（信号与信息处理专业论文）基于核主元分析和融合核fisher鉴别分析的人脸识别研究.pdf

独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得武汉理工大学或其他教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 夕 签名：么丝日期：盘f 竺：f f ：! 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定， 即学校有权保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位 论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或 其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认 可的国家有关机构或论文数据库使用或收录本学位论文，并向社会 公众提供信息服务。 ( 保密的论文在解密后应遵守此规定) 研究生( 签名) ：名1 幺导师( 签名) ：渺期如f i i 缓搬 7 删叭。 “h 4 “一一_ 。”4 一+ 武汉理工大学硕士学位论文 摘要 随着科技的发展和社会的进步，生物识别技术在科研领域得到了广泛的关 注。人脸识别作为一种重要的生物特征识别方式，与指纹、虹膜等识别方式相 比，更加友好、自然、便捷，是当前研究的热点之一。人脸识别能够快速有效 地进行身份甄别，因此在当今社会得到了许多实际的应用，比如人脸识别系统 为大型活动的安保工作提供了强有力的支持，包括机场安检，对场馆、设施的 管理，对参与人员的身份鉴别，以及准确的辨认恐怖分子和其他犯罪分子等等。 人脸识别技术就是利用计算机分析人脸图像，从中提取有效信息来进行身 份辨认和识别的一项技术，它涉及到模式识别、图像处理、计算机视觉、生理 学、心理学等诸多学科的知识。虽然人脸识别有许多优点，但由于人脸识别的 相关理论还待进一步的完善，且人脸识别会受到面部表情、光照条件、行为姿 态、饰物遮挡等多种因素的影响，人脸识别技术的性能还有待提高。 本文重点介绍了核方法在人脸识别中的应用，因为传统的人脸识别方法， 比如p c a 、i c a 、l d a 等都是线性的判别方法，但是在实际情况中，很多问题 都不是线性可分的，由于核技巧在支持向量机中的成功运用，因此，可以将核 方法与传统的人脸识别算法相结合产生基于核技巧的人脸识别方法，通过适当 的非线性映射将线性不可分的原始样本变换到某一线性可分的高维特征空间 中，这种非线性映射是通过定义适当的内积函数实现的。 本文主要采用主成分分析方法、核主成分分析方法以及融合核f i s h e r 线性 判别的分析方法，对典型的人脸数据库o r l 进行人脸图像的识别研究，通过核 变换、构建特征子空间、图像集投影、特征提取以及图像识别等步骤进行人脸 识别。实验发现，核函数参数的选取对于识别结果有着一定的影响；论文将以 上三种人脸识别算法进行比较，发现融合核方法的人脸识别算法，由于使用了 非线性判别且对特征提取方法进行了有机组合，使得识别率有了很大的提高。 本文使用m a t l a b 平台对人脸识别过程进行了仿真实验，采用不同的识别 算法对人脸数据库中的人脸图像进行识别；同时利用m a t l a b 中的g u i d e 功 能实现图形用户界面g u i ，使实验过程和实验结果能够得到更直观和更清晰的 演示。 关键字：人脸识别模式识别特征提取核函数 武汉理工大学硕士学位论文 a b s t r a c t w i t ht h ed e v e l o p m e n to ft e c h n o l o g ya n dt h ep r o c e s so fs o c i e t y , b i o m e t r i c i d e n t i f i c a t i o nt e c h n o l o g yh a sr e c e i v e de x t e n s i v ea t t e n t i o n f a c er e c o g n i t i o n , a so n e o ft h em o s ti m p o r t a n tm e t h o do fb i o m e t r i ci d e n t i f i c a t i o n ，i sm o r ef r i e n d l y , m o r e n a t u r a la n dm o r ec o n v e n i e n tc o m p a r e dt ot h eo t h e ri d e n t i f i c a t i o nm e t h o d ss u c ha s f i n g e r p r i n ta n di r i s n o w a d a y s ，f a c er e c o g n i t i o nh a sb e c o m et h eo n eo ft h ek e y i s s u e s f a c er e c o g n i t i o nh a sb e e np r a c t i c e dw i d e l ya n dp r a c t i c a l l yi nm a n yi m p o r t a n t a c t i v i t i e s ，i tc a ng i v er a p i di d e n t i f i c a t i o ne f f e c t i v e l y , a n di t c a np r o v i d ep o w e r f u l s u p p o r t f o rt h es e c u r i t ya n ds a f e g u a r d , i n c l u d i n ga i r p o r tc h e c k i n g , s t a d i u mo r i m p l e m e n tm a n a g i n g , i d e n t i 母c r i m i n a l sa n d s o0 1 1 t h et e c h n o l o g yo ff a c er e c o g n i t i o ni sat e c h n o l o g yt h a tu s e st h ec o m p u t e rt o a n a l y z et h ei m a g ea n dd i s c r i m i n a t ei d e n t i t y o rr e c o g n i z es t a t u sf r o mt h ew o r k e d i m a g e i ti sar e s e a r c ha r e as p a n n i n gs e v e r a ld i s c i p l i n e ss u c ha si m a g ep r o c e s s i n g , p a t t e r nr e c o g n i t i o n , c o m p u t e rv i s i o n , p h y s i o l o g ya n dp s y c h o l o g y t h o u g h f a c e r e c o g n i t i o nh a sm a n ya d v a n t a g e s ，b e c a u s s ei t st h e o r yi sn o ts op e r f e c ta n di t i se a s i l y i n f l u e n c e db ym a n yf a c t o r ss u c ha s t h ec o u n t e n a n c e , i l l u m i n a t i o nc o n d i t i o n , v a r i a t i o no ft h ee x p r e s s i o np o s ea n ds h e l t e rf r o ma c c o u t e r m e n t ，e r e s o ，w es a y , f a c e r e c o g n i t i o nt e c h n o l o g y h a sh u g ec h a l l e n g e ，a n di t sf u n c t i o ns h o u l db ea d v a n c e d t h i sp a p e rp r i m a r i l yi n t r o d u c e st h ek e r n e lm e t h o di nt h ef a c er e c o g n i t i o n , b e c a u s et h ec o n v e n t i o n a lf a c er e c o g n i t i o nm e t h o d ss u c ha sp c a ，i c a ，l d aa n ds oo n , a l lo fw h i c ha r el i n e a rd i s e r i m i n a t i o nm e t h o d s b u tt h e r ea r em a n yp r o b l e m st h a tc a n n o tb el i n e a rd i s c r i m i n a t e di ns o m ea c t u a lc o n d i t i o n s ，t h e r e f o r e ，i l l u m i n a t e db yt h e k e r n e lt e c h n i q u eu s i n gi nt h es v m ，r e s e a r c h e r sh a v ep r o p o s e dt h ef a c er e c o g n i t i o n m e t h o db a s e do nk e r n e lt e c h n i q u e , b ya d a p t i v en o n l i n e a rm a p p i n gt r a n s f o r m n o n 1 i n e a rs e p a r a t ei n p u ts a m p l e si n t oal i n e a rs e p a r a t eh i g hd i m e n s i o n a l i t yf e a t u r e s p a c e ，s u c h an o n - l i n e a rm a p p i n gi sr e a l i z e db yd e f i n i n gs u i t e di n n e rp r o d u c t f u n c t i o n i nt h i sp a p e r , u s i n gak f d am e t h o db a s e d0 1 1k p c at oe x p e r i m e n to nt h e o r lf a c ed a t a b a s e ，i m p l e m e n tf a c er e c o g n i t i o np r o c e s sb yc r e a t i n gf e a t u r es u b s p a c e ， p r o j e c t i o n ，f e a t u r ee x t r a c t i n g a n di m a g e sr e c o g n i t i o n d i s c o v e r e dt h r o u g ht h e i i 武汉理工大学硕士学位论文 e x p e r i m c n tt h a tt h ek e r n df u n c t i o np a r a m e t e r ss e l e c t i o nh a sc e r t a i ni n f l u e n c eo nt h e r e c o g n i t i o nr e s u l t , m o r e o v e rc o m p a r e dp c aw i t ht h ef a c er e c o g n i t i o na l g o r i t h m b a s e do nk e m dt e c h n i q u e ，b e c a u s et h el a t t e ra d o p t sn o n - l i n e a rm e t h o da n du s i n g c o m b i n e df e a t u r ee x t r a c t i n gm e t h o d s ，t h ea c c u r a c yi n c r e a s e dm u c h i nt h i sp a p e r , u s i n gm a t l a ba sp l a t f o r mt os i m u l a t et h ep r o c e s so ff a c e r e c o g n i t i o n ，a d o p t i n gd i f f e r e n ta l g o r i t h m st or e a l i z er e c o g n i t i o np r o c e s sb a s e do i l f a c ei m a g ed a t a b a s e ，a n dg e t t i n gah i 曲a c c u r a c y a tt h es a m et i m e ，u s i n gt h e g u i d ei nm a t l a bt od e m o n s t r a t et h er e s u l t sd i r e c t l yb yg u i k e y w o r d s ：f a c er e c o g n i t i o n , p a t t e r nr e c o g n i t i o n , f e a t u r ee x t r a c t i o n , k e r n e lf u n c t i o n i i i 武汉理工大学硕士学位论文 目录 第1 章引言1 1 1 课题研究背景和意义1 1 2 本课题国内外研究现状。2 1 3 本文研究内容。3 1 4 论文的组织结构3 第2 章人脸识别方法的研究5 2 1 人脸识别技术。5 2 1 1 人脸识别技术的研究内容5 2 1 2 人脸识别技术的特点6 2 2 人脸识别的主要方法一7 2 2 1 几何特征法8 2 2 2 统计识别法8 2 2 3 连接机制法9 2 2 4 模板匹配法。9 2 3 常用的人脸数据库1o 2 4 基于核函数的人脸识别技术l l 2 4 1 核方法概述1 1 2 4 2 核方法在人脸识别中的应用1 3 2 5 本章小结1 4 第3 章基于核主成分分析的人脸识别1 5 3 1 基于p c a 的人脸识别l5 3 1 1k - l 变换原理1 6 3 1 2 识别过程1 7 3 1 3 特征值的选取19 3 1 4 距离函数的选取。2 0 3 2k p c a 和p c a 方法的比较2 l 3 3 基于k p c a 的人脸识别2 2 3 3 1k p c a 人脸识别算法的原理2 2 3 3 2k p c a 人脸识别算法的设计2 4 i v 武汉理工大学硕士学位论文 3 3 3k p c a 人脸识别算法的实现步骤2 6 3 4 实验与分析2 7 3 4 1p c a 人脸识别2 7 3 4 2k p c a 人脸识别3 l 3 5 本章小结3 7 第4 章融合核f i s h e r 鉴别分析的人脸识别研究3 8 4 1e i g e n f a c e 方法的人脸识别3 8 4 2f i s h e r f a c e 方法的人脸识别3 9 4 3 融合k f d a 的核主成分分析方法的人脸识别4 0 4 3 1 核f i s h e r 判别方法4 0 4 3 2 算法的实现步骤4 2 4 4 实验与分析4 4 4 5 本章小结4 7 第5 章用户交互界面的设计与实现4 8 5 1g u i 图形设计4 8 5 1 1 界面设置4 8 5 1 2g u i 编程4 8 5 2 实验与分析5 0 5 2 1k p c a 人脸识别实验演示5 0 5 2 2 融合k f d a 的人脸识别实验演示51 5 3 本章小结。5 3 第6 章总结与展望5 4 6 1 研究成果总结5 4 6 2 展望5 5 致谢5 6 参考文献5 7 攻读硕士期间发表的论文6 0 v 武汉理工大学硕士学位论文 第1 章引言 1 1 课题研究背景和意义 随着技术的发展和智能化的推进，社会生活中的许多环节都涉及到安全性 和自动化的问题，身份验证是一种有助于提高安全性，快速高效完成对识别对 象身份鉴别的方式，在越来越多的领域得到了应用。身份验证需要提取对象的 生物特征作为验证凭证，因为生物特征是人的固有属性，具有一定的稳定性， 同时也有着较大的个体差异，因此可以看作是是进行身份验证的理想依据之一。 人脸特征属于生物特征，因此人脸识别技术是生物识别技术的一种，它与 指纹识别、虹膜识别、基因识别等生物特征识别方式相比具有安全、快捷、友 好的特性，对于识别对象而言有着很高的接受度，是一种最为自然地识别手段。 基于以上的这些优势不难看出，人脸识别技术会有广阔的应用前景。 对计算机人脸识别的研究始于2 0 世纪6 0 年代末。人脸识别的发展经历了 正面人脸识别，基于多姿态和表情的人脸识别，动态跟踪人脸识别和三维人脸 识别四个阶段。由于其本身的难度和技术条件的限制，一直发展缓慢。直到最 近二十年，得益于计算机技术、信号处理技术的飞速发展和实际应用需求的快 速增长，人脸识别技术的研究才开始得到实质性的飞跃，并在相关的理论和应 用领域内获得长足的进步。 人脸识别作为生物识别技术之一，是模式识别技术在图像领域中的具体运 用，已成为计算机视觉及相关领域中的关键技术，在身份验证，刑侦破案，入 口控制，视频监视，机器人智能化和医学等方面具有广阔的应用前景和商业价 值。目前人脸识别的研究工作涉及到模式识别、图像处理、计算机视觉、生理 学、心理学、以及认知科学和神经网络等多个领域的知识，并与基于其它生物 特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系。因此人脸识 别研究对于开拓新兴技术领域，促进跨领域的多学科综合发展具有重要的科学 意义。 从应用方面来看，人脸识别以其无需用户过多参与、非接触式的数据采集 方式、对用户无任何损害、便于隐藏等优点在社会各个领域得到了广泛的应用。 例如：在国家安全、军事安全和公共安全领域，应用于智能门禁、智能视频监 武汉理工大学硕士学位论文 控、公安布控、海关身份验证、司机驾照验证等；在民事和经济领域，应用于 对银行卡、金融卡、信用卡的持卡人身份验证等。有专家称，人脸识别等生物 识别技术即将成为钥匙和密码的终结者，给人们的生活提供便利，使人们的日 常生活得到安全保障。 1 2 本课题国内外研究现状 近3 0 年来，人脸自动识别的研究取得了很大的进展，目前最好的人脸识别 应用系统在理想环境下已经达到了令人满意的效果。