二维及三维人脸识别方法研究（学位论文-工学）.docx

二维及三维人脸识别方法研究重 庆 大 学 硕 士 学 位 论 文（学术学位）学生姓名：杨吉祥指导教师：朱冰莲 教 授专 业 ： 信 号 与 信 息 处 理学科门类：工 学重 庆 大 学 通 信 工 程 学 院二 O 一 三 年 四 月Research of 2D and 3D Face RecognitionMethodsA Thesis Submitted to Chongqing Universityin Partial Fulfillment of the Requirement for theMaster’s Degree of EngineeringByYang JixiangSupervised by Prof. Zhu BinglianSpecialty： Signal and Information ProcessingCollege of Communication Engineering ofChongqing University, Chongqing, ChinaApril, 2013重庆大学硕士学位论文 中文摘要摘 要随 着 社 会 不 断 发 展 和 计 算 机 技 术 的 不 断 进 步 ， 基 于 生 物 特 征 的 身 份 验 证 越 来越 受 到 人 们 的 关 注 ， 其 中 人 脸 识 别 技 术 因 为 具 有 直 接 、 友 好 、 简 单 等 特 点 ， 成 为目 前 模 式 领 域 中 的 一 个 研 究 热 点 。

传 统 的 人 脸 识 别 系 统 受 光 照 、 姿 态 、 表 情 等 因素 影 响 较 大 ， 设 计 一 个 识 别 率 高 且 具 有 较 好 鲁 棒 性 的 人 脸 识 别 系 统 仍 是 一 个 待 解决 的 难 题 二 维 人 脸 识 别 技 术 虽 然 取 得 一 定 成 果 ， 但 是 二 维 人 脸 信 息 量 小 ， 受 姿态 和 光 照 等 影 响 严 重 随 着 三 维 技 术 的 不 断 发 展 ， 三 维 人 脸 作 为 人 脸 多 个 角 度 的真 实 反 映 ， 信 息 量 丰 富 ， 受 光 照 等 因 素 的 影 响 小 ， 因 此 近 年 来 三 维 人 脸 识 别 技 术受 到 了 广 泛 的 关 注 本 文 分 别 对 二 维 和 三 维 人 脸 识 别 方 法 进 行 了 研 究 ， 针 对 目 前 存 在 的 缺 陷 ， 分别设计相应的人脸识别系统在 二 维 人 脸 识 别 方 面 ， 基 于 核 函 数 的 Fisher 判 别 分 析 （ KFD） 的 特 征 提 取 算法 ， 在 人 脸 识 别 中 往 往 采 用 高 斯 径 向 基 函 数 作 为 核 函 数 ， 但 高 斯 径 向 基 函 数 中  的选 取 对 分 类 效 果 的 影 响 较 大 。

目 前 一 般 仅 凭 实 验 统 计 或 者 经 验 获 取 该 参 数 ， 而 且KFD 特征提取算法在处理大样本时，运算时间较长针对这些问题提出了一种基于 小 波 变 换 和 改 进 KFD 的 人 脸 识 别 方 法 在 预 处 理 阶 段 ， 对 人 脸 图 像 做 小 波 变 换降 低 光 照 、 姿 态 、 表 情 等 因 素 的 影 响 ， 并 能 有 效 降 低 样 本 的 维 数 ； 在 特 征 提 取 阶段 ， 采 用 微 粒 群 算 法 智 能 获 取 最 优 参 数  对 KFD 算 法 进 行 改 进 ； 在 特 征 匹 配 阶 段 ，采 用 SVM 分 类 器 完 成 特 征 的 分 类 在 三 维 人 脸 识 别 方 面 ， 针 对 三 维 人 脸 识 别 中 单 一 特 征 信 息 不 足 的 缺 陷 ， 提 出了 基 于 整 体 和 局 部 信 息 相 融 合 的 人 脸 识 别 算 法 ， 以 提 高 识 别 率 首 先 将 预 处 理 后的 三 维 点 云 用 多 层 次 B 样 条 曲 面 拟 合 ， 获 取 精 确 的 人 脸 曲 面 拟 合 函 数 ， 将 控 制 点映 射 为 深 度 图 像 ， 并 根 据 人 脸 曲 面 函 数 和 生 理 特 征 提 取 过 鼻 尖 的 中 分 轮 廓 线 和 水平轮廓线；其次对深度图像采用 2D-PCA 算法提取整体信息，对轮廓线采用改进的 ICP 算 法 匹 配 ， 作 为 局 部 信 息 ； 最 后 采 用 加 权 求 和 法 在 决 策 级 进 行 信 息 融 合 完成 人 脸 识 别 。

关键词： 人 脸 识 别 ， 特 征 提 取 ， 微 粒 群 算 法 ， 深 度 图 像 ， 信 息 融 合I重庆大学硕士学位论文 英文摘要ABSTRACTWith the development of society and the progress of computer technology, identityverification based on biological characters has attracted more and more researchers. Inall of the biological methods, face recognition has been the favor of researchers becauseof features: directness, friendliness and convenience. Due to traditional face recognitionsystems affected seriously by such as light, gesture and facial expression, designing asystem with strong robustness and high accuracy is still a problem to be resolved. In 2Dface recognition, many great achievements have been acquired. However, 2D faceimage can not offer enough information and the system is affected by posture and lighteffectively. With the development of 3D technology, 3D face has enough inherentinformation and appears to be less sensitive to light, gesture and so on.The thesis does some research separately on 2D and 3D face recognition anddesigns the face recognition for present deficiencies.For 2D face recognition, gaussian radial basis function is usually applied as thekernel function of the kernel fisher discriminant analysis (KFD) in face recognitionapplication. However, the parameter  of the kernel function has a great impact on theclassification. At present, the parameter is usually selected based on experience, and theprocess of KFD costs too much time for dealing with a large number of samples. Tosolve these problems, a face recognition method is presented with improved KFD andwavelet transform. It employs wavelet transform to compress the data of face image.And it applies PSO algorithm to automatically obtain the parameter to enhance theability of classification when KFD is employed to complete feature extraction. Finally,support vector machine is used for classification.For 3D face recognition, a recognition algorithm based on the fusion of global andlocal information is proposed in this paper for improving the recognition accuracy interms of the scarcity of simplex feature information in 3D face recognition. Firstly, wemake a surface fitting on the preprocessed 3D cloudy points by using multilevelB-spline and acquire an accurate face surface fitting function. And then the controlpoints of the function are mapped into the range image, and the central profile and thehorizontal outline cross the nose top are extracted according to the surface function andphysiological characteristics of the face. Secondly, 2D-PCA algorithm is applied on therange image for extracting global information, and the contours are matched usingII重庆大学硕士学位论文 英文摘要modified ICP algorithm as local information. Finally, the weighted sum method is usedto achieve information fusion at decision stage.Key words： face recognition, feature extract, PSO algorithm, depth image, informationfusionIII重庆大学硕士学位论文 目 录目 录中文摘要......................................................................................................................................... I英文摘要.......................。