（检测技术与自动化装置专业论文）基于kl变换的人脸识别算法研究.pdf

沈阳工业大学硕士学位论文 摘要 生物体特征识别技术使用了人体本身所固有的生物特征，与传统的身份识别方法完 全不同，具有更高的安全性、可靠性、和有效性，越来越受到人们的重视人脸自动识 别技术作为生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研 究，已经成为计算机视觉、模式识别领域的研究热点。人脸识别在公共安全、证件验证、 门禁系统、视频监视等领域中都有着广泛的应用前景。 本文是在人脸数据库的基础上做人脸特征提取和识别的算法研究，主要内容如下： ( 1 ) 本文实现了基于k - l 变换的主成分分析法，主成分分析法是一种基于整体特征 的人脸识别方法，通过实验结果验证了此方法是一种快速、稳定的方法，对人脸的表情、 姿态等变化具有很好的包容性。但是，对于主成分空间的选取上，具有一定的局限性， 影响了识别效果。 ( 2 ) 本文在分类器的设计上，采用欧式距离和余弦距离两种距离分类器进行分类识 别，并且通过实验比较识别效果。 ( 3 ) 本文提出了一种k - l 变换和遗传算法( g a ) 相结合的人脸识别方法。传统的 基于k l 变换的主成分分析法( p ( a ) 只是简单的选择那些较大特征值所对应的特征矢 量，而且这些特征矢量并不一定是最有利于识别分类的特征空间，不能达到最优的识别 效果。本文中采用遗传算法很好的解决了这个问题，利用遗传算法对k l 变换得到的特 征空间进行特征矢量选择，以构成最有利于分类的特征子空间。结合余弦距离最近邻分 类器对0 r l 人脸数据库进行实验，验证了本文方法的有效性。 关键词；人脸识别，i h 变换，主成分分析，遗传算法，特征矢量 基于k - l 变换的人脸识别算法研究 n er e s e 觚ho ff a c cr e c o g i l i t i 舢g o 删| l mb 勰e do nk l 1 r a n s f 0 加1 a t i o n a b s 仃a c t b i 岫c 缸i a s b c u o f 璐i n gt h cp i d p 盯l i v i n gc 他a t 吐他c h 捌e r i s 6 co fh u m a nb o d y i 3 t o t a l l yb f 柚d 肿wt a d l n i q d i f e 删吐舶m 妇d i t i 伽i a lp c r 鲫脚i d e n t i 五石m c t h o d h 搿u i th a s 也eb c t t c r 鞠触y ，d e p 删d b l cw i t ht h cu 辩f i i l 丑嚣s ，m 0 托柚dm o ”p e 叩l c t h 伽g 胁l o f i na l l k i n d so f m e t h o d s ，i t i sa l 的。耻0 f t h c 删嚼a c t 押ca n d 曲a l l e n g i n g t 笛k s 董眶咖p u t 盯“s i 衄卸dp a n c m c c o 鲥吐缸_ c m3 0 归啦f a 瑚捌鲥t i o nh 鸹a w i d c 舢g co fp o t e n t i a la p p l 椭i 佃s 如m ca 埽笛o fp l l b l i c r i t y ，i d 锄t i 6 c a t i o f 硎谲c a t c ， a 毗姗o c n 缸d la n dv i d s u r v e i n a n t h i sp 乏i p 盯m a i n l ys t l l d 王e st h ea 川瑚庙髂t 0t h cf c a t u i 伪c x 删油a n d c o 倒t i 帆i nt h c l - d a t a ：b a s 己t h cm a i n n t c n 坞a i ea sf o n o w s ： ( 1 ) t h i sp 置i p “u st h em c 孤so fp f i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) b 够eo nt h c k l 妇硇姗蜥呲p c a i s t h c 缸c 姗鲥t i m c m o db a s c d w h o l c f c a t u 坞t k 嗍l n o f “p c 向锄p f 钾鹤t o b c 自砒细伽p u t i 丑g s p c e d 柚ds t a b i l i z i 墩札t h c c o 鲥t i e m ：c l t o t h c 髋畔i 柚dg 龉t i l i se x c c n e n o c b u tt h i sm c t h o dh a v ct h el o c a l i z 毗加t h en t co f m g n i t i o i sd e c i d c db yt h cq u a l i t yo “h ec h o o s 妯gt h ce i g c n v e c b 嘟 ( 2 ) t h i sp