基于局部正脸合成和两阶段表示的三阶段人脸识别算法

发布时间：2020-02-13 04:49

【摘要】：基于两阶段表示的人脸识别算法(TPTSR)识别率高,并且对遮挡、噪声等干扰鲁棒,但是当人脸姿态有较大变化时,TPTSR算法的识别率会明显下降.针对这一问题,提出基于局部正脸合成和TPTSR的三阶段人脸识别算法:第一个阶段,正脸合成阶段,利用提出的正脸合成算法和视点库,将偏转角度较大的测试样本合成相应的正脸,作为新的测试样本;第二个阶段,样本筛选阶段,选择出对最新的测试样本最具表示能力的M个训练样本;第三个阶段,决策识别阶段,用这M个训练样本做人脸识别.通过与经典算法的对比实验证明,提出的3PTSR人脸识别算法能有效解决多姿态人脸识别问题.
【图文】：

ｔｅｓｔｓａｍｐｌｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ，３ＰＴＳＲ）．第一阶段利用本文提出的正脸合成算法，只由一幅待测试的侧脸，合成与其相应的正脸，以此消除姿态变化造成的影响；第二阶段和第三阶段，再使用ＴＰＴＳＲ算法做人脸识别．本文提出的３ＰＴＳＲ人脸识别算法不仅保留了ＴＰＴＳＲ的识别率高、对遮挡和噪声鲁棒的优点，而且有效解决了姿态变化问题．１基于局部正脸合成和ＴＰＴＳＲ的三阶段表示人脸识别算法（３ＰＴＳＲ）本文提出的３ＰＴＳＲ算法系统框架如图１所示．首先，对测试样本、所有的训练样本和视点库（将在１．１中详细介绍）中的人脸用ＡｄａＢｏｏｓｔ算法和辅助的人工操作检测人脸区域，然后人工标定各姿态下人脸区域关键特征点的中心位置，将相同姿态人脸的关键特征点对齐，并缩放到同样的大小，，然后对人脸图像进行直方图均衡化，去除光照变化等不良因素带来的噪声影响；对输入的水平偏转角度较大的测试侧脸，利用适当的视点库，使用本文提出的人脸合成算法，合成相应的正脸，作为新的测试样本输入到下一阶段；第二阶段和第三阶段利用ＴＰＴＳＲ人脸识别算法，将姿态校正后的测试样本与训练样本匹配，得到识别结果．１．１第一阶段：正脸合成阶段本文假设训练样本是一系列与正脸姿态差异不大的人脸图像，而测试样本是水平偏转角度较大的人脸图像，其他问题可以作为此类问题的变种．用ｐ表示不同水平偏转角度的人脸姿态，ｐ的取值范围是－６０°，－３０°，３０°，６０°．本文提出的正脸合成算法是一种基于统计学习的算法，假设侧脸和相应正脸之间存在一种映射关系，也就是人脸纹理表示对姿态的不变性（将

图２正脸合成描述Ｆｉｇ．２Ｄｅｓｃｒｉｐｔｉｏｎｏｆｆｒｏｎｔａｌｆａｃｅｓｙｎｔｈｅｓｉｓ

【相似文献】

相关期刊论文 前10条

1 王李冬;;一种新的人脸识别算法[J];计算机技术与发展;2009年05期

2 桂荣;沈荣鑫;詹泳;;基于模糊神经推理的人脸识别算法研究[J];华南师范大学学报(自然科学版);2012年04期

3 苏士美;王燕;王明霞;;基于加权小波分解的人脸识别算法研究[J];郑州大学学报(工学版);2014年01期

4 魏冬梅;周卫东;;采用压缩感知的人脸识别算法[J];计算机工程;2011年18期

5 陈皓;霍星;;视频监控中人脸识别算法稳定性的改进[J];工程图学学报;2011年06期

6 李美瑾;;人脸识别算法综述与远程考试系统应用研究[J];广西广播电视大学学报;2012年01期

7 盛朝强;王君;;煤矿井下人员签到系统人脸识别算法研究[J];计算机技术与发展;2012年07期

8 朱学毅;王崇骏;周新民;张W

本文编号：2579032