《人脸面部特征提取技术的研究(frt)--学位论文.doc》由会员分享，可在线阅读，更多相关《人脸面部特征提取技术的研究(frt)--学位论文.doc（38页珍藏版）》请在金锄头文库上搜索。
1、2008届计算机科学与技术专业毕业设计（论文）人脸面部特征提取技术的研究摘 要人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响， 目前还没有一种人脸识别技术是公认快速有效的本文主要讨论了人脸识别技术的一些常用方法，对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论，最后对人脸识别未来的发展和应用做了展望。关键字：人脸识别，特征定位，特征提取35ABSTRACTNowadays the face recognition technology (F
2、RT) is a hot issue in the field of pattern recognition and artificial intelligenceAlthough this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precisionHuman face is a complex pattern an d is easily a
3、ffected by the expression，complexion and clothesIn this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognitionThen we analyze and forecast the face recognitions application and its prospectsKeywords: Face Recognition Techn
4、ology, Face location，Features abstraction第1章 绪 论所谓人脸识别，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，则进一步给出每张人脸的位置、大小和各个主要面部器官的位置信息。并且依据这些信息，进一步提取每张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，从而识别每张人脸的身份。人脸识别研究涉及的范围广泛，内容涉及模式识别、计算机视觉、图像处理、人工智能等方面。人脸识别还涉及到神经网络等学科， 也和人脑的认识程度紧密相关。 这诸多因素使得人脸识别成为一项极富挑战性的课题。1.1人脸识别技术的研究意义人脸识别是机器视觉和模式识别
5、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、数学等诸多学科的内容。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大的麻烦。如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。1.2国内外的研究现状 人脸识别系统现在在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物
6、业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。我国在这方面也取得了较好的成就，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应用，就标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。北京科瑞奇技术开发股份有限公司在2002年开发了一种人脸鉴别系统，对人脸图像进行处理，消除了照相机的影响，再对图像进行特征提取和识别。这对于人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。系统可以接受时间间隔较长的照片，并能达到较高的识别率，在计算机中库藏2300人的正面照片，每人一张照片，使用相距1-7年、差别比
7、较大的照片去查询，首选率可以达到50%，前20 张输出照片中包含有与输入照片为同一人的照片的概率可达70%。美国陆军实验室也是利用vc+开发，通过软件实现的，并且FAR为49%。在美国的进行的公开测试中，FAR，为53%。美国国防部高级研究项目署，利用半自动和全自动算法。这种算法需要人工或自动指出图像中人的两眼的中心坐标，然后进行识别。在机场开展的测试中，系统发出的错误警报太多，国外的一些高校（卡内基梅隆大学（Carnegie Mellon University）为首，麻省理工大学（Massachusetts Institute of Technology ）等，英国的雷丁大学（Univers
8、ity of Reading）和公司（Visionics 公司Facelt 人脸识别系统、Viiage 的FaceFINDER 身份验证系统、Lau Tech 公司Hunter系统、德国的BioID 系统等）的工程研究工作也主要放在公安、刑事方面，在考试验证系统的实现方面深入研究并不多。1.3本系统研究内容本系统主要对人脸的检测与定位做了深入研究。在人脸检测部分主要是对图像进行获取和预处理。图像获取主要是获取图像的基本信息，以便对图像的像素进行处理。预处理的包括对图像灰度化，中值滤波，对比度变化以及边缘提取。人脸预处理过程是计算机人脸识别中一个重要过程。人脸图像预处理的好坏对整个系统至关重要，
