基于魯棒特征的人臉識(shí)別與特征保護(hù)算法研究.pdf

1、中山大學(xué)博士學(xué)位論文基于魯棒特征的人臉識(shí)別與特征保護(hù)算法研究姓名：周玲麗申請學(xué)位級(jí)別：博士專業(yè)：應(yīng)用數(shù)學(xué)指導(dǎo)教師：賴劍煌20100603摘要安全保護(hù)技術(shù)的研究、發(fā)展及應(yīng)用情況，最后討論了理論和應(yīng)用進(jìn)一步發(fā)展的方向和趨勢。2、提出一種基于局部二值模式和隨機(jī)投影的人臉識(shí)別安全算法。針對(duì)生物特征具有唯一性，一旦丟失、竊取或篡改，則無法重新進(jìn)行設(shè)置或修改的問題。本文利用隨機(jī)投影，生成具有可重建性的人臉特征模板數(shù)據(jù)，對(duì)人臉特征模板數(shù)據(jù)庫中的人臉特

2、征數(shù)據(jù)進(jìn)行保護(hù)。一旦人臉特征模板數(shù)據(jù)丟失，則可以修改相關(guān)參數(shù)生成新的人臉特征模板數(shù)據(jù)。人臉特征模板數(shù)據(jù)的生成是不可逆的，即使人臉特征模板數(shù)據(jù)庫中的模板特征數(shù)據(jù)丟失了，也無法還原出原始的人臉特征。利用局部二值模式提取人臉特征，具有較好的旋轉(zhuǎn)不變性和灰度不變性，對(duì)視角的微小變化、光照和表情等的變化也具有較高的魯棒性。3、提出一種運(yùn)用模糊邏輯對(duì)類內(nèi)差異進(jìn)行建模的新方法。通常生物特征保護(hù)算法需要將實(shí)值的生物特征數(shù)據(jù)轉(zhuǎn)化為二值的串，然后再利用加密

3、技術(shù)或其他安全算法對(duì)二值的特征串進(jìn)行保護(hù)，并運(yùn)用糾錯(cuò)碼處理類內(nèi)差異問題。但是，將實(shí)值的特征數(shù)據(jù)轉(zhuǎn)化為二值的串，必然會(huì)導(dǎo)致特征信息的丟失，從而影響到安全算法的最終性能。本文分析二值串的每一bit位的可靠性，應(yīng)用模糊邏輯對(duì)類內(nèi)差異進(jìn)行建模，最大限度的降低類內(nèi)差異，從而提高安全保護(hù)算法的識(shí)別能力。4、提出一種基于SIFT特征的人臉特征保護(hù)算法。人臉識(shí)別中，由于圖像采集受到光照、視覺、攝像設(shè)備的變化、人臉表情、年齡變化等影響，都可能使得同一個(gè)人

4、的人臉圖像表觀差別很大，造成識(shí)別的困難，因此提高人臉識(shí)別系統(tǒng)對(duì)這些變化的魯棒性是人臉識(shí)別研究的重要目標(biāo)之一，基于局部特征的算法可以很好的解決這些問題，其中SIFT特征是一種對(duì)尺度空間、圖像縮放、旋轉(zhuǎn)甚至仿射不變的圖像局部特征。本文將人臉的SIFT特征應(yīng)用于對(duì)人臉特征的保護(hù)算法中，對(duì)SIFT特征進(jìn)行不可逆變換，生成可重建的SIFT特征數(shù)據(jù)，存儲(chǔ)在特征模板數(shù)據(jù)庫中。SIFT特征不僅對(duì)旋轉(zhuǎn)、尺度縮放和亮度變化等保持不變性，而且對(duì)噪聲也保持一定