《人脸识别中嘴唇廓提取问题的研究》由会员分享，可在线阅读，更多相关《人脸识别中嘴唇廓提取问题的研究（52页珍藏版）》请在金锄头文库上搜索。
1、河北大学 硕士学位论文 人脸识别中嘴唇廓提取问题的研究 姓名：王淼 申请学位级别：硕士 专业：通信与信息系统 指导教师：李昆仑 2011-06 摘 要 I 摘 要 人脸识别中的嘴唇廓提取问题是计算机视觉领域中的一个热门研究课题， 在人机 交互、表情识别、唇动识别、疲劳驾驶检测等领域具有广泛的应用，其研究和发展不仅 具有重要的理论意义，而且具有广阔的应用前景和实际意义。 本文对嘴唇廓提取技术和方法进行了研究， 针对传统方法在嘴唇廓提取中存在 的实际困难，提出了采用基于Fisher变换和基于半监督学习的改进水平集方法进行嘴唇 廓提取。首先，对输入图像进行光照补偿，以降低光照的影响。其次，在YCbC
2、r空间 建立肤色模型进行人脸检测定位及嘴唇区域的粗略定位。然后，提出两种改进的水平集 方法进行嘴唇廓提取。最后，用MATLAB实现了嘴唇廓提取的实验系统，论证了算 法的可行性。本文主要获得以下研究成果： (1) 提出基于Fisher变换的水平集方法，增强了图像的梯度信息，使廓提取的准确 度得到了提高。 (2) 针对Fisher变换方法需要大量的人工标记数据的问题， 将半监督学习应用到嘴唇 图像的分割中，并结合水平集方法进行廓提取，综合利用了有标记和未标记的图像像 素信息，在标记信息较少的情况下，取得了较好的廓提取效果。 (3) 实现了嘴唇廓提取的实验系统，完成了光照补偿、人脸检测及唇部定位、唇
3、 部廓提取的过程，并论证了算法的可行性。 关键词 嘴唇廓提取 Fisher 变换 半监督学习 水平集方法 Abstract II Abstract The lip contour extraction technology in face recognition is a hot research topic in computer vision. This technology is widely used in facial expression classification, lip recognition, fatigue driving test and other fields.
4、Its research and development not only has great theoretical significance, but also has wide application prospect and practical significance. This paper studies the lip contour extraction problem in face recognition. Acoording the practical difficulties in traditional lips contour extraction methods,
5、 we proposed two improved level set methods based on Fisher transformation and semi-supervised learning algorithm for lip contour extraction. Firstly, illumination compensation is performed based on the adaptive Gamma correction. Then, we constructed a skin-color model for skin detection in CbCr col
6、or space so that the approximate lip region can be obtained based on the geometry features of human face. Next, we proposed two improved level set methods to extract the lip contour. Finally, we realize the complete lip contour extraction system by MATLAB, the results show the algorithm is feasible
7、to extract the lip contour. Research of the dissertation is concentrated on the following aspects: (1) An improved level set approach based on Fisher transformation is proposed to strengthen the gradient information of the lip contour and improve the accuracy of contour extraction. (2) Fisher transf
8、ormation requires a lot of artificial tag data, to solve this problem, we apply the semi-supervised learning combined with level set method to extract the lip contour. The method comprehensive utilized the marked and unmarked image pixel information, it achieved good contour extraction results in th
9、e cases with fewer tag information. (3) We realize the complete lip contour extraction system by MATLAB, the results show the algorithms are feasible to extract the lip contour. Key words Lip contour extract Fisher transformation Semi-supervised learning Level set method 第 1 章 绪 论 1 第 1 章 绪 论 1.1 课题
10、的研究目的和意义 随着当今社会信息化高速发展，信息安全问题逐渐成为社会关注的焦点。生物特征 识别技术具有良好的安全性、可靠性和有效性，越来越受到人们的重视，因此成为解决 信息安全问题的最好选择之一。 生物特征识别是通过计算机利用人体所固有的生理特征 或行为特征来进行身份识别的一种技术1,2。 生理特征一般包括脸像3-6、 指纹7、 虹膜8、 DNA 等，行为特征一般包括步态9、签名10等。 生物特征识别技术中人脸识别是最自然、最直接的手段。人脸识别是通过分析比较 人脸识别特征信息进行身份识别的计算机技术，涉及了数字图像处理、模式识别、计算 机视觉、生理学和数学等诸多学科，具有十分重要的理论意义
11、。人脸识别可应用于安全 验证、视频会议、交通、银行、海关等方面用于身份验证、图像数据库的检索、提高人 机交互能力等，因此，人脸识别具有广泛的应用前景。 人脸识别是一个极具挑战性的计算机视觉难题，目前该技术正逐步走向成熟。我国 的第二代身份证上已嵌入了可机读的人脸图像信息， 为新的身份识别技术的应用打下了 基础。 中科院自动化研究所生物识别与安全技术研究中心研制的具有完全自主知识产权 的人脸识别系统也已成功应用于北京奥运会、上海世博会的安保系统。2011 年春节，中 国社科院学者于建嵘教授联合一些网络知名人士掀起的“微博打拐”行动成为网络中热 点话题，人脸识别技术成为了反拐活动的利器，利用人脸识
12、别技术，可以自动在数据库 中找出与网友拍摄的乞讨儿童相似度最高的照片。最近，中科院计算所与百度合作，将 人脸识别技术成功应用于百度寻人平台，迅速匹配孩子的照片，以帮助那些失踪儿童尽 快和家人团圆。 上海计算机系教授黄林鹏还提议采用人脸识别技术为居民医保卡的使用 加道锁，防止医保账户被盗。人脸识别技术将越来越多地应用于各类需要身份认证或识 别的场景中，从而给我们的生活带来无尽的便利。 人脸识别的研究范围包括四个方面：人脸定位和检测、人脸特征提取、人脸识别和 表情姿态分析。人脸局部特征如眉毛、瞳孔、嘴唇等的提取与定位是人脸识别系统中的 关键部分，它为人脸图像的处理和分析提供了重要的几何信息，特征提
13、取的准确与否直 接关系到人脸识别的可靠性。在人脸局部特征中，嘴部特征占有特殊的地位，本文主要 河北大学工学硕士学位论文 2 研究人脸识别中嘴唇廓的提取与定位，该技术广泛应用于表情分类识别、唇动识别及 疲劳驾驶检测等领域。表情分类识别在人机交互系统、公共安全等领域中起着非常重要 的作用。面部表情的变化主要表现为嘴部、眼部的运动，计算机精确定位嘴唇廓可以 判别嘴部的运动状态，分析人的表情变化，进一步判断人的心理活动。唇读识别技术11 是利用视觉信道信息补充听觉信道的信息，以提高计算机系统的理解力，在现实中对听 力障碍者的沟通与交流具有重要的影响。 嘴唇廓提取与定位是唇读识别技术的首要环 节也是非常
14、重要的环节，对唇读识别正确率的影响至关重要。疲劳驾驶监测中，嘴部特 征定位技术作为一种基础的安全辅助驾驶技术可以用来判断驾驶员是否处于疲劳或者 精神分散状态，并进行及时的预警报告，对于安全驾驶有着非常重要的实际意义。综上 所述，嘴唇廓提取与定位技术是一种具有发展潜力的生物特征识别技术，其研究和发 展不仅具有重要的理论意义，而且具有广阔的应用前景和实际意义。 1.2 国内外研究现状 人脸识别中嘴唇廓的提取属于图像分类与识别的研究领域。 下面我们介绍图像分 类与识别以及嘴唇廓提取的国内外研究现状。 1.2.1 图像分类与识别的研究现状 图像的分类12是指计算机根据图像内容分析技术自动分析和理解图像
15、的语义信息， 并按照预先制定的分类标准将图像进行归类识别的过程。 图像分类与识别的研究主要集 中在图像特征提取与分类器研究两个方面。 图像特征包括亮度、边缘的廓、纹理或色彩等等，它是图像分类与识别的基础。 特征的选取要具有一定的鲁棒性，因为特征选择错误，分类就无法准确的进行。目前， 大部分特征提取方面的研究集中于一些底层特征，如颜色、纹理、形状等。郭德军13 等提出了一种基于灰度共生矩阵提取图像纹理特征的方法，利用神经网络进行分类，得 到了较好的分类效果。朱斌14等提出了一种通过廓线变化表述图像构图特征的方法， 该方法利用Sobel算子获得图像物体的廓点， 并采用机器学习的方法得到图像方向分类
16、 模型。 在对图像特征提取的研究和应用中，人们往往只对图像中的某些区域感兴趣，为了 辨识和分析目标，需要将这些感兴趣区域分割出来以进行特征提取和测量。图像分割就 是将图像空间划分成若干个具有某些一致性属性的不重叠区域并提取出感兴趣目标的 第 1 章 绪 论 3 技术和过程。目前，图像分割技术已成功应用于图像特征提取方面，现有的分割算法大 体上可以分为以下几类16：阈值化分割方法、基于区域的分割方法、基于边缘的分割方 法和基于数学形态学17、基于神经网络18、基于遗传算法19、基于模糊聚类20等特定 理论的分割方法。 在准确提取图像特征的基础上，需要进行图像的分类与识别。图像分类与识别的另 一关键因素是分类器的设计。常用的分类器21包括贝叶斯分类器、神经网络分类器、基 于聚类的分类器等。目前，研究人员将机器学习方法与图像分类方法相结合，从而完成 图像的分类和识别。在机器学习领域中，传统的监督学习需要大量的含有类别标记的数 据来保证算法的泛化能力，但在很多实际问题中，存在海量的无标