a p e ra d o p t s 押oq 麟i 触t j d e s i 印：l e 碗d i s 胁a a 豁砺c a t i 佃a n d 咖c d i s t a n o ca 弱s i _ f 谳i 蛐a n de x p c 抽锄协j su dt d 咖p a r e dt h cr e 鲥妇c f f b c tw i t ht h c t w od i 鲥a b c 1 a s s i 6 洲o n ( 3 ) n i sp a p c rp r o p o s e daf a c cn c o g n i t i o nm e t h o db a s c d 佃k lt f a n s f o 皿a t i a n d g c n c t i ca l g o r i t h m ( g a ) ht h cm e t h o do fp c ab 雒c d 伽k lt m n s f o 姗a t i t h c c i g e n v e c t o 硌 c o n c s p o n d i n g t ot h cb i 船e s t e i g e n v a l u e sa mc ：h o w h i l et h c s e c i g c n v c c t o 传舡cn o tt h eb e s td a 辐i f i t i 彻c i g c n s p a c c s n cb e s tr c c o g n i t i o nc f f c c t 啪 n o ti ob ca c h i e v c d bt h i sp a p c f g ai si n t r o d u c e dt o l v et h i sp r o b l e m g c n c t i c a l g o r i t h mi sa p p l i e dt og c tt h c 叩t i m a lc i g e n v c c t 0 坞f o 咖k - lt f a n s f o m a t i o n n eo r l d a t a b 弱e 弱w e u 弱s i n ed i s t a n c cd a s s i f i c rw 弱u s e dt ov c f i f yt h ep f o p o s e dm e t h o d ，t h c c x p c f i m e m 他s u l t ss h o w st h a tt h cm c t h o di se f f c c t i v e 沈阳工业大学硕士学位论文 k e yw o r 凼：h m 蚰驴m 蚰，k - lt n 酗如硼6 蚰，p i 证d p kc o m 印矾砒蛐幽， g e n 鲥ca l g m m ，e i 窖蛐v e c i h d r 独创性说明 本人郑重声明：所呈交的论文是我个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的研究成果，也不包含为获得 沈阳工业大学或其他教育机构的学位或证书所使用过的材料。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做了明确的说明并表 示了谢意。 签名：五涵渣日期：翻丝筮! 关于论文使用授权的说明 本人完全了解沈阳工业大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公 布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论 文。 签名： ( 保密的论文在解密后应遵循此规定) 导师签名：盏壶缉日期：丝监1 4 2 1 沈阳工业大学硕士学位论文 1 绪论 1 1 课题来源 本课题是自选课题，课题的题目是基于k l 变换的人脸识别算法研究。 1 2 课题的研究意义 当今社会，随着科学技术的突飞猛进，计算机及网络的高速发展，信息的安全性、 隐蔽性越来越重要，如何有效、方便地进行身份验证和识别，己经成为人们日益关心的 问题。特别是美国9 1 1 事件之后进一步强化了人们对于国家安全所面临的严竣挑战的认 识生物特征识别技术受到了各国政府和科技界的普遍关注。当前，生物特征识别 ( b i 伽c 喇璐) 已经成为自动身份认证领域的主要研究方向l l 】。传统上，人们习惯采用基 于密码或身份卡的身份识别方式，但这些方法有其固有的不足：密码可能被窃取、忘记； 身份卡可能丢失、被盗等由于人体的生理特征具有不可复制的特点，人们把目光转向 了生物识别技术，希望可以籍此来克服这些缺点生物识别技术是指利用一个人固有的 生理或行为特征进行自动的身份认证。只有满足以下几个条件的生理或行为特征才能被 用做生物识别特征：1 ) 普遍性即每个人都要具备这种特征。2 ) 唯一性即不同的人 应该具备不同的这种特性。3 ) 持久性。即这种特征不随时间地点的改变而变化。4 ) 可 采集性即该特征可以被定量地测量。研究和经验表明，人脸、指纹、手型、掌纹、虹 膜、视网膜、签名、声音等都满足这些条件，可以用于识别人的身份。基于这些特征， 人们发展了人脸识别、指纹识别、语音识别、虹膜识别等多种生物识别技术 人脸识别技术是一种重要的生物特征识别技术，应用非常广泛【2 】人脸是自然界存 在的一种特殊的复杂视觉模式，它包含及其丰富的信息。首先，人脸具有一定的不变性 和唯一性，人脸识别是人类在进行身份确认时使用最为普遍的一种方式，人脸图像还能 够提供一个人的性别、年龄、种族等有关信息。其次，人脸也具有多样的变化能力，从 人脸的不同表情人们可以感知到一个人的情绪、感受、甚至秉性和气质。它无需特殊的 采集设备，系统的成本低，而且自动人脸识别的使用非常自然，可以在被识别对象毫无 察觉的情况下进行，是一种非常受使用者欢迎的方式。虽然人类在表情、年龄或发型等 发生巨大变化的情况下，可以毫不费力地由人脸来识别某一人，但要建立一个能够完全 基于k - l 变换的人脸识别算法研究 自动进行人脸识别的系统却是非常困难的，诸多的因素使得人脸识别研究成为一项极具 挑战性的课题它牵涉到模式识别、图像处理、计算机视觉、生理学、心理学、以及认 知科学等方面的诸多知识，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。与指纹、视网膜、虹膜、基因、掌形等其它生物特征识别系统 相比，人脸识别具有直接、友好、方便和非接触等许多优点。多年来一直受到许多研究 者的关注嘲人脸识别的应用领域也相当广泛，主要有： 商业企业：电子商务、电子货币和支付、考勤： 证件鉴别：身份证、护照、学历证明的真伪鉴别： 政府职能：电子政务、户籍管理、社会福利和保险； 公共安全：公安刑侦追述、罪犯识别、边防安全检查： 信息安全：计算机和网络的登录、文件的加密和解密： 场所进出：军事机要部门、金融机构的门禁控制和进出管理。 因此成熟的人脸识别技术不但具有极大的学术研究价值，而且具有广泛的社会需求 和市场领域一个成功的具有商用价值的人脸识别系统必将给现实社会带来极大的影 响当前。人脸识别已成为计算机视觉、模式识别和人工智能等领域的一个研究热点。 我们有理由相信。随着技术的不断发展，人脸识别技术将不断完善，并得到更为广泛的 应用。 1 3 人脸识别的研究历史 人脸识别的研究已有很长的历史，甚至可以追朔到上个世纪，g a l t o n 就曾经用一组 数字代表不同的人脸侧面特征。人脸识别的输入图像通常有3 种情况：正面、倾斜、侧 面。由于实际情况的要求，对人脸正面模式的研究最多，它的发展大致可分为3 个阶段 1 4 l ： 7 第一阶段以b c n i l o n a l l 钮和p a r k e 为代表，主要研究人脸识别所需要的面部特征 在b c r t i l l 的系统中，用一个简单的语句与数据库中某一张脸相联系，同时与指纹分析 相结合，提供了一个较强的识别系统为了提高脸部识别率，a l l 蚰p 】为待识别脸设计了 一种有效和逼真的摹写，p a r l 【6 】用计算机实现了这一想法，并产生了较高质量的人脸灰 沈阳工业大学硕士学位论文 度图模型这一阶段工作的特点是识别过程全部依赖于操作人员，显然这不是一种可以 完全自动识别的系统。 第二阶段是人机交互式识别阶段代表性工作有：g o l 捌o n h 锄和k s k 用几 何特征参数来表示人脸正面图例7 l 。他们采用2 l 维特征矢量表示人脸面部特征，并设计 了基于这一特征表示法的识别系统1 【a y a 和k o b a y a s h i 则采用了统计识别方法，用欧氏 距离来表征人脸特征1 8 l ，如嘴唇与鼻之间的距离，嘴唇的高度等更进一步地，l 洫a d 设计了一个高速且有一定知识导引的半自动回溯识别系纠9 l ，创造性地运用积分投影法 从单幅图像上计算出一组脸部特征参数，再利用模式分类技术与标准人脸相匹配。k a 曲d 的系统实现了快速、实时的处理，是一个很大的进步。相比之下，b 啪n 【1 0 l 所做的工作较 少为人所知，他先将图像灰度归一化，再用4 个掩模( 眼、鼻、嘴及眉毛以下的整个脸 部) 表示人脸，然后分别计算4 个掩模与数据库中每幅标准图像的相应掩模之间的互相 关系数，以此作为判别依据，总的来说，这类方法需要利用操作员的某些先验知识，仍 然摆脱不了人的干预 第三阶段是真正的机器自动识别阶段。由于生产、生活各方面对人脸识别系统日益 迫切的需求，以及计算机技术、图像处理、模式识别技术的发展成熟，人脸识别方法有 了较大的突破。这一阶段，人们提出了很多人脸自动识别的方法 进入粥年代，对人脸识别方法的研究重新变得非常热门，吸引了大量的研究人员 和基金支持。自1 9 9 6 年p r i ( p a n o r 锄i cr e s e a r c hi n c ) 的机器自动人脸识别研究工作之 后，美国，日本，英国，以色列，意大利等经济发达国家和发展中国家如印度等国都有 专门的研究组进行这方面的研究。国内很多教学科研机构都有人员从事人脸识别的相关 研究到目前为止，人脸识别工作已经进行了2 0 多年，但是仍然面临着种种困难，其 中主要有人脸图像中人脸角度变化：遮挡引入，以及光照变化，图像质量间的差异等成 识别率下降的问题。 1 4 人脸识别的内容及发展状况 1 4 1 人脸识别的研究内容 人脸自动识别的研究大致可以分为人脸检测、人脸表征，人脸识别和表情分析等几 个方面。 