人脸识别技术是计算机视觉与模式识别领域非常活跃的研究课题,在身份验证、人机界面、可视通信、公安档案管理、基于内容的图像检索等很多方面都有着广泛的应用。人脸识别的过程一般可以分为人脸的检测定位、面部特征提取、匹配识别三个部分。本文详细研究了人脸的自动检测和识别技术,在算法实用化方面作了大量的改进工作,并在此基础上实现了一个人脸自动识别系统的原型。 在人脸检测环节,本文采用了两种方案:基于Adaboost的人脸检测和基于肤色的人脸检测。这两种方案的共同特点是速度快,实时性好,同时它们具有互补性。 在Adaboost方法中,检测定位是通过多分类器级联结构实现的。通过比较我们选择扩展的Haar-like特征生成弱分类器,并对强分类器的个数及其排序方式对检测器性能的影响作了深入分析,进而得到了一组有效的参数,并在此基础上,实现了基于Adaboost的人脸检测软件,该软件可检测多种格式的静态正面人脸图像,检测速度快,实时性好,对CMU人脸测试库的检测率达到97.5%。 在基于肤色的方法中,首先对肤色进行光线补偿,在YCbCr色彩空间内对肤色非线性分段色彩变换,从而可以得到实用的肤色聚类模型,最后利用椭圆来对人脸建模实现人脸检测。该方法可以实现对多姿态人脸的检测。 人脸识别部分,提出离散余弦变换与支持向量机相结合的识别策略。用DCT进行人脸特征提取,根据DCT系数的特点进行特征选择以将降低特征的维数,将其归一化后作为分类器的输入;分类器的设计我们选用了支持向量机方法,采用一种分阶段淘汰的“1-1”策略对人脸进行分类。在ORL数据库上得到的实验结果与其他方法相比较,识别率有了明显的提高。