《计算机科学与技术毕业论文人脸识别技术综述》由会员分享，可在线阅读，更多相关《计算机科学与技术毕业论文人脸识别技术综述（47页珍藏版）》请在金锄头文库上搜索。
1、计算机科学与技术毕业论文-人脸识别技术综述 摘 要 随着社会信息化网络化得不断发展个人身份趋于数字化隐性化如何准确的鉴定确保信息安全得到越来越多的重视人脸识别一种应用比较广泛的生物识别方法在基于人脸固有的生物特征信息利用模式识别和图行图像处理技术来对个人身份进行鉴定在国家安全计算机交互家庭娱乐等其他很多领域发挥着举足轻重的作用能提高办事效率防止社会犯罪等有着重大的经济和社会意义 本文主要研究了人脸识别在图像检测识别方面的一些常用的方法由于图像处理的好坏直接影响着定位和识别的准确率因此本文对图像的一些识别算法做了着重的介绍例如基于二维Gabor小波矩阵表征人脸的识别算法基于模型匹配人脸识别算法等
2、此外本文还提及了一般人脸识别系统的设计并着重介绍了图像预处理环节的光线补偿图像灰度化等技术使图像预处理模块在图像处理过程中能取到良好的作用提高图像识别和定位的准确率关键词人脸识别 特征提取 图像预处理 光线补偿 Face Recognition OverviewAbstract With the information society network was growing personal identity tends to digital hidden how to accurately identify to ensure that information security is mor
3、e and more attention Face recognition an application of biometric identification methods more widely based on biometric facial information inherent in the use of pattern recognition and image processing techniques to map line of personal identity play a great role in the national security computer i
4、nteraction family entertainment and many other areas Face recognition can improve efficiency prevent social crime of course it has significant economic and social significance This paper studies aspects of face recognition in image detection and some common methods of identification As the image pro
5、cessing directly impact on the accuracy of location and identification so some of image recognition algorithm will be focused presentation such as Gabor wavelet-based two-dimensional matrix representation of face recognition algorithms model-based matching face recognition algorithm In addition the
6、article also mentioned a general recognition system design and highlights the image preprocessing part of the light compensation gray image techniques the image preprocessing module in the image processing to get to the good and improve image recognition and positioning accuracyKey Words Face recogn
7、ition feature extraction image preprocessing light compensation目 录1 前言611 课题背景6com 人脸识别技术研究的背景1612人脸识别技术研究的意义613国内外现状与趋势7com 人脸识别的发展阶段17com 国内的发展概况82人脸识别技术921 人脸识别概述9com 人脸识别的研究范围922 人脸检测算法10com 基于肤色特征的检测方法10com 基于启发式模型的方法10com 基于特征空间的方法10com 基于统计模型的方法1023 人脸识别算法11com 基于二维Gabor小波矩阵表征人脸的识别方法11com 基于多
8、特征融合和Boosting RBF神经网络的人脸识别方法12com 基于模型匹配人脸识别方法15com 基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法173 人脸图像预处理实验2131 需求分析2132 预处理技术21com 光线补偿21com 灰度变化21com 高斯平滑处理21com 对比度增强22com 直方图均衡2233 概要设计2234 程序设计与实验22com 光线补偿22com 图像灰度化23com 高斯平滑处理24com 直方图均衡264 总结29参考文献30声 明31致谢32附录 原文及译文 331 前言11 课题背景com 人脸识别技术研究的背景1现在地球上居住着