从工程索引( e i ) 上检索 到的有关人脸识别的文献已达数干篇，包括i e e ep a m i 在内的重要国际期刊也 有专栏甚至专刊报道人脸识别的最新研究进展，同时还出现了专门的国际学术 会议，如人脸手势识别国际学术会议。 国外有许多学校在研究人脸识别技术，研究涉及的领域很广：从感知和心 理学角度探索人类识别人脸机理的，如美国t e x a sa td a l l a s 大学的a b d i 和t o o l e 小组 1 1 2 】，由s t i f l i n g 大学的b r u c e 教授和g l a s g o w 大学的b u r t o n 教授合作领导 的小组【3 】等；从视觉机理角度进行研究的，如英国的g r a w 小组【4 】和荷兰 g r o n i n g e n 大学的p e t k o v 小组【5 】等；在用静态图像或视频图像做人脸识别的领域 中，比较有影响的有m i t 的m e d i a 实验室的p e n t l a n d 小组，他们主要是用基于 k l 变换的本征空间的特征提取法，名为“本征脸( e i g e n f a c e ) ”1 6 】；还有c v o n d e r m a l s b u r g 小组，他领导了美国的s o u t h e r nc a l i f o r n i a 大学和德国的b o c h u m 大学 合作，采用动态链接结构和弹性图像匹配等方、法【7 1 。 除此之外，关于人脸识别的国际会议一i e e ei n t e r n a t i o n a lc o n f e r e n c eo i l a u t o m a t i cf a c ea n dg e s t u r er e c o g n i t i o n ，也已举行过多次，展示了这一领域的理 论和应用成果。 目前人脸识别领域内最著名的国际研究机构包括：美国麻省理工学院媒体实 验室( m i tm e d i al a b ) 及人工智能实验室( a il a b ) 、南加州大学( u s c ) 、c m u 卡内基一梅隆机器人研究及交互系统实验室、马里兰大学( u m d ) 等【8 1 。国内 的清华大学、浙江大学、哈尔滨工业大学和中国科学院的一些研究机构等都在 从事这方面的研究。在“十五 8 6 3 计划信息领域中已将“生物特征识别”列 为研究专题。 现在，国内、外的人脸识别的方法多种多样，并且不断有新的研究成果出 现。但是，由于人脸识别问题巨大的复杂性，要建立一个能够完全自动完成人 脸识别任务的计算机系统难度是相当大的，这不仅涉及到数字图像处理，而且 2 武汉理工大学硕士学位论文 还涉及到计算机视觉，人工智能和计算机网络及通讯等的多个学科领域的广泛 知识。解决特定环境下或某种应用背景下的人脸识别问题，仍将是该领域研究 的主要课题。 随着我国向数字化、信息化社会的迈进，人们对人脸识别技术的了解和认 识也将逐渐增加，人脸识别技术的市场需求会越来越大，而人脸识别技术和识 别系统的性能也将在不断发展中日益完善，更好的服务大众。 1 3 本文研究内容 在研究现有的人脸识别技术的基础上，采用不同的人脸识别算法实现对 o r l 人脸库中的人脸图像的识别。 本文主要研究内容： ( 1 ) 研究基于主元分析的人脸识别方法； ( 2 ) 研究基于核主元分析的人脸识别方法； ( 3 ) 研究基于核主元分析和核f i s h e r 鉴别分析的人脸识别方法； ( 4 ) 用g u i 图形设计实现实验的交互界面。 本文拟解决的关键问题： ( 1 ) 采用核方法对于人脸图像实现非线性投影分析； ( 2 ) 不同的核方法的有机组合对人脸识别结果的影响。 1 4 论文的组织结构 本文对人脸识别技术进行了综述性的介绍，并主要研究了基于主元分析方 法、核主元分析方法以及核f i s h e r 鉴别分析方法的人脸识别技术，各章内容安 排如下： 第1 章引言介绍了人脸识别研究的目的意义、国内外发展现状。 第2 章人脸识别方法综述，包括人脸识别技术的研究内容和主要方法以及 存在的优势和面临的困难，同时介绍了较为典型的人脸数据库。并重点介绍了 本文采用的核方法在人脸识别中的应用。 第3 章研究了基于主元分析和核主元分析的人脸识别方法，包括分析两种 识别方法中所用到的k - l 变换原理、特征值和距离函数的选取等，并具体研究 了将核函数融入p c a 中进行人脸识别的算法。同时通过实验建立了对o r l 人 武汉理工大学硕士学位论文 脸数据库进行人脸识别的系统。 第4 章研究了融合核f i s h e r 鉴别分析的人脸识别算法，包括特征脸和f i s h e r 脸在人脸识别中的应用，线性判别的基本概念和原理以及基于融合f i s h e r 鉴别 分析方法的人脸识别过程，并通过m a t l a b 软件进行了仿真实验。 第5 章介绍采用g u i d e 创建g u i 用户交互界面的方法，并用g u i 交互界 面演示本文的实验结果。 