基于k l 变换的人脸识别算法研究 计算机人脸识别的研究内容从广义上讲大概包括以下几个方面的内容： ( 1 ) 人脸检测。人脸检测( f a d c t c c t i 呲) 就是从各种不同的场景中检测出人脸的 存在并确定其位置在某些情况下由于图像( 照片) 的获取环境是可以人为控制的( 如身份 证照片等1 ，因而人脸的定位可以轻易地做到；但在大多数场合中由于场景较复杂，人 脸的位置是预先不知道的，因而首先必须确定场景中是否存在人脸，如果存在人脸，再 确定其位置。脸部毛发、化妆、光照、噪声、砸部倾斜和人脸大小变化以及各种各样遮 挡等因素会使人脸检测问题变得更为复杂近年来，人脸检测已经成为独立的研究课题 得到研究者的关注。 ( 2 ) 人脸表征。人脸表征( f a r c 唧协t i 蛐) 就是提取人脸的特征，是将现实空 间的图像映射到机器空间的过程人脸的表征具有多样性和唯一性，只有保持这种多样 性和唯一性，才能保证人脸图像的准确描述和识别。通常的方法包括几何特征( 如欧式 距离、曲率、角度等) 、代数特征( 如矩阵特征矢量) 、固定特征模板、本征脸、云纹 图等 ( 3 ) 人脸识别人脸识别( f a r c g i i i t i ) 就是将待识别的人脸与数据库中的己 知人脸比较，得出相关信息这个过程的关键是选择适当的人脸表征方式与匹配策略。 整个识别系统的构造与人脸的表征方式密切相关。 ( 4 ) 表情姿态分析表情姿态分析( e x p r c s s i 蛐g 髂t 眦a n a l y s i s ) 就是对待识别人 脸的表情或者姿态信息进行分析，并对其进行分类。 ( 5 ) 生理分类。生理分类( p h y s i c a la 勰s i f i t i ) 就是对待识别人脸的生理特征进 行分析，得出其年龄、性别等相关信息。 人脸检测，人脸表征，人脸识别是通常意义上的建立人脸自动识别系统的三个方面。 人脸自动识别系统包括两个主要的技术环节，首先是人脸的检测和定位，即从输入图像 中找到人脸存在的位置，并将人脸从背景中分割出来( 即人脸检测) ，然后才是对归一 化的人脸图像进行特征提取与识别( 即人脸表征与人脸识别) 沈阳工业大学硕士学位论文 图1 1 人脸识别系统 晦1 1s 姗0 f 妇m 倒锄 1 4 2 人脸识别方法的发展状况 本文所研究的内容主要是特征提取和识别的两部分内容，人脸的特征提取和识别关 系密切，很多的场合认为属于同一阶段。对计算机人脸识别方法的研究主要有两大方向： 一是基于人脸图像部件特征的识别方法；二是基于人脸图像整体特征的识别方法。 基于人脸图像部件特征的识别通常抽取人脸器官如眼睛、眉毛、鼻子和嘴巴等器官 的位置、尺度以及彼此问的比率作为特征，进一步地可以用几何形状拟合人脸器官，从 而以几何参数作为描述人脸的特征由于此类方法通常要精确地抽取出位置、尺度、比 率和几何参数作为描述人脸的特征，因此对人脸图像的表情变化比较敏感，同时，人脸 器官分割的精确度也对人脸特征的提取有一定的影响另外，该类方法并没有充分利用 到人脸图像本身具有的灰度信息，该方法已经不是人脸识别技术发展的主流方向 基于人脸图像整体特征的人脸识别由于不需要精确定位提取人脸图像中部件的具 体信息，而且可以充分利用到人脸图像本身的灰度信息，因此可获得更好的识别性能。 基于人脸图像整体的人脸识别方法主要有特征脸法、最佳鉴别矢量集法、贝叶斯法、基 于傅里叶不变特征法、弹性图匹配法、相关方法、线性子空间法、可变形模型法和神经 网络法。这些方法中有的侧重于表述人脸图像的特征提取，如弹性图匹配法和傅里叶不 变特征法；有的则侧重于分类，如最佳鉴别矢量集法，贝叶斯法和神经网络法；而有的 则侧重于人脸图像重构，如特征脸法和线性子空间法；所有这些基于人脸图像整体特征 的人脸识别方法均取得了一定的识别性能 ( 1 ) 基于几何特征的方法。人脸的几何特征包括各个面部器官的形状、灰度以及各 个器官之间的结构关系( 如位置、距离和角度等) 这些特征利用了人脸的先验结构知 识，比较简单和直观，是最容易想到的人脸特征。 基于k - l 变换的人脸识别算法研究 g a l 自一1 1 l 最早利用手工的方式在人脸的侧面轮廓上提取一组基准点，然后从这组基 准点求得一组可用于识别的特征量度，如距离、角度和面积等进行识别h a m o n l l 1 3 j 在此基础上提出了一种自动的人脸侧面轮廓识别方法，并讨论了这些基准点特征的有效 性。b l c d s 1 1 4 】是最早提取正面人脸的几何特征并用于人脸识别的研究者之一b m u 【坍 的方法可以看作是几何特征提取方面的经典工作。他利用人脸边缘图的积分投影提取了 3 5 个几何特征，其中既有反映器官形状的特征，如嘴巴中心到下巴边缘的1 1 条半径 也有反映位置关系的特征，如眼睛的位置、鼻子的宽度和长度、嘴巴的位置等他还提 出了利用灰度模板来表示人脸几何特征的方法 y u i n c 【1 6 1 7 】等提出的可变形模板可以看作是另一类经典的几何特征提取方法，它可 以给出人脸器官的更加精确的描述。可变形模板的基本思路是设计一个参数可调的器官 模型。