基于三维图像的多姿态人脸识别算法研究

VIP免费

3.0 侯斌 2024-11-19 4 4 1.66MB 46 页 15积分

侵权投诉

摘要

人脸识别是图像识别领域最活跃的一个分支，作为个人身份鉴定的关键特征，

实现对人脸的自动识别具有重大的潜在价值，20 世纪 90 年代以来，针对二维图像

的人脸识别技术渐趋成熟，然而现有的人脸识别系统大多基于数码相机等设备获

取的二维人脸图像，当目标的姿态或者摄像机的方位发生改变时，往往会造成图像

的变形以至于无法识别。对于不同姿态的人脸识别是一个长期存在的难题，多年来

研究人员对于多姿态人脸识别进行了大量的研究，考虑到人脸本身属于一个三维

空间中的物体，因此仅用二维图像不足以完全概括人脸特征。而当输入的人脸为三

维图像时，可以进行任意的姿态变换，进而实现对不同姿态人脸的识别。因此，本

文采用二维图像与三维图像结合的方法进行人脸识别。

本文主要工作如下：

（1）首先介绍了人脸识别的研究背景，研究意义及国内外的研究现状。

（2）对人脸进行了预处理，对基于 Haar-Like 特征的 Adaboost 人脸检测算法进

行介绍，在通用人脸检测方法的基础上提出了优化方案，使得人脸识别检测

速度更快速，更准确。

（3）在图像修正的基础上，通过人脸的三维重建和姿态变换建立了多姿态的人脸

图像库。

（4）介绍了人脸特征提取方案如 PCA 及LBP 算法的基本原理，在此基础上对原有

算法进行优化，最终选择了合适的分类器实现对多姿态人脸的识别。

（5）最后进行了实验，实验结果表明，本文的方法可以很好的实现多姿态的人脸

识别。

关键词：人脸识别姿态变换三维重建深度图像

ABSTRACT

Face recognition is the most active areas of image processing. As an important feature

of personal identification, Automatic face recognition have significant potential value,

since the 1990s, the technology of two-dimensional face recognition becomes mature,

however, most of the existing face recognition system based on 2D face images acquired

through digital cameras or other equipment, when the target's posture or the orientation

of the camera change, will cause distortion of the image so that do not recognize.For

different poses human face recognition is a long-standing problem, over the years

researchers have done a lot of research, taking into account the human face itself is a

three-dimensional objects in space, so only two-dimensional image is not sufficient to

fully express the human face features. And when using a three-dimensional image of the

human face can be any attitude transform, enabling the identification of the different

posture face. Therefore, we use the two-dimensional images and three-dimensional

images combined approach to face recognition.

The main work is as follows:

(1) First introduced face recognition research background, significance and research

status at home and abroad.

(2) Preprocessing on people's faces, Face detection algorithms are introduced, which

based on the Haar-Like Features and Adaboost algorithm. On the basis of universal

human face detection method, proposed optimization scheme, making face

recognition algorithms to detect the speed of faster and more accurate.

(3) On the basis of the image correction, through a three-dimensional reconstruction of

face and posture transform established a multiple posture face image library.

(4) Introduces the basic principles of facial feature extraction algorithms such as PCA

and LBP. Optimization algorithm on the basis of the original, then choose the

appropriate classification to achieve face recognition of multiple posture.

(5) Finally, experiments were implement, the experimental results show that the

method in this paper can be well achieve a multiple posture face recognition.

Key words: face recognition, pose transformation, three-dimensional

reconstruction, depth image

中文摘要

ABSTRACT

第一章绪论 .................................................................................................................. 1

1.1 人脸识别研究背景 ............................................................................................... 1

1.2 人脸识别面临的技术问题 ................................................................................... 2

1.3 人脸识别研究现状 ............................................................................................... 2

1.4 本文主要内容 ....................................................................................................... 3

第二章人脸检测 ............................................................................................................ 5

2.1 人脸图像获取 ....................................................................................................... 5

2.2 人脸图像预处理 ................................................................................................... 6

2.2.1 图像平移 ......................................................................................................... 7

2.2.2 图像旋转 ......................................................................................................... 7

2.2.3 图像错切 ......................................................................................................... 8

2.2.4 透视变换 ......................................................................................................... 8

2.2.5 直方图均衡 ................................................................................................... 10

2.2.6 RGB 图像降噪 ............................................................................................... 11

2.2.7 深度图像降噪 ............................................................................................... 12

2.3 人脸检测 ............................................................................................................. 13

2.3.1 结合深度图像的人脸分层提取 ................................................................... 13

2.3.2 人脸检测算法 ............................................................................................... 14

2.3.3 人脸肤色模型 ............................................................................................... 20

2.4 人脸分割 ............................................................................................................. 21

2.5 本章小结 .............................................................................................................. 21

第三章人脸数据库建立 .............................................................................................. 23

3.1 人脸图像补全 ..................................................................................................... 23

