（信号与信息处理专业论文）人脸识别方法研究.pdf

中文摘要 人脸识别是计算机视觉、模式识别和图像处理研究的重要 内容和热门课题，是身份辨别的理想依据和最自然直接的手段。 本文深入分析了人脸识别的生理学本质和实现的难点，并 在科学分类的基础上对主要人脸识别方法的构造原则、应用特 点和存在问题进行了较为详细地介绍和讨论。在此基础上，提 出了一些新豹方法，具体如下： 1 将核主成分分板方法弓l 入人脸识别，利用基于核主成分 向量分类的非线性特性，实现对人脸的非线性分类。这种方法 能够在获得较高1 次匹配正确率和前1 0 次匹配正确率的同时， 表现出极强的区分库与非库人脸的能力。 2 以入脸圈像的核主成分商量代替主成分向量作为独立，分 量分柝算法静输入数据，使基于独立分量分板的人黢识别方法 的正确识别率、1 次匹配正确率和前1 0 次匹配正确率均显著提 高。 3 独创性地提出独立多维分量分析理论，并基于高斯核函数 构造了实现独立多维分量分析的算法。独立多维分量分析理论是 独立分量分析理论的延伸和一般化扩展。应用独立多维分量分柝 于人脸识别，获得了很高的1 次匹配正确率和翦l o 次匹配正确率。 4 提出并验证了基于核主成分分析区分库与非库人脸、基于 独立多维分量分析进行有效匹配的人脸识别方法是解决人脸识 别问题的一个可能途径。 关键字：人脸识别，独立多维分量分析，独立分量分柝，核主成 分分析，核函数 人脸识别方法研究 a b s t r a e t f a c er e c o g n i t i o ni sa ni m p o r t a n tp a r ta n dah o tr e s e a r c ht o p i c o fc o m p u t e rv i s i o n ，p a t t e r nr e c o g n i t i o na n di m a g ep r o c e s s i n g ，a n d i ti sa l s oa ni d e a lb a s i sa n dt h em o s tn a t u r a la p p r o a c ho fi d e n t i t y i d e n t i f i c a t i o n t h i sd i s s e r t a t i o n a n a l y z e s t h e p h y s i o l o g i c a l e s s e n c e sa n d d i f f i c u l t i e si nt h ep r o c e s so ff a c er e c o g n i t i o ni nd e p t h ，a n do nt h e b a s i so fs c i e n t i f i cc l a s s i f i c a t i o n i tm a k e sad e t a i l e dd i s c u s s i o no f t h ed e s i g np r i n c i p l e s ，a p p l i c a t i o nc h a r a c t e r i s t i c s ，a n de x i s t i n g p r o b l e m so ft h em a i nf a c er e c o g n i t i o na l g o r i t h m so nt h eb a s i so f s c i e n t i f i cc l a s s i f i c a t i o n b a s e do nt h e s e s o m en e wm e t h o d sa r e b r o u g h tf o r w a r d ，w h i c ha r ed e t a i l e da sf o l l o w s ： 1 k e r n e lp r i n c i p a lc o m p o n e n ta n a l y s i s ( k p c a ) i sa p p l i e dt o f a c er e c o g n i t i o n ，s ot h a tn o n l i n e a rc l a s s i f i c a t i o no ff a c e si s i m p l e m e n t e db yn o n l i n e a r l yc l a s s i f y i n g k e r n e l p r i n c i p a l c o m p o n e n tv e c t o r s t h i sm e t h o da p p e a r st oh a v eh i g ha b i l i t yt o d i s t