然后利用器官图像的灰度和梯度信息定义一个模型的能量函数，极小化后的模型 参数就成为器官的几何特征。在y l l i n c 方法的基础上，不断又有人提出了改进的可变形 模板方法这种方法的缺点是计算量大，模型的参数需要经验确定，并且能量函数的收 敛性受函数初值的影响比较大。 基于几何特征的方法虽然比较直观，但在人脸识别的应用中的效果不是很理想。因 为人脸能够产生塑性变形，即使几何特征提取得再准确也将产生较大的误差，而且姿势 的变化也会对几何特征的有效性造成影响。 ( 2 ) 基于代数特征的方法。基于代数特征的方法把一幅人脸图像看作是以像素点灰 度值为元素的矩阵，把反映矩阵某些性质的数值特征当作人脸特征这些特征反映了图 像的整体性质，但是没有直接的认知意义。最有名的基于代数特征的人脸识别方法就是 基于主元分析( p c a ) 的特征脸法，这种算法假设人脸图像在高维中服从近似高斯分布 s i r o y i c h 和l ( i i b ，1 8 】首先将k - l 变换用于人脸图像的最优示n 慷和p c n t l 觚d 【1 9 】进一步 提出了。特征脸”方法，该方法以训练样本集的总体散布矩阵为产生矩阵，经k - l 变换 后得到相应的一组特征矢量，因其对应的图像很像人脸，被称为“特征脸”，此方法在 实验中取得了不错的效果，但是它对人脸图像的归一化要求较高，其性能易受到光照的 影响，因此近几年来学者们提出了各种改进版本或扩展算法，y 柚g 等人提出了基于高 阶统计的p c a 方法；1 钛e s h i 等人【矧则将特征脸分解到两个正交的特征空间中以实现在 沈阳工业大学硕士学位论文 不同的光照条件下鲁棒性识别：张辉等人【2 1 l 采用对称主元分析神经网络，用去冗余和权 值正交相结合的方法对人脸进行特征提取和识别；彭辉等人【笠】也提出了特征脸的进一步 改进方法，采用类间散布矩阵作为产生矩阵，以降低运算量。p a d g c n 和c o t n c n 【】利用 p ( a 求取人脸图像中图像子块的主元，然后利用前1 5 个主元来提取人脸图像的特征， 最后输入到神经网络中进行识别 i l 咖一2 4 l 提出了一种利用奇异值分解( s v d ) 来获取人脸特征的方式，作为一种代 数特征，奇异值具有代数和几何不变性，并且对噪声不敏感。该方法利用人脸图像的奇 异值作为特征，采用基于最优鉴别平面的b a y 龉决策来进行人脸识别。此后，程永清【为l 等发展了h g 的方法，他们利用秩分解的方法进行降维以提取人脸图像的奇异值，还 在s v d 的基础上提出了表示人脸的特征图像和投影图像的概念，并导出了基于投影图 像的人脸特征提取方法。 ( 3 ) 基于人脸纹理特征的方法。人脸图像的纹理特征也是一种非常重要的特征。通 常人脸上重要的特征点都具有很强的纹理特征，比如边缘的端点或者具有较大曲率变化 的地方人类视觉皮层细胞中的超复杂细胞具有一种顶端抑制的性质，对这些特征点特 别敏感m a n j 岫a m i 捌等利用g a b 凹小波变换来模拟超复杂视觉细胞的这种性质，它提 出了一种动态链接结构d l a 来描述这些特征，其中结点代表各个特征点，特征点包含 不同频率g a b 凹小波变换的输出结点之间的连线代表特征点之问的关系，比如特征点 之间的距离。最后通过弹性图匹配的方法来完成识别。通常一张人脸中的特征点数目为 3 0 到4 0 。w i a k o n 吲在此基础上作了进一步的改进，包括引入相位信息，处理深度方向 的旋转，并提出了弹性串匹配的比对方法，w u n z 闭也提出了相似的图像特征，通过多 模板匹配的方法进行人脸识别 l 越2 9 l 等提出了一种基于f 0 l l i i c f 不变性的人脸特征提取方法，并把这种方法称为频 谱脸( s p e 咖f a ) 方法。这种方法利用小波变换消除人脸表情的影响，然后利用f o l l r i 盯 变换提取人脸的纹理信息，这种方法对人脸图像的平移、旋转和伸缩具有较好的不敏感 性。r 锄勰u b r 锄趾i 柚1 3 0 1 的方法利用d c t 变换提取人脸的纹理特征，然后通过p c a 和 人类视觉系统h v s 对人脸图像进行编码和识别这种方法的优点是在识别的同时实现 了对人脸图像的压缩。 基于k - l 变换的人脸识别算法研究 ( 4 ) 基于神经网络的方法。基于神经网络的人脸识别方法可以分成两类，一类是利 用其他方法提取出入脸特征，然后把神经网络作为分类器来识别。这类算法包括k c 的 模糊神经网、b m 耻l l i 的h ) ，p c r b f 网络和a l t a f 的专用网络h a 呃t 等；另外一类方法 就是把神经网络既当成特征提取器又当成分类器 c 扭雠u 和n 朋l i n g p l 铡首先利用3 层b p 网络来进行人脸的特征提取，b p 网络的输 入和输出的神经元相同，以隐含层的输出作为特征。对网络进行训练使得它的输出逼近 输入这时，隐含层的输出可以看作是输入人脸图像的一种压缩表示。如果把单个隐含 层神经元的响应传播到输出层，得到的图像和特征脸很类似，提取的特征再通过一个两 层的神经网络进行分类。 