3.2 人脸对齐 ............................................................................................................. 23

3.3 三维人脸重建 ..................................................................................................... 24

3.4 三维人脸变换 ..................................................................................................... 24

3.5 生成多姿态人脸库 ............................................................................................. 25

3.6 本章小结 ............................................................................................................. 26

第四章目标人脸识别 .................................................................................................. 27

4.1 目标人脸提取 ..................................................................................................... 27

4.2 人脸特征提取 ..................................................................................................... 27

4.2.1 基于全局的特征提取 ................................................................................... 27

4.2.2 基于局部的特征提取 ................................................................................... 29

4.3 人脸分类识别 ..................................................................................................... 32

4.4 本章小结 ............................................................................................................. 34

第五章多姿态人脸识别实验 ...................................................................................... 35

5.1 实验方法及过程 ................................................................................................. 35

5.3 实验结果及分析 ................................................................................................. 37

5.4 本章小结 ............................................................................................................. 38

第六章总结与展望 ...................................................................................................... 39

参考文献 ........................................................................................................................ 40

在读期间公开发表的论文和承担科研项目及取得成果 ............................................ 43

致谢 .............................................................................................................................. 44

第一章绪论

1.1 人脸识别研究背景

在我们生活的地球上，有着 70 多亿人，不同的肤色，不同的着装，随着以互

联网为首的信息技术的发展，产生了大量前所未有的新事物。为了对每一个人进行

个性化的服务，对于个体进行验证判别就成为一个亟待解决的问题，这使得个人验

证方式的研究具有很重要的实际意义，通常情况下，我们使用密码来鉴别不同人，

然而密码的输入需要键盘等硬件设施的配合，另一方面，输入操作本身也比较耗时，

在追求效率与速度的现代社会，个性化服务的提供要求我们必须准确确定一个人，

而密码的输入却不具备快捷高效的特点，这成了一件互相矛盾的需求，在这种情况

下，生物特征识别应运而生，由于生物特征的优势，使得它成了极具潜力的个体验

证方式。

那么，怎么通过生物特征识别进行个体判断呢？我们认为，这种进行判断的特

征必须是具有唯一性，从而通过这种唯一的特征来准确判断不同个体，满足这种条

件的特征通常有如下几种：指纹识别，掌纹识别，体型识别，步态识别，笔迹识别，

虹膜识别，视网膜识别，人脸识别，语音识别，DNA 序列识别。相对于其它验证

方式，生物特征验证具有不易丢失，不易伪造的特点，除了 DNA 序列识别外，其

它识别方式还具有验证速度快的特点，在这些识别方式中，DNA 序列识别是最为

可靠的识别方式，但是在目前的技术水平下，DNA 序列识别一方面需要复杂昂贵

的设备，另一方面就是验证速度非常慢，往往需要几个小时到几天的时间，从而使

它不适用于常规场合。在其余的识别手段中，除了人脸识别以外，其它识别方式还

具有一个缺点就是它们不但需要目标的配合，而且需要目标与设备的接触，这使得

这些方式的便利性大打折扣，从而不适用于一些场合，如视频监控的时候进行目标

分析，因此，作为剩余的仅有手段，人脸识别以相对的优势在一些相关领域里具有

很高的应用价值。

在所有的计算机视觉的研究中，人脸识别无疑是最早期的研究方向之一，因为

这是最直观最原始的个体鉴别方式，我们的祖先最早就是通过人脸识别来鉴别不

同个体的，这也是生物进化的结果，这就使得人脸识别成了最先被人们考虑到的个

体鉴别方式。人脸识别的相关研究历史表明，早在 1888 和1910 年，高尔顿就在

Nature 杂志发表了两篇关于利用人脸进行身份识别的文章，大约从 20 世纪 60 年

代开始，大量研究人员开始了对人脸识别系统的初步研究，而随着计算机技术的不

断飞跃式发展和光学系统的进步，在计算机视觉中对于人脸识别的研究变得更为

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要人脸识别是图像识别领域最活跃的一个分支，作为个人身份鉴定的关键特征，实现对人脸的自动识别具有重大的潜在价值，20世纪90年代以来，针对二维图像的人脸识别技术渐趋成熟，然而现有的人脸识别系统大多基于数码相机等设备获取的二维人脸图像，当目标的姿态或者摄像机的方位发生改变时，往往会造成图像的变形以至于无法识别。对于不同姿态的人脸识别是一个长期存在的难题，多年来研究人员对于多姿态人脸识别进行了大量的研究，考虑到人脸本身属于一个三维空间中的物体，因此仅用二维图像不足以完全概括人脸特征。而当输入的人脸为三维图像时，可以进行任意的姿态变换，进而实现对不同姿态人脸的识别。因此，本文采用二维图像与三维图像结...

展开>> 收起<<

基于三维图像的多姿态人脸识别算法研究.pdf

共46页,预览5页

还剩页未读，继续阅读

基于三维图像的多姿态人脸识别算法研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: