《有姿态变化的人脸图像识别方法毕业论文》由会员分享,可在线阅读,更多相关《有姿态变化的人脸图像识别方法毕业论文(49页珍藏版)》请在金锄头文库上搜索。
1、有姿态变化的人脸图像识别方法毕业论文目 录前 言- 1 -第一章 绪论- 2 -第一节 研究背景及意义- 2 -第二节 人脸识别研究现状- 3 -一、人脸识别现状- 3 -二、多姿态人脸识别现状- 5 -第三节 人脸识别的应用前景- 7 -第四节 本章小结- 9 -第二章 人脸识别技术概述- 10 -第一节 人脸识别的研究围- 10 -第二节 人脸识别系统- 10 -第三节 人脸识别的性能评价- 11 -第四节 本章小结- 12 -第三章 多姿态人脸识别的研究- 13 -第一节 引言- 13 -第二节 多姿态人脸识别策略- 13 -第三节 姿态校正研究- 14 -一、姿态校正的人脸识别框架-
2、14 -二、基于ST的姿态校正算法- 15 -三、实验结果- 15 -第四节 本章小结- 19 -第四章 基于PCA的人脸识别方法- 20 -第一节 问题描述- 20 -第二节 PCA算法介绍- 20 -一、PCA的理论基础- 20 -二、PCA理论原理- 22 -第三节 PCA在计算机视觉领域的应用- 23 -一、图像数据的表示- 23 -二、对图像进行信息压缩- 23 -三、模式识别- 24 -第四节 本章小结- 24 -第五章 人脸识别系统的设计与实现- 25 -第一节 仿真实验流程图- 25 -第二节 读入人脸库建立人脸空间- 25 -一、人脸库简介- 25 -二、计算K-L变换的生成
3、矩阵- 27 -第三节 特征向量的选取- 27 -第四节 人脸识别- 28 -第五节 结果统计及分析- 29 -第六节 本章小结- 29 -结 论- 31 -致 谢- 32 -参考文献- 33 -附 录- 35 -一、英文原文- 35 -二、英文翻译- 39 -三、源程序- 42 - .专业.专注. .专业.专注. 前 言随着科学技术的不断发展,个人身份趋于数字化和隐性化,使得人们对人物身份的准确鉴定,确保信息安全可靠越来越受到重视。人脸识别技术基于人脸固有的生物特征信息,利用图形图像处理和模式识别技术来对个人身份进行鉴定,在国家安全,计算机多媒体交互,家庭娱乐等其他多个领域发挥着举足轻重的作
4、用,既能防止社会犯罪又能提高办事效率等,所以有着重大的社会和经济意义。正弦变化通过实现压缩一边的同时扩展另一边,使侧面人脸得到一定角度的姿态校正,从而变换为正面人脸。针对实际应用中常常只有少量正面人脸图像作为训练样本,而测试图像经常是有姿态变化的图片,通过增加姿态校正来改善人脸识别率较低的情况。PCA算法通过对数据进行降维,提取主成分元素,去除相关性并减少了数据冗余,解决了图像高维难处理以及处理速度慢的问题,同时还保持了原始图像的绝大部分有用信息。基于PCA算法在人脸识别中的应用具有重要的理论意义和现实价值。本文主要介绍基于PCA的人脸识别算法实现,着重于比较有姿态矫正方式对识别率的影响。具体
5、安排如此啊:第一章为绪论。主要介绍人脸识别的背景、研究意义和国外研究现状,特别是多姿态人脸识别现状,最后介绍本课题研究目的和主要研究容。 第二章简述人脸识别技术。即人脸识别的主要步骤。第三章进行多姿态人脸识别的策略讨论。对比当前针对多姿态人脸识别提出的一种姿态矫正方式:正弦变换,比较分析其优缺点。第四章详细介绍了PCA用于人脸识别的理论基础及在图像处理方面的应用以及用PCA进行人脸识别的流程图及人脸空间建立,用Matlab实现基于PCA的人脸识别的特征提取和人脸重建。第五章给出基于正弦变换的人脸识别的实验框架和实验结果,以及对比有没有做姿态校正对识别率的影响,对结果进行分析和总结。第六章对本次