l 肌r c c 【3 3 】等采用卷积神经网络来进行人脸识别，他首先利用s o m 对图像进行量 化和降维，然后利用卷积神经网络判断和测试人脸图像和库中的标准图像的相似性以达 到识别的目的基本的卷积神经网络采用的是非监督学习方式。卜i c b a h c r 【卅提出了一种 经过改进的新感知机n e o ，n e o 的输入不需要进行归一化，并且采用了s 型函数作为 输出。在学习规则上n e 0 采用了监督学习方式，用经过训练的三层压缩解压b p 神经网 络的隐含层节点对应的权值作为期望输入，得至较好的效果 u n l 3 5 】等提出了基于概率决策的神经网络模型p d b n n ，它的主要思想是采用虚拟 样本进行强化和反学习，从而得到比较理想的概率估计结果，并采用模块化的网络结构 加快网络的学习这种方法在人脸检测和定位以及识别上都得到了较好的应用。其他的 基于神经网络的识别方法还包括d a i 等提出的利用h 0 p f i e m 网络进行的低分辨率人脸联 想和识别方法，g u 等提出的r b f 和树型分类器相结合的混合分类器模型。 ( 5 ) 基于h m m 的方法。隐马尔可夫模型( h m m ) 是一种有效的建模和识别方法， 在语音信号处理方面得到了广泛的应用s 锄a i i a 阳等把h m m 用于人脸识别，它把人 脸从上到下分成五个状态，分别对应前额、眼睛、鼻子、嘴巴和下巴。图像的每一横条 代表一个状态的观测值，每一个人都建立一个对应的h m m 模型。在测试的时候，具有 最大似然输出的模型所对应的人被称为是测试样本所属的类别。 一8 一 沈阳工业大学硕士学位论文 n c 矗柚闭等在上述方法的基础上提出了一种基于2 d 内置式h m m 的人脸识别方法 这种方法把s 锄a r i a 的处理方法中的每一横条图像也用一个1 d 的h m m 来表示，这种 方法的效果要优于s a m a r i a 的方法。 ( 6 ) 基于3 d 建模的方法人脸图像实际上可以看作是人脸三维形状的二维投影， 在这个投影过程中损失了很多有利于识别的有用信息。因此如果能够得到人脸的3 d 模 型将有利于提高识别的性能 州c k 闭扩展了特征脸的思路，提出了一种基于特征头倒g e n h c a d ) 的人脸特征提取方 法他的思想是把正面人脸的形状用一个三维空间中的函数来表示z - ，似y ) ，然后用 这个形状函数在二维平面上投影，即二维灰度人脸图像，o ，) ，) 来估计z 的参数这是一 个从投影来恢复形状的问题，通常这种解不是唯一的，a t i c k 利用人脸的先验知识解决 了这个问题。n a s t a i i 冽等提出了一种基于灰度平面的方法，将人脸图像建模为可变形的 3 d 网格表面，从而将人脸匹配问题转化为可变形曲面的弹性匹配问题。他利用有限元 分析的力一法进行曲面变形，并根据变形的情况来判断两张图片是否为同一个人的 1 4 3 人脸识别的优势与困难 人脸识别技术在众多的生物特征识别方法如指纹、虹膜、手形、语音、声纹及签名 等识别技术中，在进行个体身份识别和验证时具有很多优点i 蜘： ，它是不需要使用者配合的生物识别方法，因而操作隐蔽性强，特别适合于安全 防范、罪犯监控、罪犯抓捕 采用非接触式采集，没有侵犯性，容易被接受。而指纹采集，掌纹识别通常给 人造成不适的感觉 事后追踪能力强，普通人即可进行判断核实。而普通人一般不具备对于指纹、 虹膜的判别能力。 更符合人类的识别习惯，可交互性强，适合于改善人机界面 实现设备通用、简单，尤其是采集设备成本较低。指纹采集仪，虹膜图像采集 仪、d n a 鉴别仪等都是专用的采集设备，而且设备昂贵 基于k - l 变换的人脸识别算法研究 虽然人类能够轻易地识别出复杂环境中的人脸，但是人脸自动机器识别却是难度极 大的课题。其主要原因在于人脸属于三维非刚性对象，而且人脸识别一般呈基于视图模 式的，受小确定性因素的影响相当严重【4 、 人脸的检测和识别受到很多因素的影响【4 2 i ，主要包括： 姿势；人脸可能以不同的姿势出现，产生了人脸图像的外观变化； 装饰：人脸的一些特殊的装饰或附属物，会给识别带来严重的后果比如：胡 须，眼镜、化妆等； 遮挡：人脸在某些情况下会被遮挡，而使脸部特征缺损或丢失； 背景：人所处的环境背景的复杂程度直接影响人脸检测和识别； 人脸表情：人脸的外观会受到人的心理和表情的影响； 成像条件：人脸在成像过程中，会受到摄像距离、拍摄方向、视场角度、光照 强弱等条件的影响； 年龄跨度：人脸会随着年龄的增长而有所变化 人脸识别受到内在生理变化和外界环境变化的影响较大，因而识别精度也相当不稳 定，使用安全性低人脸识别不能对双胞胎问题进行区分由于不需用户配合和无需用 户登录认定，可能存在侵权问题而产生法律纠纷嘲。但总之，众多的未知因素使人脸识 别成为一个极其有趣但却极富挑战的课题。 1 5 人脸数据库介绍 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，大部分系统都未考虑长期 变化，如年龄的变化等。