隐马尔可夫模型在人脸检测与识别中的应用

隐马尔可夫模型在人脸检测与识别中的应用

徐毅琼李弼程王波

河南省郑州市１００１信箱３０６号郑州４５０００２

摘要：人脸识别近十年来日益受到人们的关注，已成为信息学科研究的热点之一。人脸模

式的差异性叉使得人脸识别成为一个极富挑战性的课题。人脸检测和识别方法，大致可分为

基于几何特征的方法，基于模板匹配的方法和基于模型的方法。基于模型的方法是通过统计

分析和匹配学习找出人脸和非人脸以及不同人脸之间的联系。该方法的模板是通过样本学习

获得而非人为设定，所以从原理上较为先进合理。ＨＭＭ是采用概率统计的方法进行时序数据

识别模拟的分类器．如果把时序序列看成应用对象的特征向量，ＨＭＭ也可以应用到人脸检测

与识别，属于基于模型的方法。根据人脸由上至下各个区域（头发、额头、眼睛、鼻子和嘴

巴）具有自然不变的顺序这一稳定的相似共性，个人特征仪表现在上述组成部分的形状及其

相互连接关系不同，我们可用一个１ＤＨＭＭ表示人脸。本文中，我们最初将一维隐马尔可夫

（１ＤＨＭＭ）应用于人脸检测和识剐，采用条状窗口的ＫＬＴ系数作为观测序列。Ｙ实验性能表

明，１ＤＨＭＭ表现二维人脸模型存在不足。进一步研究表明人脸水平方向从左至右也具有相

对稳定的空间结构，因此可将沿垂直方向划分的状态分别扩充为一个ＩＤＨＭＭ。垂直方向的

状态就称为赶状态，水平方向嵌入的状态就称为子状态，共同组成了一个嵌入式隐马尔可夫

模型（或称为伪二雏臆马尔可夫模型，Ｐ２ＤＨＭＭ）。Ｐ２ＤＨＩＶＩＭ可以更好的反映人脸的二维空

间结构，更加精确的描述和定义具体人脸的个人特征。并且水平方向的状态变化仅限于超状

态内，分析处理比真正的二维的隐马尔可走模型（２Ｄ．Ｉ－ＩＭＭ）简单，是较好的描述和用于识

别人脸的数学模型。在实验中也获得了比１ＤＨＭＭ更好的检测与识别效果。本文中，我们选

取块状扫描窗的２ＤＩ）ＣＴ系数作为观测序列，使得观察向量雏数得到减少。并且选择块状窗

的大小与ＪＰＥＧ标准兼容。这样提取的观察向量，对ＪＰＥＧ压缩的，ｋｇｔｌｌｔ像可以直接在压缩域

进行识别，无需解压。基于ＨＭＭ的方法一般只使用“人脸”样本（正例样本）进行训练，

反复学习，使ＨＭＭ参数对样本产生的概率最大，得到“次优化”训练模板，所以它存在一

定局限性。与采用１ＤＨＭＭ进行人脸识别相比，Ｐ２ＤＨＭＭ使得人脸识别的精确度增加了很

多，同时训练和识别的复杂度也增加了很多，计算量很大。综合考虑二者的优缺点，结合支

持向量机（ＳＶＭ）对静态数据识别效率明显的长处，我们建立了ＳＶＭ和ＨＭＭ的混合人脸识

别模型。ＳＶＭ濠于统计学习理论，它使用结构风险最小化（ＳＲＭ）原理构造决策超平面使每

一类数据之间的分类闽隔最大。我们采用ＳＶＭ取代高斯分布函数或者状态映射矩阵，每个人

脸器官通过ＳＶＭ进行识别，混合模型的复杂度相当于一个１Ｄ－ＨＭＭ，所以在保证识别精度

的前提下，模型较简练，太大减少了分析识别的时间．除此之外我们引入ＹＣｂＣｒ肤色模型对

图像进４－ｉ－肤色区域的初筛，得｜，ｌｚ－脸的可能区域，减少了后续步骤的检测范围。系统输出我

们采用层次结构的判决，可以拒识新对象。首先判别是否人脸，若是判别是否库中已有对象

的人脸，最后输出识别对象的标号。在ＯＲＬ人脸库中，测试基于１Ｄ－ＨＭＭ、Ｐ２Ｄ－ＨＭＭ和

１Ｄ－ＨＭＭＫＬＴ．人脸检测，人脸识别、ｓＶ够Ｐｃ冬１ＣＡ・５３５・ＳＶＭ／ＨＭＭ的人脸识别方法，识别率分别达到８６．２％、９７．２％和９７．０％，并且以上方法对姿态和环境的变化具有较好鲁棒性了’关键词：Ｐ２Ｄ－ＨＭＭ，ＤＣＴ