9、对人脸预处理的研究具有非常重要的意义。特征定位是人脸识别的目的是确定单张人脸在图像中的位置，它通过标记人脸区域 来确定和计算人脸的各器官定位。人脸特征检测是检测人脸特征的有无和位置，比如说眼睛、鼻子、鼻孔、嘴巴、嘴唇等的有无和位置。值得指出的是，人脸检测涉及的方法种类繁多（据报告可知，用于人脸检测方法的有150多种），且涉及的知识点较深，并各有特点，所以我们小组将人脸检测与人脸识别区分开来，因为后者只是前者一个简单问题。同时，我们把注意力集中在人脸检测方法上，而没有实现与数据库中的人脸匹配问题。1.4目前研究中存在的问题虽然人类的人脸识别能力很强,，能够记住并辨别上千张不同人脸，可是计算机则困
10、难多了。其表现在：人脸表情丰富；人脸随年龄增长而变化；人脸所成图像受光照、成像角度及成像距离等影响；而且从二维图象重建三维人脸是病态( ill2po sed) 过程，目前尚没有很好的描述人脸的三维模型。另外，人脸识别还涉及到图象处理、计算机视觉、模式识别以及神经网络等学科，也和人脑的认识程度紧密相关。这诸多因素使得人脸识别成为一项极富挑战性的课题。第2章 系统需求分析2.1 系统功能需求系统功能主要围绕人脸检测和人脸特征定位进行设计，首先该系统会对图像进行人脸检测，人脸检测主要是对图像进行预处理的过程，预处理这个模块在整个人脸识别系统的开发过程中占有很重要的地位。该系统主要是将处理后的人脸图片
11、进行定位，将眼睛、鼻子、嘴巴标记出来。2.1.1功能划分及描述图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。在确定脸部区域上，通常使用的方法有肤色提取。肤色提取，则对脸部区域的获取则比较准确，成功率达到95%以上，并且速度快，减少很多工作。图像获取模块：该模块主要是从图片库中获取图片，获取后的图片可以在软件的界面中显示出来以便进行识别。图像预处理模块：图像预处理就是对获取得来的图像进行适当的处理，使它具有的特征能够在图像中明显的表现出来。该模块中的子模块有如下几个，下面对它们进行概述：中值滤波：在图像的采集过程中,由于各种因素的影响,图像中往往会出现一些不规则的随机噪声,如数据在
12、传输、存储时发生的数据丢失和损坏等,这些都会影响图像的质量，因此需要将图片进行平滑操作以此来消除噪声。灰度化：图像灰度化的过程就是把彩色图像转换为灰度图像的过程，彩色图像包含较多人脸特征信息，但是直接作为处理对象会使过程复杂化相比之下灰度图像在保留了人脸主要特征信息的基础上，减少了总信息量。Sobel提取（边缘提取）：采用梯度微分锐化图像，使噪声、条纹等得到增强；对图像中的随机噪声也有一定的平滑作用；标记人脸的边缘，使其边缘显得粗而亮。对比度增强：对比度增强，就是对图像的进一步处理，将对比度再一次拉开。它针对原始图像的每一个像素直接对其灰度进行处理的，其处理过程主要是通过增强函数对像素的灰度级
13、进行运算并将运算结果作为该像素的新灰度值来实现的。通过改变选用的增强函数的解析表达式就可以得到不同的处理效果。相似度计算：相似度计算是为了判别两对象的相似程度而设定的算法，比如文字、指纹、人脸等。为了便于二值化阈值的确定，肤色相似度计算的意义是通过计算出与人脸肤色相近的像素点，确定人脸区域，用灰度图象显示出来，并为二值化提供一个可计算出阈值的比较值。二值化：通过一些算法，通过一个阈值改变图像中的像素颜色，令整幅图像画面内仅有黑白二值，该图像一般由黑色区域和白色区域组成，可以用一个比特表示一个像素，“1”表示黑色，“0”表示白色，以便有利于我们对特征的提取。直方图：直方图是图象处理中一种十分重要
14、的图象分析工具，它描述了一幅图像的灰度级内容，任何一幅直方图都包含了丰富的信息。从数学上来说图像直方图是图像各个灰度值统计特性与图像灰度值的函数，它统计了一幅图像中各个灰度级出现的次数和概率。2.1.2 开发环境l 硬件环境硬件配置原则：具有可靠性，可用性和安全性，具有完善的技术支持。能够满足个人学习和设计需要。运行本软件所需的硬件资源：CPU： 800M及以上；内存： 128M及以上l 软件环境系统软件配置原则能够满足该软件的可靠性，可用性和安全性的要求系统软件配置方案 配置有持续工作能力、高稳定性、高度可集成的开放式标准的操作系统，如Windows2000，Windows NT，UNIX，
15、Linux等。 配备符合ANSI/ISO标准的高级程序设计语言处理软件。如：Visual C+ 6.0。 熟悉C+高级程序设计语言。2.1.3 运行环境（1）硬件环境CPU：800M以上；内存：128 M及以上。（2）软件环境可以运行在微软公司近年来所出的各种操作系统。如Windows 98、Windows Me、Windows 2000、Windows NT等。2.2 可行性分析在开发该人脸识别软件之前，我们查询了前人所写过的诸多论文以及源程序，在开发之时，结合了资料中的算法并揉进了自己的一些思想，使程序可以对人脸图片进行简易识别。2.2.1操作可行性该人脸识别软件需要如下的运行环境：CPU
16、：800M及以上；内存：128 M及以上。安装有Windows 98、Windows Me、Windows 2000、Windows NT等操作系统中的其中一种。因此，从操作可行性来看，只要系统用户的硬件软件设备满足以上条件，即可用该人脸识别软件进行人脸的识别。 2.2.2 技术可行性图像的处理方法很多，我们可以根据需要，有选择地使用各种方法。在确定脸部区域上，通常使用的方法有肤色提取。肤色提取，则对脸部区域的获取则比较准确，成功率达到95%以上，并且速度快，减少很多工作。人脸自身变化的挑战：同一个人的人脸图像因为表情、精神状态、健康状况、姿态、整容、年龄变化、意外损伤、化妆、眼镜帽子、头发胡须等变化而发生巨大的变化；外部环境的挑战：光照环境条件、摄像设备
