基于贝叶斯的人脸识别

人脸识别因其广泛的社会应用前景越来越成为模式识别和人工智能的研究热点，它是一个涉及到图像处理、模式识别、生理学和心理学等多个学科交叉的一个问题。人类自身识别是非常容易的事，甚至可以通过表情判断一个人的心理等，但是机器人脸自动识别是一件比较困难的工作，需要从很多方面进行研究。自动人脸识别的主要过程是图像的预处理、特征提取和分类，其中图像预处理是特征提取和分类的前提，也是影响识别的关键问题。图像预处理的目的是使人脸图像具有统一的尺寸，并且尽量消除光照、姿态变化等外部因素对识别的影响，而图像预处理的前提条件是特征点的定位尤其是人眼的自动定位。 本文提出了一种基于梯度和模板匹配相结合的眼睛定位方法，并且基于该方法的定位结果对图像进行了预处理，预处理后的图像采用主成分分析和贝叶斯算法进行人脸识别，并且设计了一个基于上述理论的照片比对人脸识别系统。 本文的眼睛自动定位算法以数字图像处理为理论基础。根据先验知识和统计结果人脸照片上有20％左右的眼睛睁开程度较小，如果对一个人的面部进行监控随机拍摄这个比例可能更大。所以本文综合考虑这一特点对不同的眼睛状态的不同特征采用不同的方法进行定位。本文的眼睛自动定位过程为：首先利用积分投影曲线和方差投影曲线大致确定眼睛所在的区域，然后用边缘算子得到这部分图像的边缘图像并二值化，在其中检测半圆形的眼球轮廓，并根据眼球周围的梯度方向发射的特点进行验证得到的区域是否为眼球。对于不能确定眼球位置的图像则按照一个基于梯度角的眼睛模板进行匹配，从而确定眼睛的中心位置。根据眼睛坐标对图像进行几何标准化，其过程包括平移和旋转、裁剪以及直方图均衡化。 主成分分析又称K-L变换，是图像压缩的典型方法，其主要内容为矩阵运算。本文介绍了主成分分析的含义和利用主成分分析进行特征提取的步骤。贝叶斯决策理论是常用的决策分类方法，该方法保证了错误分类的可能性最小，利用贝叶斯决策理论的关键问题是求条件概率和先验概率。本文介绍了贝叶斯基本决策理论并对其在人脸识别中的特殊应用进行了详细的分析和和研究。 最后设计了一个基于本文眼睛定位结果和贝叶斯人脸识别的照片比对系统，并对基于本文自动定位结果和经过手工修正后的结果进行了比较分析。