[00947105]人像脸谱的分析与计算机识别

该项目研究探索新人的面像特征的表征方式和自动识别机制，寻找实用的人面像自动识别的综合技术和方法。首先总结分析了前人的研究成果，针对特征自动提取这一关键技术和大样本数自动识别的应用要求，创新地扩展了人像描述特征并设计了鲁棒算法自动提取它们。除了面部器官的几何测量特征外，从正面像上自动提取了侧剪影特征、脸庞轮廓形状特征和眼部区域统计描述特征等三组特征，且均做了正交化处理以去除冗余。特征检验实验结果充分表明扩展了的特征向量比通常的单一面部几何测量具有更好的识别正确性和稳定性。特别是从正面像提取的剪景特征使得在对人像进行全面识别时不必要求侧面像片。利用这些特征进行了识别研究。提出了采用与人类识别物体相近的自组织特征映射的人工神经元网络，结合有教师的竞争学习，使分类精度提高；研究了模糊识别，采用模糊相似矩阵对面像特征进行模糊聚类和识别，探讨了窗口失配，距离模糊诊断的最大最近邻识别方式以提高识别精度和速度。提出了分层识别方案。实验正确识别率达96%。应用领域：各种基于人面像图象信息的自动查询、检索、识别系统。