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