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 c t i ir e s c a r c hl a b o r a t o 呦人脸数据库包 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，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 l o 沈阳工业大学硕士学位论文 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 柚c h c s l c 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，而且对于每个人而言，前后两张照片之 间的时问间隔至少有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：其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；其二是特征遮挡，如头发，黑眼镜，手臂等 虽然m a n c h c s t e r 数据库远比o r l 数据库测试更为全面，但因发表的比较结果不够 多，从而远不如o r l 使用广泛。 ( 3 ) 美国h 【l u 盯人脸数据库。美国f 王【i u 日( f a r e g n i t i 叩1 k h n o l o g ) ，) 人脸数 据库是目前最大的人脸数据库，由美国军方研究实验室提供，其中每人8 张照片，两张 正脸，3 张从右到左的不同侧面角度的照片，有些人还提供了更多不同视点和不同表情 的照片该数据库中不包含戴眼镜的照片，拍摄条件也有一定的限制，人脸大小约束在t 规定范围内到1 9 9 6 年6 月，该数据库已存储了1 1 9 9 个人的1 4 1 2 6 幅图像，而且逐年 增加但到目前为止，该数据库并未提供运动图像系列或包含语音信息。班i i u b l r 数据 库的最大缺点是非美研究机构的获取不便 ( 4 ) 日本a t r 数据库该数据库考虑了除人脸特征外的其他信息在人脸识别中的 作用，提供人脸和语音的合成，由6 0 人组成。但其中人脸图像是静止的而非运动图像 序列 ( 5 ) 欧洲m 2 y i s 多模型人脸数据库该数据库用于测试多模型身份鉴别。目前该 库由3 7 人组成，每人有5 个图像序列，拍摄时间间隔一周左右其中至少有一个序列 提供合成语音 其他数据库还有：a 棚( c a 皿e g i cm e l l 佃u n i v c 砖i t y ) 正面人脸数据库，m r r 单人脸 数据库等。o r l 人脸数据库是目前使用最广泛的标准数据库，它含有大量的比较结果， 并且使用该人脸数据库发表的人脸识别论文数量是最多的，是识别算法之间进行比较的 首选数据库。本文所采用的是0 r l 人脸数据库 基于k - l 变换的人脸识别算法研究 1 6 本文内容安排 本文是在人脸数据库的基础上作特征提取和识别分类的算法研究。实现了传统的基 于k _ l 变换的主成分分析法，并且对特征空间的选取作了细致的分析，采用两种距离分 类器进行分类识别，对比了分类效果通过实验结果，指出了主成分分析法的局限性 本文提出了一种k - l 变换和遗传算法相结合的人脸特征提取方法，通过实验。验证了本 文方法的有效性。全文共分为五章。 ( 1 ) 第一章绪论：概述了人脸识别的研究意义，研究历史，重点描述了人脸识别技 术的研究内容、研究方法、难点以及应用前景，对人脸自动识别技术进行了综述。并介 绍了广泛应用在人脸检测和识别领域的人脸数据库。 ( 2 ) 第二章基于k - l 变换的主成分分析法：本章首先介绍了k _ l 变换的原理，主 成分分析法原理及其在人脸识别中的应用。分析了主成分分析法的优点与缺点，指出p c a 法对k l 变换特征空间进行选取的局限性，提出了采用遗传算法对k - l 变换后的特征 空间进行优化选取 ( 3 ) 第三章遗传算法在人脸识别中的应用：本章详尽地介绍了遗传算法的概念、研 究概况、结构及其优点，然后针对主成分分析法对特征空间选取的局限性，提出了一种 k l 变换和遗传算法相结合的人脸特征提取方法，并对本文方法的原理进行了详细描述， 充分利用了遗传算法的全局寻优能力，对k - l 变换后的特征空间进行优化选择，构成了 最有利于分类的特征子空间。 ( 4 ) 第四章实验：本章对主成分分析法和遗传算法与k l 变换相结合的人脸特征提 取方法进行了实验实验结果验证了基于k - l 变换的主成分分析( p o 吣法只是简单的选 择那些较大特征值所对应的特征矢量，但这些特征矢量并不是最有利于识别分类的特征 空间，不能达到最优的识别效果。本文提出了采用遗传算法对k l 变换得到的特征空间 进行优化选取，以构成最有利于分类的子特征空间。结合余弦距离最近邻分类器对o r l 人脸数据库的实验结果，可以有效的克服p c a 法的局限性，提高了识别率，验证了本 文方法的有效性。 沈阳工业大学硕士学位论文 ( 5 ) 第五章总结与展望：人脸识别具有重大的理论意义和应用意义，它是一项结合 了多学科，多领域知识方法的技术本章总结了本文所作的工作和取得的成绩之后，对 人脸识别领域接下来的工作方向进行分析与展望 基于k l 变换的人脸识别算法研究 2 基于k - l 变换的主成分分析法 特征提取是人脸识别系统中重要的一个组成部分。