基于决策级融合的人脸识别

1、摘要：基于决策层融合的人脸识别，孙玉润，背景介绍，人脸识别从固定尺寸照片的静态匹配到视频图像序列的实时匹配，这项技术有着广泛的应用背景。人脸识别技术已经从最初对标准正面灰度图像的识别发展到现在人脸识别的动态实现，新兴的3D人脸识别图像与不同传感器获得的相同图像或同一传感器在不同时间获得的图像进行融合，经过去噪和重采样后，利用一些融合技术获得更适合视觉感知或计算机处理的合成图像。对于人脸识别，人脸识别的一般步骤是：(1)人脸检测(2)特征提取(3)分类识别人脸检测是将类人脸物体从背景中分离出来，特征提取将检测到的人脸图像映射到低维特征空间，并对分类和识别进行比较和判断。对于图像融合，图像融合可以

2、分为：(1)像素级融合；(2)特征级融合；(2)决策层融合。像素级融合是指对传感器采集的数据进行直接处理以获得融合图像的过程。特征级图像融合是对源图像进行特征提取后获得的特征信息进行融合，目的是最大化决策分析所需的特征信息；决策层图像融合是根据一定的标准和每个决策的可信度做出最佳决策，具有实时性好、容错性强的优点。不同的角度说明不同的表情、工作计划、工作计划：由于所使用的方法与传统的人脸识别有很大的不同，所以有必要从0开始设计软件来进行实验。估计总工作时间为60天。其中，调查时间为10%(6天)，算法和流程构思为25%(15天)，程序实现为60%(36天)，论文写作为15%(9天)，调查为10

3、天，算法流程构思为6天，程序实现为36天，论文写作为9天。在不同的情况下获得面子。2.使用opencv分类器检测脸部、眼睛、眼镜和鼻子的四个部分。3.在每一种情况下，使用LBP和高斯滤波器提取人脸特征。4.对步骤3、图像1、图像2、图像n、零件检测、特征提取、特征提取、特征分类、特征分类、特征分类、决策级图像融合、中得到的特征向量进行决策级融合，步骤1:人脸输入，软硬件环境英特尔集成显卡，130万像素u盘，Ubuntu 10.10操作系统，Qt4.7库和openCV2.0库作为独立模块实现人脸输入设计，同时编译。所以让张的实验室里的其他学生使用。添加了两个中介参数，照明和分辨率。步骤2:零件检

4、测。该工具使用opencv社区提供的四个分类器实现基于启发式模型的零件检测。首先，利用人工神经网络检测眼睛、鼻子、眼镜和人脸的整体特征，并根据领域知识判断检测到的区域是否属于人脸修改分类器的一部分，使得侧面人脸能够很好地匹配。步骤3:特征提取(1)，人脸图像可能由于光照、姿态、表情、遮挡或成像条件而改变，然而，现有识别算法的性能和鲁棒性下降。局部特征反映了图像对象的结构特征，是图像对象固有的属性特征，对条件的变化不敏感。因此，提取图像的固有属性特征作为人脸表示方法是非常有效的。目前，局部模式的特征描述方法主要包括基于图像分块策略的Gabor小波和局部视觉基元。缺点是高维数和不均匀性。步骤3:特

5、征提取(2)，局部二值模式(Local Binary Pattern，LBP)局部特征提取方法是一种有效的非参数图像局部纹理描述方法，它利用结构方法分析固定窗口特征，然后利用统计方法提取整体特征。计算简单，能够捕捉到图像中少量的细节特征，从而提取出更有利于图像的局部纹理分布。可以假设局部区域中像素灰度的联合分布密度为T=t(gc，g0，gp-1)，其中gc对应于图像局部邻域中中心像素的灰度值，gi (i=O，p-1)对应于以中心像素为中心、半径为r的圆上等距分布的P个像素的灰度值，则相邻区域的定义通常可以用值对(P，r)来描述。在局部邻域关系分类模式下，Step4:特征分类，决策中常用的最小距

6、离分类器只能提供从测试样本到各种类型的距离信息。我们需要将其转化为识别匹配度。这里编程的分类方法是SVM:基于结构风险最小化的原则，通过特定的非线性映射将输入向量映射到高维特征空间。标准SVM根据其输出f (x)=T (x) b的值给出分类结果：如果f (x) 0，则输入x被分配给正类，否则它被分配给负类。后验概率p(类输入)=p (y=1 | x)=f (f (x)，步骤5:决策级融合，决策融合方法包括统计方法：概率推理、贝叶斯推理、D-S证据、基于信息论的方法：参数模板匹配、聚类分析、自适应神经网络、熵方法和基于认知模型的方法让训练库中的测试人脸和样本属于与类内模型1相同的人，不同的人属于类间模型2， 从而将人脸识别问题转化为模型1和模型2两种类型的分类问题，并完整地完成进度报告：人脸输入(步骤1)、零件检测(步骤2)、特征提取(步骤3)、特征分类(步骤4)； 部分完成：决策整合(第五步)补充计划：与高晨阳合作。高晨阳的同学们在张国一老师的指导下进行特征级整合。想象一下，如果照明和角度这两个条件被分成两步，图像被分成五个照明*三个角度。第一步是同一角度的特征级融合，第二步是不同角度的决策级融合。谢谢你！感谢张国一先生