隐马尔可夫模型在人脸检测与识别中的应用

作者：

作者单位：徐毅琼， 李弼程， 王波河南省郑州市1001信箱306号(郑州)

1.期刊论文 徐毅琼.李弼程.王波 基于隐马尔可夫模型的人脸检测与识别 -中国图象图形学报A辑2003,8(z1)

此文讨论了隐马尔可夫模型(HMM)在人脸检测与识别中的实现及其逐步改进.采用了基于DCT系数的伪二维隐马尔可夫人脸模型(P2D-HMM).由于此模型更好的利用了人脸图象的二维统计特性,所以与基于KLT系数的一维隐马尔可夫人脸模型相比,识别效果更好.虽然一维隐马尔可夫模型(1D-HMM)表现二维人脸存在不足,但训练识别比较简单.P2D-HMM可以充分表现二维人脸模型的统计特性,但结构复杂、运算量大.综合考虑二者的优缺点,结合支持向量机(SVM)对静态数据识别效率明显的长处,建立了SVM和HMM的混合人脸识别模型.采用独立分量分析(ICA)的方法提取人脸区域的特征,作为SVM的输入.在ORL人脸库中,测试基于1D-HMM、P2D-HMM和SVM/HMM的人脸识别方法,识别率分别达到86.2%、97.2%和97.0%,并且以上方法对姿态和环境的变化具有较好鲁棒性.

2.会议论文 徐毅琼.李弼程.王波 基于隐马尔可夫模型的人脸检测与识别 2003

此文讨论了隐马尔可夫模型(HMM)在人脸检测与识别中的实现及其逐步改进.采用了基于DCT系数的伪二维隐马尔可夫人脸模型(P2D-HMM).由于此模型更好的利用了人脸图象的二维统计特性,所以与基于KLT系数的一维隐马尔可夫人脸模型相比,识别效果更好.虽然一维隐马尔可夫模型(1D-HMM)表现二维人脸存在不足,但训练识别比较简单.P2D-HMM可以充分表现二维人脸模型的统计特性,但结构复杂、运算量大.综合考虑二者的优缺点,结合支持向量机(SVM)对静态数据识别效率明显的长处,建立了SVM和HMM的混合人脸识别模型.采用独立分量分析(ICA)的方法提取人脸区域的特征,作为SVM的输入.在ORL人脸库中,测试基于1D-HMM、P2D-HMM和SVM/HMM的人脸识别方法,识别率分别达到86.2％、97.2％和97.0％,并且以上方法对姿态和环境的变化具有较好鲁棒性.

3.期刊论文 徐毅琼.李弼程.王波 基于隐马尔可夫模型的自动人脸识别方法 -计算机应用2004,24(z2)

基于DCT系数的伪二维隐马尔可夫人脸模型(P2D-HMM)由于更好的利用了人脸图像的二维统计特性,所以与基于KLT系数的一维隐马尔可夫人脸模型相比,识别效果更好,但是结构复杂、运算量大.一维隐马尔可夫模型(1D-HMM)表现二维人脸存在不足,但训练识别比较简单.综合考虑二者的优缺点,结合支持向量机(SVM)对静态数据识别效率明显的长处,建立了SVM和HMM的混合人脸识别模型.采用独立分量分析(ICA)的方法提取人脸区域的特征,作为SVM的输入.在ORL人脸库中,测试基于SVM/HMM的人脸识别方法,实验结果表明该方法在获得与P2D-HMM相应的识别率的前提下,结构简单,运算量小.

4.会议论文 张茜.刘志镜 基于伪二维隐马尔可夫模型的自动人脸识别系统 2006

本文介绍了利用肤色信息进行人脸检测后,采用基于二维DCT系数的伪二维隐马尔可夫模型(P2D-HMM)进行人脸识别的方法。此模型更好的利用了人脸图像的二维统计特性。实验中实现了人脸检测与识别系统,建立起了包含1000幅照片的大型数据库,有效论证了系统的识别的正确性和效率。

本文链接：http://d.g.wanfangdata.com.cn/Conference_4300816.aspx

下载时间：2010年3月26日