基于k - l 变换的主成分分析( p c a p r i n c i p l cc c 聃p 呻e ma n a l y s i s ) 方法是应用最广泛的一种特征提取方法之一，它是一种统 计学方法，在信号处理、模式识别、数字图像处理等领域已经得到了广泛的应用主成 分分析方法基本思想是提取出空间原始数据中的主要特征( 主元) ，减少数据冗余，使 得数据在一个低维的特征空间被处理，同时保持原始数据的绝大部分的有用信息，从而 解决数据空间维数过高的瓶颈问题。 2 1i h 变换原理 主元分析法( p c a ) 是模式识别判别分析中最常用的一种线性映射方法它的基础 就是勋曲u 肿n l o c v e 变换( 简称k - l 变换) ，是一种常用的正交变换。下面我们对k - l 变换原理进行介绍： 假设x 为n 维的随机变量，x 可以用n 个基向量的加权和来表示： x- 荟州 式中：q 为加权系数，以为基向量，此式也可以用矩阵的形式表示： 其中： ( 2 1 ) x - 瓴办九k 。口：吒r - o 口 ( 2 2 ) m - o l 九丸) ，口- 仁，口：口) t ( 2 3 ) 我们取基向量为正交向量，垂由正交向量构成，所以。是正交矩阵，即中o - l 将 公式( 2 2 ) 两边左乘m 7 ，并考虑到m 为正交矩阵，得口- m x 即：q - m ；x 我们希望向量a 的各个向量间互不相关那么如何保证a 的各个分量互不相关呢? 这取决于选取什么样的正交向量集。设随即向量的总体自相关矩阵为： r e k 7 x j ( 2 4 ) 沈阳工业大学硕士学位论文 将公式( 2 城入上式( 2 4 ) ，得： 尺- e k 7 z j - e 1 9 7 m 7 j m e l 凹7 扣 我们要求向量口的各个分量间互不相关，即满足下列关系： “】- 忙；： 亿6 ， 写成矩阵的形式是： 则 将上式两边乘上m ，得： 0 o 0 o 九 因为垂是正交矩阵，所以得： 尺。垂矿 r m 。m m 7 垂 - a 只o - 垂 鸥一电冬( j 。1 ，2 ，3 n ) ( 2 7 ) ( 2 8 ) ( 2 9 ) ( 2 1 0 ) ( 2 1 1 ) 可以看出，九是x 的自相关矩阵r 的本征值，o j 是对应本征向量因为r 是实对 称矩阵，其不同本征值对应的本征向量应正交。 综上所述，k - l 展开式的系数可用下列步骤求出： 基于k - l 变换的人脸识别算法研究 步骤一；求随即向量x 的自相关矩阵r - 剧x 7 x i ，由于没有类别信息的样本集的 均值向量，常常没有意义，所以也可以把数据的协方差矩阵作为k l 坐标系的产生矩阵， 这里p 是总体均值向量 步骤二：求出自相关矩阵或协方差矩阵r 的本征值 ，和本征向量m ，其中 j = 1 2 n ，同时本征向量组成的矩阵为垂，j = 1 2 n 步骤三，展开式系数即为口- 垂7 x k l 变换的实质是建立了一个新的坐标系，将一个物体主轴沿特征矢量对齐的旋转 变换，这个变换解除了原有数据向量的各个分量之间相关性，从而有可能去掉那些带有 较少信息的坐标系以达到降低特征空间维数的目的。 2 2 主成分分析法 主成分分析法( p c a ) 在人脸识别领域成功应用的一个重要理论基础是较好的解决 了k - l 变换后协方差矩阵的特征向量的求解问题。人脸识别是一个典型的高维小样本问 题，即人脸图像向量的维数一般较高，比如，实验用的o r l 人脸库的图像大小为1 1 2 9 2 的人脸图像，其对应的图像向量特征空闻高达1 0 3 0 4 维，在如此高维的图像空间内， 按照通常的算法，计算样本的协方差矩阵的特征向量是异常耗时的同时，在人脸识别 问题中，由于客观条件的限制，训练样本的数目一般较小，通常，训练样本的总数远远 小于人脸图像向量的维数。针对高维小样本的情况，求解特征向量所采取算法的基本思 想是，将高维的问题转化为低维的问题加以解决。 2 2 1p c 的引入 主成分分析( 嘲p a lc 咖p o n e n ta n a l ) ，s i s ，p c a ) 的理论与方法，kf u l 【i l n a g a 早在 1 9 7 2 年出版的专著“h l t r o d u c t j t os t a t i s t i lr e c o 印m ”中就做了系统的阐述，并讨论 了p ( 、a 作为线性特征抽取方法的稳定性问题是一种在高维信号压缩和特征提取等领 域获得广泛应用的方法，其核心是k - l 变换。p c a 能够根据对象的分布寻找一组相互 正交的基函数，使得这组基函数指向具有最大数据分布方差的方向。对于p c a 来说， 信号的分解函数和合成函数是相同的，因为它的主成分之间相互正交，p c a 的这个性 质大大简化了压缩解压缩中的计算。 沈阳工业大学硕士学位论文 从减少图像的冗余性来说，p c a 为紧致编码在p c a 变换下，输入图像的能量 都集中在前面几个具有较大特征值的基函数上，即这几个基函数上的系数总是具有较大 的幅值，而具有较小特征值的基函数上系数的幅值总是比较小 为了说明主成分分析的应用来看一个典