《静态人脸识别设计》由会员分享，可在线阅读，更多相关《静态人脸识别设计（19页珍藏版）》请在金锄头文库上搜索。
1、 本科学生毕业论文设计 题目 静态人脸识别 / 目录中文 摘要 关键词1 绪论11.1 课题背景11.1.1 课题来源11.1.2 人脸识别技术11.1.3 人脸识别技术的研究意义21.2 静态人脸识别发展历史与概况31.3 人脸识别的难点42 静态人脸特征52.1 人脸特征52.1.1 肤色特征52.1.2 灰度特征53 静态人脸识别方法53.1 人脸检测与定位63.2 基于PCA的人脸特征提取63.3 人脸识别方法73.3.1几何特征法83.3.2 特征脸法93.3.3 弹性图匹配法103.3.4 神经网络法114 小结114.1 总结114.2 展望12参考文献13英文 摘要 关键词13
2、附件14静态人脸识别摘要：人脸识别技术是一种新型的身份识别技术,它是生物识别技术的一种,人脸识别技术也是一个非常活跃的研究领域,它覆盖了数字图像处理等诸多领域。随着人们应用需求的不断深入,人脸识别技术将呈现出主流化、芯片化、标准化发展趋势。静态人脸识别系统主要由检测与定位、特征提取与识别两部分组成,在这两部分的基础上还包括预处理等步骤,对于一个全自动的人脸识别系统,整个的识别过程可归纳为人脸检测与定位、特征提取和识别。实现流程如下：首先是预处理,对图像进行光照处理等以改善图像质量；检测与定位,从不同场景中检测出人脸并将其从背景中分割出来；对人脸库中所有图像大小和各器官位置归一化；最后对归一化的
3、人脸图像进行特征提取与识别。由于动态识别研究处于起步阶段,该技术相对较欠缺,因此本文只研究基于静态人脸图像的识别方法。关键词：人脸识别；数字图像处理；检测方法显示对应的拉丁字符的拼音字典1 绪论1.1 课题背景1.1.1课题来源随着安全入口控制和金融贸易方面应用需要的快速增长,生物统计识别技术得到了新的重视。目前,微电子和视觉系统方面取得的新进展,使该领域中高性能自动识别技术的实现代价降低到了可以接受的程度。而人脸识别是所有的生物识别方法中应用最广泛的技术之一,人脸识别技术是一项近年来兴起的一种新型的身份识别技术,它是生物识别技术的一种。随着人们应用需求的不断深入,人脸识别技术将呈现出主流化、
4、芯片化、标准化发展趋势。近年来受到了各国研究人员的普遍关注,主要用于安全等领域。人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片,输入到电脑中,与警方数据库中的资料进行比对,并找出该嫌犯的详细资料和犯罪记录。这并非虚构的情节。在国外,人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国,对于人脸识别技术的研究始于上世纪90年代,目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。人脸识别按照信息来源可分为两类：基于静态人脸图像的识别和基于动态信息的识别。由于动态识别研究处于起步阶段,该技术相对较欠缺,因此本文只研究基于静态人脸图像的识别方法。1.1
5、.2 人脸识别技术所谓人脸识别,是指对输入的人脸图像或者视频,判断其中是否存在人脸,如果存在人脸,则进一步给出每人脸的位置、大小和各个面部主要器官的位置信息,并且依据这些信息,进一步提取每人脸蕴含的身份特征,并将其与已知人脸库中的人脸进行对比,从而识别每人脸的身份。其研究容包括以下五个方面：1人脸检测 从不同的背景中检测是否存在人脸,并确定其位置、大小、形状、姿态等信息的过程。它关系到后续识别工作能否正确进行,并保障最终识别结果的可靠性。2人脸表征 确定表示检测出的人脸和数据库中的已知人脸的描述方式。通常的表示方式包括几何特征如欧氏距离、曲率、角度等、代数特征如矩阵的特征矢量和固定特征模板等。
6、3人脸鉴别 即狭义的人脸识别,就是通常所指的将待识别的人脸与数据库中的已知人脸进行比较,得出相关信息。这一过程的核心是选择适当的人脸表示方式和匹配策略,系统地构造与人脸的表征方式密切相关。4表情/姿态分析 即对待识别人脸的表情或姿态进行分析,并对其加以归类。5生理分类 对待识别人脸的物理特征进行分类,得出其年龄、性别、种族等相关信息,或从几幅相关的图像中推导出希望得到的人脸图像,如从父母的脸推导出孩子的脸像等。本论文中的人脸识别主要是指狭义的人脸识别,指将待识别的人脸与数据库中的已知人脸之间进行匹配的人脸鉴别。人脸识别的目的是让计算机具有通过人脸的特征来鉴别身份的功能。基于人脸特征的身份识别主
7、要设计到复杂场景中的人脸检测及识别技术,是一种依托于图像理解、模式识别及计算机视觉、统计学和人工智能等高技术的研究方向。1.1.3 人脸识别技术的研究意义（1） 富有挑战性的课题人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一,同时也具有较为广泛的应用意义。人脸识别技术是一个非常活跃的研究领域,它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的容。如今,虽然在这方面的研究已取得了一些可喜的成果,但是FRT在实用应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的,而且人脸本身又是一个柔性物体,表情、姿态或发型、化妆的千变万化都给正确识别带来了相当
8、大的麻烦。如何能正确识别大量的人并满足实时性要迫切需要解决的问题。 面部感知系统的重要容 基于视觉通道信息的面部感知系统,包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类年龄、种族、性别等的判别、表情识别、唇读等分系统,如图1所式,可以看出,继人脸检测和跟追之后,面部特征定位通常是面部感知的一个必备环节,是后续工作的基础,具有重要的意义。尽管人脸识别不能说是其他面部感知模块的必备功能,但是,可以肯定的是,利用已知的身份信息,结合特定人的先验知识,可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置：如使用者的个
9、性化工作环境,信息的共享和隐私保护等等。实际应用广泛人脸识别研究已经有40多年的历史,作为生物识别的一种,广泛应用在身份识别、海关监控等领域。目前,人脸识别技术也逐渐走向了商用,如Eyematic公司研发的人脸识别系统等。目前研究较多的是静态人脸识别技术,计算机静态人脸识别是一个经典的模式识别问题。人脸识别的传统方法主要分为：整体匹配方法,其中最具代表性的是主元分析法,其他混合型的算法。这些人脸识别系统多数都要依赖于面部特征比如眼睛中心位置的严格特征匹配来归一化人脸以便提取人脸描述特征。静态人脸识别系统主要由检测与定位、特征提取与识别两部分组成,在这两部分的基础包括预处理等步骤。常用的人脸识别
10、试验库以美国军方的FERET库最为权威,它包括多人种、多年龄段、各种表情变化、光照变化、姿态变化的图象,图像的数量和实验的人数也非常多,可以充分地验证人脸识别算法。目前尚没有专门测试人脸检测和定位算法的图像库。视频输入人脸检测和跟踪面部特征定位人脸识别表情分析性别判断种族判断年龄判别唇 读身份信息情感状态性别信息种族信息年龄信息唇形类别图1面部感知系统结构图11.2 静态人脸识别发展历史与概况20世纪60年代末至70年代初,人脸识研究刚刚起步。最早的研究者是 Bledsoe,他建立了一个半自动的人脸识别系统,主要是以人脸特征点的间距、比率等参数为特征。 20世纪90年代以来,对着计算机软硬件性
11、能的迅速提高,以及对人脸识别能力的高要求,是发展更具鲁棒性2的人脸识别方法称为时代的必然。于是基于整体的识别方法营运而生,并且很快成了研究的重点,如特征脸方法和弹性图匹配方法。90年代中期以来,人脸识别方法想着整体识别和部件分析相结合的趋势发展。研究人员开始逐渐认识到人脸识别算法必须能充分地利用人脸的各种特征信息,融合人脸的形状拓扑结构特征、局部灰度特征和全局灰度分布特征等多种特征。因此,出现了很多新的算法,这些算法是将原先单一的算法结合起来,共同完成人脸的识别。灰度和形状分离的可变形模型方法就是其中之一。90年代后期,一些商业性的人脸识别系统开始逐渐进入市场,人脸识别技术成为当今国际安全防最
12、重要的手段之一。但是,这些技术和系统离实用化还有一定的距离,性能和准确率有待提高。20XX前后至今,人脸识别方法的性能虽然有了一定的提高,但仍与人们的要求还有一定的差距,现有方法对光照、年龄、表情、姿态、距离等条件的变化比较敏感,当某些条件发生变化时,识别效果很不理想。目前,人脸识别技术仍只能用于某些对识别准确率要求不高的场合。1.3 人脸识别的难点目前人脸识别的难点主要存在于以下几个方面：1光照变化是影响人脸识别性能的最关键因素,对该问题的解决程度关系着人脸识别实用化进程的成败,在人脸图像预处理或者归一化阶段,尽可能地补偿乃至消除其对识别性能的影响。2成像角度及成像距离等因素的影响,即人脸的
13、姿态的变化,会垂直于图像平面的两个方向的深度旋转,会造成面部信息的部分缺失。3不同年龄的人脸有着较大的差别。是以前照的,在逃犯的照片也是以前的,因此在公安部门的实际应用中,年龄问题是一个最突出的问题。4采集图像的设备较多,主要有扫描仪、数码相机、摄像机等。由于成像的机理不同,形成了同类人脸图像的识别率较高,而不同类间人脸图像识别率较低的情况。随着人脸识别技术的发展,这一问题也将逐步得到解决。5人脸图像的数据量巨大。目前由于计算量的考虑,人脸定位和识别算法研究大多使用尺寸很小的灰度图像。一64*64像素的256级灰度图像就有4096个数据,每个数据有256种可能的取值。定位和识别算法一般都很复杂
14、,在人脸库较大的情况下,计算量十分大,很多情况下速度令人难以忍受。而灰度数据事实上是丧失了色彩、运动等有用信息的。如果使用全部的有用信息,计算量就更大了。2 静态人脸特征特征提取是人脸识别中的核心步骤,直接影响识别精度。由于人脸是多维弹性体,易受表情、光照等因素影响,提取特征的困难较大。特征提取的任务就是针对这些干扰因素,提取出具有稳定性、有效性的信息用于识别。2.1 人脸特征人脸特征3是识别的重要依据之一,检测定位过程中也会用到人脸特征,其中肤色特征和灰度特征是两类常用特征。2.1.1 肤色特征肤色特征由肤色模型描述,即用统计的方法对目标对象的肤色建模。基于肤色特征的识别方法简单且能够快速定
15、位人脸。人脸肤色不依赖于细节特征且和大多背景色相区别,但该方法对光照和图像采集设备特性较敏感。肤色在色彩空间中具有聚合性,而脸部色彩复杂,这给统模造成了一定难度。该方法通常作为其他统计模型的辅助方法使用,适于粗定位或对运行时间有较高要求的应用。2.1.2 灰度特征灰度特征包括轮廓特征、灰度分布特征 直方图特征、镶嵌图特征等 、结构特征、模板特征等。由于人脸五官位置相对固定,灰度分布呈一定规律性,因此,可利用灰度特征来进行人脸识别。通常采用统计的方法或特征空间变换的方法进行灰度特征的提取,如利用变换法4是由卡尔胡宁与勒夫分别提出的一种图像变换方法得到的特征脸,利用小波变换得到的小波特征等。3 静态人脸识别方法当人脸图象的来源是一幅静态图象时进行的人脸识别属于静态人脸识别。人脸识别算法包含2部分：人脸定位和归一化如
