内容:
1、综述人脸识别技术的历史和现状,详细总结了当前主流的人
脸识别算法,并逐个分析了这些算法的优缺点。
2、详细地描述了 EBGM 算法思想,介绍了 Gabor 滤波器的特性及
其在 EBGM 算法中的应用;阐述了特征点的概念、特征点的定位方法、
人脸束图的提取方法以及如何提取以及比较人脸图。
3、通过分析 EBGM 算法中的特征点定位方法,针对精确估算特征
点位置时所采用方法的不足,提出了平均定位法:当选取最佳匹配点
I
时,不是采用模板图中最优的估算结果,而是选取所有模板图估算结
果的平均值。
4、EBGM 算法在计算人脸特征点的相似度时,认为每个 Gabor 小
波系数对结果的影响是相同的,从而给予所有系数同等权重,但实验
测试表明情况并非如此。本文充分挖掘人脸频率分布的统计特性,通
过对不同特征点在频域分布特征的提取,提出一种对 Gabor 小波系数
进行分类并赋予其不同权重的优化方法。实验测试证明,该算法能有
效的提高识别率。
关键词:弹性图匹配 Gabor 滤波器权重优化平均定位法
II
知识水坝***@pologoogle为您整理
ABSTRACT
As an important biometric recognition technology, face recognition
involves pattern recognition, computer vision, image processing,
cognitive science and other cutting-edge subject knowledge. There is a
wide range of face recognition applications in the field of information
security and public safety.
At present, there are two mainstream methods of face recognition:
algorithm based on the statistic characteristics and the algorithm based on
geometrical features. The former treats the face region as a whole to enter
the identification system in order to find the best match. Subspace-based
identification method is the prominent representative of the algorithm.
The algorithm makes use of reduced-dimension processing to the face
image and projects it to low-dimensional space to identify human face.
While the geometric feature based algorithm extracts facial feature points,
matching characteristics of the information to identify. Elastic Bunch
Graph Matching (EBGM) is the most famous and essful algorithm of
this kind. EBGM use the base feature point