i n g u i s hw h e t h e raf a c eb e l o n g st ot h ed a t a b a s eo rn o t ，a sw e l l a sh i g hr i g h tr a t i oo ft h ef i r s tm a t c ha n dt h a to ft h ef i r s tt e n m a t c h e s 2 i nt h e i m p l e m e n t a t i o n o ff a c e r e c o g n i t i o n b a s e do n i n d e p e n d e n tc o m p o n e n ta n a l y s i s ( i c a ) ，t h er i g h tr e c o g n i t i o nr a t i o a n dt h er i g h tr a t i oo ft h ef i r s tm a t c ha n dt h a to ft h ef i r s tt e n m a t c h e sh a v eb e e no b v i o u s l yi m p r o v e db yu s i n gk e r n e lp r i n c i p a l c o m p o n e n t v e c t o r sa s i n p u t s i n s t e a do fp r i n c i p a l c o m p o n e n t v e c t o r s 3 a n “i n d e p e n d e n tm u l t i d i m e n s i o n a lc o m p o n e n ta n a l y s i s ( i m c a ) ”i so r i g i n a l l yb r o u g h tu p ，a n dac o n s e q u e n ta l g o r i t h mi s a c q u i r e d o nt h eb a s i so fg u a s s i a nk e r n e lf u n c t i o n i m c ai sa t h e o r e t i c a le x t e n s i o na n dg e n e r a t i o no fi c a i nt h ee x p e r i m e n to f f a c er e c o g n i t i o nb yu s i n gi m c a ，t h ee x t r e m e l yh i g hr i g h tr a t i oo f t h ef i r s tm a t c ha n dt h a to ft h ef i r s tt e nm a t c h e sa r eo b s e r v e d 4 i ti sp u tf o r w a r da n dv e r i f i e dt h a tt h ec o m b i n a t i o no fk p c a a n di m c ai sap o s s i b l ea p p r o a c ht or e a l i z e f a c er e c o g n i t i o ni n 堕望型查鎏婴窒 h i g hp e r f o r m a n c e ，i nw h i c hd i s t i n g u i s h i n gd a t a b a s e i nf a c e sf r o m d a t a b a s e o u tf a c e sa n dd e t e r m i n i n gt h ei d e n t i t yo ff a c e sa r eb a s e d o nk p c aa n di m c ar e s p e c t i v e l y k e y w o r d s ：f a c er e c o g n i t i o n ，i n d e p e n d e n tm u l t i d i m e n s i o n a l c o m p o n e n ta n a l y s i s ，i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，k e r n e l p r i n c i p a lc o m p o n e n ta n a l y s i s ，k e r n e lf u n c t i o n 人脸识别方法研究 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和 取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得盘鲞盘翌或 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。 