9、亿人每个人的都由眉毛眼睛鼻子嘴巴组成大体位置固定的并且每张脸的然而这个世界上找不出两张完全相同的人脸即使是面容极其相似的双胞胎能够容易地根据他们细微差异将他们区分区多的不同人脸的特征是什么设计出具有人类一样的人脸识别能力的自动机器这自动机器的人脸识别能力能够超越人类身分析和解答这些问题具有重要的理论和应用价值正是从事人脸识别研究人员所面临的挑战这些问题并那么容易计算机视觉模式识别神经计算生理学等领域的科学问题困惑着我们每天都区分着亲人同事朋友等大多数人却很难出如何区分他们的描述不出自己熟悉的人具体特征意味着仿生学人脸识别研究路线找基本科学问题1第一阶段1964年1990年人脸识别只是作为一个一
10、般性的模式识别问题来研究基于人脸几何结构特征Geometric feature based的方法剪影Profile人们面部剪影曲线的结构特征提取分析布莱索Bledsoe戈登斯泰因Goldstein哈蒙Harmon以及金出武雄 Kanade Takeo 等较早从事AFR研究的研究人员总阶段是人脸识别研究的初级阶段重要的成果也基本没有获得实际应用第二阶段1991年1997年阶段尽管时间短暂但却是人脸识别研究的高期诞生了代表性的人脸识别算法并出现了商业化运作的人脸识别系统比如著名的Visionics的FaceIt系统麻省理工学院MIT媒体实验室潘特兰德Pentland特克Turk提出的特征脸方法是最
11、负盛名的人脸识别方法的很多人脸识别技术或多或少与特征脸有关系特征脸已经归一化的协相关量 Normalized Correlation 方法一成为人脸识别的性能测试基准算法人脸识别中的另一种重要方法弹性图匹配技术 Elastic Graph MatchingEGM 基本思想是用一个属性图来描述人脸属性图顶点代表面部关键特征点相应特征点处的多分辨率多方向局部特征称为Jet对任输入人脸图像弹性图匹配通过优化搜索策略来定位预先定义的若干面部关键特征点同时提取它们的Jet特征得到输入图像的属性图最后通过计算与已知人脸属性图的相似来完成识别过程方法的优点是既对人脸的关键局部特征进行了建模保留了面部的全局结
12、构特征总体而言阶段的人脸识别技术发展迅速提出的算法在图像采集对象配合正面人脸数据库上了非常好的性能也出现了人脸识别商业公司第三阶段1998年FERET96人脸识别算法评估主流的人脸识别技术对或者对象不配合造成的变化鲁棒性比较差问题逐渐成为研究人脸识别的商业系统进一步发展基奥盖蒂斯Georghiades布兰兹Blanz和维特Vetter巴斯里Basri和雅各布Jacobs总体而言非理想成像条件下光照和姿态对象不配合大规模人脸数据库上的人脸识别问题逐渐成为统计学习理论非线性建模方法基于3D模型的人脸建模与识别方法等逐渐成为备受重视的技术发展趋势国家863项目面像检测与识别核心技术通过成果鉴定并初步
13、应用标志着我国在人脸识别领域掌握了一定的核心技术2002年北京科瑞奇技术股份有限公司一种人脸鉴别系统对人脸图像进行处理对图像进行特征识别人脸别使用正面照别的人脸图像不同拍摄的使用的照相机不一样2005年1月国家十五攻关项目人脸识别系统清华大学电子系人脸识别课题组负责人苏光大教授主持通过了公安部专家鉴定鉴定委员会项技术处于国内领先水平国际先进水平人脸识别系统人脸识别2人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术广义的人脸识别实际包括构建人脸识别系统的一系列相关技术包括人脸图像采集人脸定位人脸识别预处理身份确认以及身份查找等而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的
14、技术或系统 人脸识别是一项热门的计算机技术研究领域它属于生物特征识别技术是对生物体一般特指人本身的生物特征来区分生物体个体生物特征识别技术所研究的生物特征包括脸指纹手掌纹虹膜视网膜声音语音体形个人习惯例如敲击键盘的力度和频率签字等相应的识别技术就有人脸识别指纹识别掌纹识别虹膜识别视网膜识别语音识别用语音识别可以进行身份识别也可以进行语音内容的识别只有前者属于生物特征识别技术体形识别键盘敲击识别签字识别等 1 人脸的检测 Face Detection 在不同背景条件下检测出人脸存在并且确定其位置影响这一任务的因素主要有光照噪声面部倾斜度以及各种各样遮挡等 2 人脸的表征 Face Represe
15、ntation 采取某种表示方式表示检测出来的人脸一般的表示法包含代数特征几何特征固定特征模板特征脸云纹图等 3 人脸的识别 Face Identification 主要是将需要识别的人脸和所存在的数据库中人脸比较这一过程的关键是选择恰当的人脸表征方式以及匹配策略 4 表情姿态分析 ExpressionGesture Analysis 主要是对需要识别的人脸表情或者姿态信息进行分析归类 5 生理分类 Physical Classification 主要是指对需要识别的人脸的生理特征进行分析得出相关信息比如性别年龄等22 人脸检测算法com 基于肤色特征的检测方法人脸的一些面部细节特征比如眼睛鼻子嘴等受旋转表情等变化影响很大但肤色则不同它不仅是人脸的重要信息而且又具有相对的稳定性能和大多数背景物体的颜色区别一般常用肤色模型来描述肤色特征比如直方图模型高斯模型混合高斯模型等其实肤色模型和其他的数学建模也是一样的即用一种代数的或查找表等形式来说明哪些像素的色彩属于肤色或者表征出的某个像素的色彩和肤色的相似程度在用肤色模型对肤色进行检测的过程中主要有两个阶段模型的建立和模型的运用模型的建立主要是指通过对大量的肤色像素集进行统计分析然后确定模型中的一些参数而模型的运用主要
