人脸跟踪与识别的研究

【摘要】： 人脸分析是近年来计算机视觉与模式识别领域里的一个研究热点问题之一,因为它在身份认证、视觉监控、人机交互、娱乐动画、以及多媒体等领域有着广泛的应用前景。人脸分析的研究中包含的课题很多,比如:检测、跟踪、识别、表情分析、建模、动画等。本文是以跟踪和识别作为研究的背景,主要工作可以归纳如下: 1.针对2维的人脸(头)跟踪的特点,提出了一种结合直方图匹配和形状约束的鲁棒跟踪方法。首先通过带空间信息的自适应直方图匹配,来估计一个大体的位置。在直方图匹配中,采用了均值漂移的优化思想自动搜索匹配路径。然后结合椭圆形状约束,采用椭圆边界上点的归一化梯度模型来准确定位位置及其尺度的大小。实验结果证明了此方法的实时性和鲁棒性。 2.自从线性主元分析被成功应用于人脸识别之后,子空间分析方法就成为了人脸识别的主流方法之一。本文详细回顾了已有的各种子空间分析方法,并给出了优缺点的评价。 3.针对概率推理模型中存在较强假设的不足,提出基于核密度估计分类器的人脸识别方法。即采用核密度估计的方式来描述类内的条件概率密度,用EM算法来学习核函数的半径。文中分别以线性主元分析和核主元分析作为特征描述方式,对它的性能进行了验证。 4.由于线性子空间方法不足以描述实际人脸图像中的表情、光照、姿态等复杂的非线性变化。本文提出了基于核Fisher判决分析的人脸识别方法。因为核Fisher判决分析既具有核技巧的非线性描述能力,有继承了Fisher线性判决分析的优点。实验结果表明它能比线性子空间分析和核主元分析取得更好的识别性能。 5.最后在前一工作的基础上,本文又提出了用派生的Cosine核函数来代替原始的多项式核函数,引入了特征向量选择机制来减小计算的复杂度,并结合具有一定泛化能力的近邻特征线分类器,来进一步增强核Fisher判决分析中人脸识别中性能。实验证明了它们的有效性。