文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 数学 > 基于隐马尔可夫模型人脸识别的研究
侵权投诉

基于隐马尔可夫模型人脸识别的研究

第26卷第10期

河南科学

Vol.26No.10Oct.2008

2008年10月

文章编号:1004-3918(2008)10-1254-03

HENANSCIENCE

基于隐马尔可夫模型人脸识别的研究

姚新爱

(河南省直机关通讯服务中心,郑州

摘

450003)

要:提出了基于HMM的人脸识别方法.根据人脸的特点建立HMM模型,然后采用奇异值分解抽取观察序列.

通过对观察向量的仿真结果表明,这种方法在提高识别率和缩短计算时间方面都有很大进步.关键词:HMM;识别;奇异值分解;观察向量中图分类号:TP391.4

文献标识码:A

人脸识别方法的效果如何,取决于它在多大程度上利用了图像的原始信息.简单地利用一组数值特征不能满意地解决人脸识别问题.人脸应当作为一个整体来描述,不仅仅包括各个器官的数值特征,还应当

[1]包括各个器官的不同表象和相互关联.隐马尔可夫模型(HiddenMarkovModel,HMM)为解决这一问题提供了一种机制.HMM起初在语音识别以及印刷体识别等方面得到了更广泛的应用[2].Samaria[3-4]最早建议

了关于人脸的隐马尔可夫模型,他用一个矩形窗从上到下采样人脸图像,将窗内的像素点排成列向量,用灰度值作为观察值.Nefian[5]发展了Samaria的方法,提出了基于2D-DCT的特征提取方法.他用39个2D-DCT系数作为观察序列,这在一定程度上解决了Samaria的大量存储的缺陷.本文吸收了Samaria和Nefian的思想,提出了基于奇异值分解和隐马尔可夫模型的人脸识别方法.

1隐马尔可夫模型

隐马尔可夫模型是一种用参数表示的、用于描述随机过程统计特性的概率模型.隐马尔可夫过程是一个双重的随机过程:一个潜在的过程称为“状态”过程,另一个可观测过程称为“观测序列”,观测序列是由隐含的状态过程决定的.一阶离散隐马尔可夫过程一般包括4个方面:①N,隐含状态数;②M,是不同观测符号的总数;③A,状态转移概率分布或转移矩阵,A={aij};④B,观测概率矩阵或称为发射矩阵.")使用简写的记法,HMM可表示为下面的三参数形式!=(A,B,.将隐马尔可夫模型应用到实际中,必须解决3个基本问题:

")!)1)给定观测序列O=o1,o2,,…,ot,以及模型参数!=(A,B,,如何计算P(O│,即给定模型产生观测序列的概率.

2)给定观测序列O=o1,o2,,…,ot,以及模型参数!=(A,B,,如何选择一个最佳序列Q=q1,q2,,…,qT,以")最好地解释观察序列O.

3)如何调整参数!,以使P(O│!)达到最大.

2基于HMM的人脸识别

在HMM模型中,观测到的一列特征被看成是另一组不可观测的“状态”产生出的一列实现.因此可以将不同的人用不同的HMM参数来表征,而同一个人由于姿态和表情变化产生的多个观察,可以通过一个HMM模型来表征.

2.1HMM人脸模型

Samaria最早将HMM应用于人脸识别,并提出了HMM人脸模型.这种模型是左右模型.它基于这样一种事实:正面人脸图像包含头发、额头、眼睛、鼻子和嘴巴5个显著特征区域,即使头部有一些偏转或倾斜,但它们的次序从上到下保持不变.可以认为这5个显著区域隐含着5个“状态”.因而,可以更进一步理解,观察到的序列是由5个状态产生的,这5个状态是抽象的,因而不具有具体的意义,只能通过观察序

收稿日期:2008-08-04

作者简介:姚新爱(1955-),女,河南开封人,助理工程师.

第1页

你可能喜欢

  • 隐马尔科夫模型
  • 哼唱检索
  • 动态贝叶斯网络
  • 系统可靠性
  • 故障树分析法

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email