1、人臉識別技術方興未艾,是模式識別和機器視覺領域的研究熱點,研究內容包括人臉檢測和識別、表情識別等。由于人臉識別技術在司法、安全、軍事等領域有著廣泛的應用前景,受到了研究人員的普遍關注,在近年來更是獲得了較大的發(fā)展,一系列創(chuàng)新算法不斷涌現(xiàn),也出現(xiàn)了部分接近實用并初步商用化的原型系統(tǒng)。其中,基于局部視覺特征模型的人臉識別方法由于對光照變化等不利因素更為魯棒的優(yōu)點逐漸成為主流方法之一。本文在前人的研究基礎上,針對人臉識別對光照等干擾因素敏感的

2、問題,從局部特征入手,在圖像預處理、特征提取和多特征融合識別三個方面分別進行了探討,并完成了以下主要工作:
　　 (1)圖像預處理是人臉識別的重要前期工作,能夠有效減少各種干擾因素,對后期圖像識別效果的優(yōu)劣影響很大。本文對人臉圖像的預處理算法中,除了方向、大小等歸一化步驟外,重點提出一種針對光照不均圖像的預處理方法,即結合Gamma校正、高斯差分(DoG)以及對比度均衡處理為一體。該方法有效降低了光照對人臉的影響,提高了對比度,

3、強化了人臉特征區(qū)域,有利于后續(xù)的特征提取和識別。
　　 (2)特征提取是人臉識別的核心步驟,本文采用了多種人臉局部視覺特征的提取方法。通過分析傳統(tǒng)算法的優(yōu)缺點之后,本文在傳統(tǒng)經(jīng)典算法基礎上,一方面,對LBP紋理特征進行改進,在LBP的差值計算步驟引入Dipole雙極比較算子,由此提取不同距離和尺度的更大范圍的局部特征,記為ILBP,即改進的LBP算法;之后,再結合Gabor特征的多方向、多尺度等優(yōu)點,對人臉的Gabor特征圖譜提

4、取ILBP特征,并記為ILGBP特征。另一方面,由于實際應用中采集的人臉圖像往往受光照變化、角度等因素干擾,而SIFT算法具有平移不變性、旋轉不變性、尺度變化不變性等優(yōu)點,本文又將SIFT特征引入人臉識別當中,用ILGBP特征和SIFT特征共同描述人臉。
　　 (3)基于D-S證據(jù)理論和Fisherface方法進行人臉的局部多特征融合識別。鑒于D-S證據(jù)理論是基于決策級的融合,本文提出的融合識別算法是在識別過程中,首先運用Fis