4 武汉理工大学硕士学位论文 第2 章人脸识别方法的研究 人脸识别技术，是种通过提取人脸视觉特征信息来进行分析、判别，从 而进行身份验证、鉴别的计算机技术。它的实质内容就是通过视频采集设备获 取对象的人脸图像信息，再用特定的算法对其脸部的相关特征信息进行计算分 析，进而和现有人脸数据库里已存的范本进行比对匹配，最后判断出对象的真 实身份。人脸识别技术是一项高端的计算机图像处理技术。 2 1 人脸识别技术 2 1 1 人脸识别技术的研究内容 人脸识别的主要解决的问题是，给定一幅图像，要求从已有的人脸数据库 中，识别出与该人脸数据匹配的人脸数据。人脸的识别包括三个步骤：人脸检 测、特征提取以及人脸识别。 人脸检测与人脸识别都属于模式识别问题。人脸检测是将人脸作为一个模 式，而将非人脸作为另一种模式，其检测过程就是将人脸模式与非人脸模式区 别开来。人脸识别是将不同个体的人脸作为不同的模式类，人脸识别的过程就 是将属于不同人的脸归于各自的模式。可以说，人脸检测强调的是人脸之间的 共性，而人脸识别则要区分不同人脸之间的差异，二者同属于模式分类问题。 人脸识别系统中，特征提取是一个重要的组成部分。特征提取是模式识别 的基本问题，其主要目的就是降维，即从高维数据中提取出最能表征该模式的 部分特征，以便于进行快速分类和识别。 图像特征可以分为四类：直观性特征、灰度统计特征、变换系数特征与代 数特征。直观性特征主要指几何特征，几何特征比较稳定，受人脸的姿态变化 与光照条件等因素的影响小，但不易抽取，而且测量精度不高，与图像处理技 术密切相关；代数特征是基于统计学习方法抽取的特征，代数特征具有较高的 识别精度。代数特征抽取方法又可以分为两类：一种是线性投影特征抽取方法； 另外一种是非线性特征抽取方法。变换系数特征指先对图像进行f o u r i e r 变换、 小波变换等，得到的系数后作为特征进行识别。 5 武汉理工大学硕士学位论文 2 1 2 人脸识别技术的特点 人脸识别的优势在于其自然性和不易被被测个体察觉的特点。所谓自然性， 是指该识别方式同人类进行个体识别时都利用了人固有的自然特征。另外具有 自然性的识别方法还有语音识别、体形识别等，而指纹识别、虹膜识别等都不 具有自然性。不被被测个体察觉的特点对于种识别方法也很重要，这会使该 识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗【9 】。人脸 识别是非接触式的，不需要被动配合，更加友好、自然，使用者无任何心理障 碍，更易被人们接受，而且可以隐蔽操作，这些特点特别适用于解决罪犯监控 与网上抓逃等重要的安全问题，- 这是指纹、虹膜、视网膜等其他人体生物特征 识别技术不能比拟的。除此之外，进行人脸识别的图像采集设备成本低，目前， 中低档c c d c m o s 摄像头的性价比已经很高了；另外，数码相机和照片扫描 仪等摄像设备在普通家庭的日益普及也迸一步提高了其可用性。同时，人脸识 别方式更符合人类的识别习惯，可交互性强。例如，对于指纹、虹膜等识别系 统，一般用户对识别往往是无能为力的，而对人脸来说，授权用户的交互和配 合可以大大提高系统的可靠性和可用性。 虽然人脸识别技术已经取得了一些成果，但仍有许多难点，需要我们在以 后的研究理加以重视和解决，这些难点将影响人脸识别走向实用化。 ( 1 ) 人脸本身的特点【l o 】 其一，是由于人脸姿态具有多样性，在自然条件下并不能总是获得正面的 人脸图像，人脸角度的变化会造成部分面部信息的缺失，使精确提取人脸的特 征有一定的困难；其二是人脸是可塑性变形体而不是刚体，且人的姿态各异， 表情也极为丰富在加上化妆和饰物遮挡等问题给人脸识别增加了较大的难度。 所以说如何把人脸表情描述同面部特征的变化联系起来，利用计算机进行抽象 的概括也是一个需要解决的问题。 ( 2 ) 环境的影响【l l j 人脸的获得会受到许多不定因素的影响，比如旋转、距离、尺度，光照、 光源方向等，从而使得获取的人脸图像将表现出复杂的模式。例如在光照变化 的环境下，每个像素的亮度值还依赖于环境中的各种因素：光源的位置、颜色 和亮度以及周围物体的影响，目前许多人脸识别方法对光照条件有着不同程度 的依赖，过亮、过暗或偏光现象的存在都可能导致识别的急尉下降。因此，对 人脸图像进行特征提取和分类之前一般要作预处理。 6 武汉理工大学硕士学位论文 ( 3 ) 计算机本身的限制【1 2 】 三维人脸投影在二维的图像上，信息会有一定的损失，但所投影的视觉信 息仍然是复杂的且具有非常高的维数，包含了大量的像素数据，并且每一像素 都携带了大量的信息。既要利用计算机正确处理庞大的信息又要保证人脸识别 系统的实时性要求，这也是人脸识别技术研究的主要难点之一。 2 2 人脸识别的主要方法 人脸识别( f a c er e c o g n i t i o n ) 就是利用计算机分析人脸图像，从中提取有效 信息进行身份识别的一门技术。