6、毕业设计做总结,并展望对此课题的进一步研究。第一章 绪论第一节 研究背景及意义随着计算机科学与生物医学技术的迅速发展,产生的根据人体某些特征来判别人物身份的特征识别技术逐渐成为安全验证的一种重要方式。生物特征识别技术将信息科技与生物技术结合在一起,融合了计算机技术、数学、物理学、生物学、声学、光学等高科技手段,利用人体生理特征(如人脸、指纹、眼球等)或行为特征(如声音、笔迹、举止等)来判别人物身份。人脸识别,是基于生理特征的识别技术的一种,是利用计算机提取人脸的相关特征,并根据这些特征来辨别人物身份的一种应用技术。人脸识别问题一般被定义为:给定一个静止或者动态的人脸图像,运用计算机技术处理图片
7、,从而确定给定图像中人物是不是人脸库里面的某个人或者具体判断是人脸库里面的哪个人。自上世纪70年代,人工智能技术的兴起和人类视觉研究的不断发展,人们对机器识别产生了越来越大的热情,于是人脸识别发展成为了一个特定的研究领域,这一领域兼具重论价值和巨大实用价值。人类一直梦想着让机器能够像人一样思考,具有识别事物并处理事物的能力,而对人工智能的研究,是从心理学、行为感知学、解剖学等各个角度来发掘人类的感知事物的机制和思维、处理事物机制,最终将所认识到的机制运用于实际当中,于是机器识别研究中的人脸图像识别技术应运而生,并在其逐步发展中投入使用,成为现代人工作生活的一部分。然而许多事情对于人类可以轻易做
8、到,对于机器来说却是难以实现的,比如人脸识别、语音识别、自然语言理解等。所以我们将研究的重点放在了认识人类的思维方式,了解人类获取、传输和处理信息的方式,以便将其运用到机器识别中,最终实现指导生产和实践。人脸识别在理论完善和技术发展上都具有重大意义:首先它推动了人们对人类视觉感知能力本身的认识;其次可以将其运用到人工智能的某些应用领域,比如门禁系统,课堂点到等。用计算机实现对人脸的自动检测和识别,是一件科学有效,省事省力的工作,因此自动人脸识别系统有广阔的应用前景,相比其他较成熟的识别方法(如虹膜、指纹、DNA检测等),人脸识别具有以下三个优点: 无侵犯性,一般的身份识别方法需要经过当事人的配
9、合才能进行,但是人脸识别的方法不需要人工干预,可以通过摄像头等电子设备,在被检测者不注意的情况下,获取图片,用于识别当中。价格低廉,操作简单,只需要普通摄像头、照相机等就可以满足人脸识别系统的需要,随着智能手机的快速发展,很多人喜欢用手机上的嵌入式摄像头记录图片,使得图片的获取更加的方便简单和普遍。人脸识别的过程不需要人工参与,计算机可以根据用户设置让系统自动执行,而不需要被测试者的主动参与。正因为人脸识别技术具有以上优点,使其得到科研人员越来越多的关注。第二节 人脸识别研究现状一、人脸识别现状识别人脸是人类与生俱来的能力,而机器识别中的人脸识别则涉及多个学科,其中包括数字图像处理、模式识别、
10、认知科学、生物学等,人脸识别与基于生物特征的身份鉴别方法和计算机人机感知交互领域有着密切的联系。60年代,Bledsoe提出了人脸识别的特征提取与半自动系统模式方法。1972年,Sakai设计出了自动人脸图像系统,Harmon在理论上与实践上对交互人脸识别方法进行了详细的论述。80年代初,T. Minami进一步提高了人脸图像系统的性能。初期的人脸识别往往需要人们通过自身感知而获得的一些经验,而不能完全依靠计算机自己来执行,从而获得我们所需要的识别效果。到了90年代,由于各方面对人脸识别系统有了更加迫切的需求,正是这种需求激励了人们对人脸识别的研究热情,越来越多的科研人员投入到人脸识别的研究领
