1、隨著科技的發(fā)展和人們安全意識的提高，對快速有效的身份鑒別的需求日益迫切。人臉相比于其他人體生物特征具有直接、友好、不具侵犯性等優(yōu)點，因此人臉圖像識別成為身份鑒別的研究熱點，有著廣泛的應(yīng)用前景。一套完整的人臉圖像識別系統(tǒng)，包括3個關(guān)鍵步驟：人臉檢測、面部特征點標定、特征比對。三個步驟環(huán)環(huán)相扣，直接影響人臉識別系統(tǒng)的識別性能。 本文的研究方向是人臉標定與開集識別算法，重點探討了人臉識別系統(tǒng)中面部特征點標定和特征比對中的開集識別問題，

2、提出相關(guān)優(yōu)化算法，并實現(xiàn)對應(yīng)的系統(tǒng)模塊。體現(xiàn)在工作量上，包括以下部分： 1. 將Adaboost人臉檢測方法推廣到復(fù)雜背景下的多角度人臉檢測，實現(xiàn)了基于角度估計的多角度人臉檢測演示模塊。 作為人臉標定的前期步驟，人臉檢測算法的精度直接影響著后續(xù)標定工作的精度。與正面人臉檢測相比，多角度人臉檢測的研究相對薄弱，難度也大得多。本文將多角度人臉劃分成三類：全側(cè)臉，半側(cè)臉及正面人臉，并為不同角度的人臉建立不同的分類器分別用于檢測

3、和角度估計，解決了復(fù)雜背景下多角度人臉檢測問題。 2. 研究了面部特征點精確標定問題，針對傳統(tǒng)ASM輪廓定位不精的缺點，提出局部輪廓約束的主動形狀模型，并實現(xiàn)了準實時正面人臉特征標定演示模塊。主動形狀模型（ASM）是面部特征點標定的一種常用算法。針對傳統(tǒng)ASM對面部輪廓點定位不夠理想的問題，本文提出了一種局部輪廓約束的主動形狀模型（Local Profile Constraint ASM）。該模型對傳統(tǒng)ASM有兩個方面的改進：其

4、一，將候選點的輪廓強度作為自調(diào)節(jié)權(quán)重加入ASM的局部紋理匹配函數(shù)，使最佳匹配點更易被吸引到面部輪廓上。其二，引入全變分模型（TVM）作為圖像實施標定前的預(yù)處理，在保留足夠用于標定的紋理信息前提下，增強輪廓點與其一維鄰域點的輪廓強度對比。在BioID人臉庫上的大規(guī)模測試結(jié)果表明，該方法有效地提高了輪廓點的定位精度，為后續(xù)的特征比對打下良好的配準基礎(chǔ)。 3. 研究了特征比對中的開集識別問題，提出基于Adaboost的開集人臉識別算法