人脸识别的研究始于6 0 年代末，b l e d s o e 以人 脸特征点的间距、比率等参数为特征，建成了一个半自动的人脸识别系统。早 期的人脸识别方法主要有两大方法：一是提取人脸几何特征的方法，包括人脸 部件归一化的点间距离和比率以及人脸的一些特征点，如眼角、嘴角、鼻尖等 部位所构成的二维拓扑结构；二是模板匹配的方法，主要是利用计算模板和图 像灰度的自相关性来实现识别功能。b e r t o 在1 9 9 3 年对这两类方法作了较全面 的介绍和比较后认为，模板匹配的方法优于几何特征的方法。 目前人脸识别方法主要有以下两个研究方向：一是基于整体的研究方法， 该方法主要是考虑了模式的整体属性，包括特征脸( e i g e nf a c e ) 方法、模板匹配 方法、弹性图匹配( e l a s t i cg r a p hm a t c h i n g ) 方法、隐马尔可夫模型( h i d d e nm a r k o v m o d e l ) 方法以及神经网络方法等；二是基于特征分析的方法，也就是将人脸基 准点的相对比率和其它描述人脸脸部特征的形状参数或类别参数等一起构成识 别特征向量。这种基于整体脸的识别不仅保留了人脸主要特征部件之间的拓扑 关系，而且也保留了各部件本身的信息。基于特征分析的识别是通过提取出局 部轮廓信息及灰度信息来设计具体识别算法。两种方式的人脸识别方法各有优 点，基于整体的识别保留了更多信息，基于人脸特征分析的识别比基于整体的 方法直观，它提取并利用了最有用的特征，如关键点的位置以及部件的形状分 析等。基于整体的识别把整个人脸图像作为识别模式，光照、视角以及人脸尺 寸会对人脸识别有很大的影响，因此，如何能够有效地去掉这些干扰是关键问 题。基于特征分析的人脸识别方法的困难在于如何建立好的模型来表达识别部 件。近年来的发展趋势是将人脸的整体识别和特征分析结合起来，如k i n - - m a n l a m 提出的基于分析和整体的方法，a n d r e a sl _ a n i t i s 提出的利用可变形模型 ( f l e x i b l em o d e l s ) 来对人脸进行解释和编码的方法等等。 7 武汉理工大学硕士学位论文 2 2 1 几何特征法 几何特征法采用的特征包括人脸五官如眼睛、鼻子和嘴巴等的局部形状特 征，脸型特征及五官在脸上分布的几何结构特征。这类方法用几何特征矢量表 示人脸，用层次聚类的思想设计分类器达到识别目的。 一维的“积分投影”曲线是提取人脸特征的基本手段。图像上边缘点的积 分投影曲线常被用于对眼睛、鼻子和嘴巴等进行定位。一种更为准确的提取特 征的方法是“弹性模板”，所谓“弹性模板”就是模板在匹配特征形状的过程中， 其平移、形状和旋转都是可调的。其它的还有k 锄e l 【l3 】等人使用“子群筛选 识别方法；l i r n 【1 叩等人采用模糊逻辑理论进行匹配识别；h a m 1 5 】等人使用梯形 隶属度函数进行识别；c o x 1 6 】等提出使用“混合距离”法进行匹配识别。 2 2 2 统计识别法 基于k a r h u n e n e l o e v e ( k - l ) 1 7 】的识别人脸方法称为“本征脸”法。其基本 思想是：假设数据库里有m 幅人脸图像r l ，r 2 ，l ，其灰度均值为少，将每一 幅图像阈值相减构成一组矢量a = i ，：，ml ，其中；= r i 一甲，它 被用于进行主分量分析，找出m 个正交矢量瓦及本征值五描述数据的分布， 每一幅图像都能得到一组瓦，。构成的特征矢量，待识别的人脸图像被映射 到人脸空间，也得到一个特征矢量，然后基于欧氏距离最近邻分类法与库中的 各个矢量进行匹配。与k l 变换思想接近，但不是从统计角度出发的一种变换 是奇异值分解( s v d ) ，将矩阵进行奇异值分解能提出模式的特征。 采用隐马尔可夫( h m m ) 方法进行人脸识别的主要是剑桥大学的s a m a r i a 和f a l l s i d e 1 8 j 。隐马尔可夫过程( h m m ) 适合处理一维信号，处理二维图像时， 首先需要将图像转换为一维序列，这个空域序列可以用一个窗口由上向下滑动 生成，窗口在滑动时需要有重叠，保证边界处的特征不会丢失。这个序列代表 一个观察矢量。它被h m m 模型分为几个状态，每个状态描述人脸的某一个 “带 ，这个“带 的宽度是原图像的宽度，高度不固定，该方法生成5 个“人 脸带区 ，分别对应于前额、眼睛、鼻子、嘴巴和下巴区域。对数据库里的每个 模式的多个样本可以训练出一个自上向下的h m m 模型 彤= ( 彳，b ，石) ，1 k f( 2 1 ) 其中f 表示库里模型的个数；a t ”记录一个带到下一个带的转换概率和不同带 的厚度；b o ) 记录每个模式在不同带中的特征矢量分布：万表示初始状态。 8 武汉理工大学硕士学位论文 2 2 3 连接机制法 神经网络技术有其特殊的适用于人脸识别的优点，它能够根据有代表性的 样本自我学习，具有鲁棒性和自适应性。