11、域,于是很多科研成果应运而生,真正的计算机自动识别阶段开始到来,如K-L变换、神经网络技术等。此外,国际上涌现出大量有关人脸识别方面的论文,仅在二十世纪90年代到两千年的这段时间,SCI和EI检索到的人脸识别相关文献就已达到数千篇,由此可见人脸识别的研究正日新月异的发展着。国外的许多高校因为得到大量资助率先开始了人脸识别技术的研究,随后我国的一些知名学者也开始了对人脸识别的研究。随着人脸识别研究的深入,人们也发现其中存在的一些较难解决的问题: 人脸图像在拍摄过程中,受到了光照,人脸偏转角度和拍摄距离的影响; 人脸是非刚性体,发型、眼镜、帽子等装饰物遮挡了部分人脸; 随年龄增长,岁月的沉积,人脸
12、发生了一些变化还有可能存在的表情变化等因素; 高像素和彩色图像所带来的像素的多灰度级造成海量数据输入,处理速度缓慢。对于人脸识别的研究历史可分为三个阶段:1 第一阶段(1964-1990)这个阶段主要是基于人脸几何结构的,研究的重点在于剪影,大部分研究都是关于如何提取面部剪影曲线的结构特征的。此阶段属于人脸识别的初级阶段,没有太多突出的研究成果,也未获得的实际应用。第二阶段(1991-1997)这个阶段虽然时间相对较短,但取得了巨大进展,出现了几个具有代表性的算法以及几个商用的人脸识别系统,如Identix公司的FaceIt系统。这个时期最具盛名的识别算法是MIT媒体实验室的Turk和Pent
13、land3提出的“本征脸”方法。后来很多人脸识别技术都与本征脸有关,现在本征脸已与归一化的协相关矩量法相融合并成为了人脸识别测试性能的一个基准算法。这个时期的主要成果有:1992年左右,Brunelli和Poggio做了一个基于模板匹配的方法和基于结构特征的方法性能对比的实验,并得出了结论:模块匹配的方法优于基于特征的方法。这个结论和特征脸的共同作用,基本上结束了纯粹的基于结构特征的人脸识别研究时代,并且很大程度上促进了基于统计模式和基于表观的线性子空间建模识别技术的发展。Fisherface方法是由Belhumeur等人提出的,目前依然是一种主流人脸识别方法。子空间判别模型等都是其变种。其先
14、使用PCA对数据进行降维,并使用LDA方法对降维后的主分量进行变换,以获得类间散度与类散度比最大,即“尽量大的类间散度和尽量小的类散度”。弹性匹配技术也是一个重要方法。弹性匹配方法的优点是既保留了面部的全局结构特征也保留了人脸关键局部特征。它用一个属性图来描述人脸,人脸属性用面部关键特征点来区别。输入的图像,先通过一种优化搜索策略来定位面部关键特征点,同时提取相应特征,得到其属性图,识别过程是通过计算其与已知人脸属性图的相似度来完成。柔性模型,它是人脸建模方面的一个新的进步,包括主动外观模型和主动形状模型。柔性模型具有良好的人脸合成能力,可以使用基于图像合成的分析技术提取人脸特征和和对人脸图像
15、建模。其主要将人脸描述为分离的纹理和2D形状两个部分,分别用PCA建模,然后再通过PCA将两者合成来对人脸建模。局部特征分析是由Atick等人提出,与PCA相比局部特征分析在全局PCA的基础上提取的是局部特征,其本质是基于统计的低维对象描述方法。它具有了更好的描述和识别能力。既保留了全局拓扑信息,又提取局部特征。已商业化为著名FaceIt系统就是基于局部特征分析技术的。第三阶段(1998年现今)这个时期的人脸识别技术得到进一步发展。大量专业研究人员从事人脸识别研究。研究方向主要针对主流的人脸识别技术在用户不配合下鲁棒性差和采集条件不理想的问题。研究焦点是人脸图像中人脸的姿态和光照给识别带来的问题。Shashua等人基于上图像的人脸图像识别与绘制技术。Blanz和Vetter等人基于3D变形模型的多姿态,多光照的人脸识别方法。Georghiades等人基于光照锤模型的多姿态,多光照条件人脸识别方法。这些成为此阶段的代表性成果。二、多姿态人脸识别现状从姿态角度来看,人脸识别被分为正面人脸识别和多姿态人脸识别,其中正面的人脸识别研究开始的较早