二维与三维人脸识别技术研究与优化

"二维及三维人脸识别方法研究，探讨了基于生物特征的身份验证技术，特别是人脸识别技术，因其直接、友好和简单的特点而备受关注。本文针对传统人脸识别系统的局限性，如受光照、姿态和表情影响大，研究了二维和三维人脸识别方法，尤其是探讨了三维人脸识别技术的潜力，因其丰富的信息量和较小的光照影响。文章提出了基于小波变换和改进的KFD（Kernel Fisher Discriminant Analysis）的人脸识别方法，通过小波变换减少预处理阶段的干扰因素，并利用微粒群算法优化KFD的参数选择，最后结合SVM（Support Vector Machine）进行特征匹配。" 本文是重庆大学通信工程学院杨吉祥的硕士学位论文，指导教师为朱冰莲教授，专业为信号与信息处理。在论文中，作者首先介绍了人脸识别技术的背景，指出其在生物特征认证中的重要性，同时强调了传统二维人脸识别技术在光照、姿态变化下的局限性。 接着，论文重点关注了二维和三维人脸识别方法。对于二维人脸识别，作者提出了一种新的方法，该方法结合了小波变换和改进的KFD算法。小波变换在预处理阶段用于减弱光照、姿态和表情等外部因素对人脸图像的影响，同时还能有效地降维，减少计算复杂性。在特征提取阶段，作者采用了微粒群算法来智能寻找最佳的高斯核函数参数σ，以优化KFD算法，提升分类性能。最后，为了实现特征匹配，论文采用了SVM，这是一种有效的分类工具，能够在高维空间中找到最优决策边界。 在三维人脸识别部分，论文虽然没有详细阐述具体的技术细节，但强调了三维人脸数据的优势，即包含丰富的多角度信息，且对光照变化不敏感，这使得三维人脸识别技术成为近年来的研究热点。 这篇论文为提高人脸识别的准确性和鲁棒性提供了一个新的视角，通过结合不同的预处理技术、特征提取方法和分类器，旨在克服传统二维人脸识别的局限性，特别是在光照和姿态变化环境下的性能下降问题。同时，也暗示了未来三维人脸识别技术可能带来的突破。