此外，神经网络以并行方式处理信息， 配以硬件实现，可以显著地提高速度。早期人脸识别神经网络主要是k o h o n e n 1 9 1 的自联想映射网络；c o t t r e l l 和f l e m i n g t 2 0 1 2 l 】首先使用级联b p 网络进行人脸识 别：其他的还有h l 仃a l t o i l 2 2 】等人使用一个无监督监督( b c m b p ) 混合神经网络 进行人脸识别；l a w r a n c e 和g i l e s 等【2 3 j 使用自组织特征映射( s o m ) 神经网络 与卷积神经网络( c n ) 结合的方法；l i n 和k u n g 将神经网络与统计方法结合， 使用概率决策神经网络( p d b n n ) 进行人脸识别。 图匹配法基于动态连接机构( d l a ) ，d l a 试图解决传统的基于神经网络 的一些概念问题，如突触关系的表达。d l a 的突触可塑性能快速将神经元重组 到结构图而保持神经系统的特点。d l a 不必对样本进行学习。为了实现不变性 目标识别，采用对平移和尺度变化具有最大鲁棒性的子波提取特征。 2 2 4 模板匹配法 模板匹配法，是一种经典的模式识别方法，它充分利用了人脸的纹理和灰 度特征。它的识别方法就是将待识别的人脸图像与数据库中所有的模版进行比 较，找出最相近的脸。由于这种方法要求两幅图像上的目标要有相同的尺度、 取向和光照条件，所以预处理要做尺度归一化和灰度归一化的工作。最简单的 人脸模板是将人脸看成一个椭圆，检测人脸也就是检测图像中的椭圆。另一种 方法是将人脸用一组独立的小模板表示，如眼睛、嘴巴、鼻子、眉毛和下巴等 模板。但这些模板的获得必须利用各个特征的轮廓，而传统的基于边缘提取的 方法很难获得较高的连续边缘。即使获得了可靠度高的边缘，也很难从中自动 提取所需的特征量。后来改进用弹性模板方法提取特征。弹性模板是由一组根 据特征形状的先验知识来设计可调参数来定义的。这个参数是由能量函数来决 定的，首先利用图像的边缘、峰值、谷值和强度信息以及特征形状的先验知识 设计能量函数，然后将参数向能量函数减小的方向调整，当能量函数达到最小 时，这组参数所对应的模板形状晟符合特征形状。在识别率上基于弹性模板的 方法比基于几何特征的识别方法要好，尽管基于几何特征的识别方法识别的速 度快，而且要求的内存也小。b u h r 的方法使用眼睛模板定位眼睛，然后用双眼 之间的距离进行尺度归一。匹配首先在低分辨率的图像中进行，对相关性大的 9 w 一r ，一一 ，。+。 一 一。”一1 1 。“ 一“。+ 、。“? 一 武汉理工大学硕士学位论文 图像进行五官的局部模板相关匹配，当四分之三的局部模板具有很大的相似度， 认为待识别图像与库中图像属于同一人。b r u n e l l i 2 4 】等首先提取特征点，然后根 据特征点分出归一化后的眼睛、嘴巴、鼻子和脸的模板，进行相关性匹配识别。 等强度线法利用灰度图像的多级灰度值的等强度线作为特征，进行两幅人 脸图像的匹配识别。等强度曲线反映了人脸的凹凸信息。它必须在所有的图像 在相同的背景和光照条件下才有效，所以该方法限制比较大，实用意义不大。 在人脸识别的研究中，更好地进行特征选择、降低计算复杂度以及寻找一 个更有效地人脸识别技术是今后研究的方向。 2 3 常用的人脸数据库 任何人脸识别系统的开发都需要建立一个包含人脸图像或图像系列的数据 库，人脸数据库的设计对系统的识别率影响是至关重要的。开发一个在所有可 能的变化情况下都能正确进行人脸识别的系统是非常困难的。因此几乎所有人 脸识别的研究都是在一定的约束条件下进行的，如光照、表情和姿态变化等受 到一定限制。所以有必要建立适合不同需要的人脸数据库，以下介绍一些典型 的标准数据库。 ( 1 ) 英国o r l 人脸数据库。英国o r l ( o l i v e t t ir e s e a r c hl a b o r a t o r y ) 人脸数 据库包括从1 9 9 2 年4 月到1 9 9 4 年4 月拍摄的一系列人脸图像，由4 0 个人的 4 0 0 幅灰度图像组成，图像尺寸为9 2 1 1 2 ，图像背景为黑色。其中人脸脸部表 情和细节均有变化，例如笑与不笑，眼睛睁着或闭着，戴或不戴眼镜等，人脸 姿态也有变化，其深度旋转和平面旋转可达2 0 度，人脸的尺寸也有最多1 0 的变化。这是目前使用最广泛的人脸数据库。 ( 2 ) 英国m a n c h e s t e r 人脸数据库。该数据库由3 0 个人的6 9 0 幅图像组成， 其中训练集和测试集分开，有不同的光照和背景特征，且对于每个人而言，前 后两张照片之间的时间间隔至少有3 周。训练集对光源有一定的约束，而在测 试集中则变化多端。测试集还增加了两级难度：一是对于其中的相似人脸，仅 有发型，背景以及戴眼镜等变化；二是特征遮挡，如头发，黑眼镜，手臂等。 虽然m a