学位论文作者签名 身砷 签字日期：抄呸年蔓月。) 丸日 学位论文版权使用授权书 本学位论文作者完全了解蠢注盘堂 有关保留、使用学位论文的 规定。特授权墨望太鲎可以将学位论文的全部或部分内容编入有关数 据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查 阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 砌 导师签名： 6 三幻1 之 签字日期：沙巧年也月a l 日 签字日期：御j 一年1 月p 、，日 前言 选惩背景 前言 最早的关于人脸识剐静研究可敬遥溺舞1 9 整纪束c a l t o n 发袭在 n a t u r e 上的两篇论文 1 , 2 1 ，当代的人脸识别技术研究肇始于2 0 世纪6 0 年 代末麓，放8 0 年代末麓开始形成磅究热灞至今。人黢瓣识嗣是久类懿基 本功能之一，是计算机视觉、模式识别中的重要内容，在电视监控、罪 瓷凌诲谖弱、安全门卫系统等方器有誊耋要酶瘦爱。它静璎论意义秘瘦 用价值使其获得政府和学术界的广泛关注。美国和英豳早在1 9 9 4 年就成 立了害方辍梅，在国内蠢入验识澍繇究援梅之阗遂行技零秘调，著建立 了国家公共图像库以利于人脸识别的研究。 疆羞毒会豹发爆，各个方嚣鼹捷这鸯效豹窦动身黪验涯懿要隶窭薤追 切。由于生物特，征是人的内在属性，熟有很强的自身稳定性和个体差异 毪，因此怒身份黢涯豹最理想绞提。这其中，列蠲人脸特缝避耄亍身份验 证又是最自然、最直接的手段，相比其他人体生物特征，它具有友好、 方硬的特点，易予为媛户赝接受。 9 1 i 恐怖袭击事件后，国际戚恐形势异常严峻，安全保障显得更为重 要，对人爱身玢灼确认，防止不法人员混入重要会议、重要场辑也成为 安垒保障的重要组成部分，人脸自动识剐系统研究的实际应用价值得以 更充分显残。 西前，美国等瞄有许多研究小组在从事人脍识剐技术的研究，这些研 究受到军方、警方及大公司的离度重视，并因此获得大量的资助。在我 国，人脸识别技术受到了国家8 6 3 计划的支持，有一些机构正在从事这 方戚的研究。 经过国内拜研究久员的近2 0 年的不懈努力，已有多种谈掰方法被提 出，某些方面的技术已经开始逐步成熟，也有一些特定条件下应用的产 品斑现。稳头部麓转、鬻荣光强鲍差黪黻及复杂多样斡面部表情交纯给 人脸识别系统的实际应用带来了很大的困难。此外，我国人脸图像摩的建 立还未成蘩，这不稠予赞对黄释天a 验特性豁人验谖巍磷究静或采共享 和评价。所以，目前的人脸识别投术离实用化尚有一定距离。客观地讲， 到秘蘸为囊，霞没骞一耱逶瑁豹整棼豹谈刘雾法被褥密，久猃谖剽爨然 是一个未被解决丽急需的问题。 前育 本文创新点 1 首次提出独立多维分量分析理论，并和用核函数梅选出相应算法。 独立多维分量分析理论怒独立分量分孝斤理论的延伸和一般化扩展。 2 以核主成分作为特征向纛，使入脸识剐系统疑有很强的区分库与 非库人脸的能力。 3 班穰主成分向量代替主成分离蘩作为猿立分爨分丰斤静输入数据， 使原有独立分量分析识别人脸方法的性能显蔫提高。 4 将独立多缭分量分析方法应靥戮a 脸谈澍，获得了撮菇蘸1 次匹 配正确率和前1 0 次匹配正确率。 本文结构安排 本文分六章，备章内容如下： 燕一耄入验识剿翊鬏综透 第二章核主成分分析 第三搴独立残努分援 第四章独立多维分鬣分析 第五章人验汉剃实验 第六章结束语 2 第一章 脸识别闯题综述 1 1 引言 第一章人脸识别闰甏综述 透寒人类避行久笼识爨铱纛粒戆鲎器富怒戆；疆觉、砺觉、唉踅、 继觉等，一般入脸的识剐可娃蠢荦个的感觉舔露完成，也可隘蠡l 多个感 觉器官配合实现。而本文讨论的人脸识别指计算机人脸识别，其利用的 主要是视觉数据。计算机人脸识别有广义和狭义之分。广义的计簿机人 脸识别包括( 如图1 - 1 ) ：( 1 ) 人舱检测：判断输入豳像中是否存在人脸，如 果有，绘爨每个人验豹整重，大，j 、；( 2 ) 覆部特援撬取：对找囊戆每个入验， 对其主要特，鬣邋毒亍疆取；( 3 ) 入羧眈对：根据霆部特，疰，判颧该入黢身份 信息。 图像或 程菝澎捌 入脸检测 面部特征提取 图1 ，1 广义的计算机人脓识别 身秘 - - 4 久验梭溺瓣基零愚爨是躅籀滚或统计兹方法游久验建摸，魄较辑鸯 可能的待检测区域与人脸模鍪的匹配度，从而褥到霹能存在人脸的区域。 其方法大致可分为基于统计和基于知识两大粪。前者将两人臆图像视为 一高维向量，从而将人脸检测问题转化为高维嫩间的分布信号的检测问 题；而后者则利用人的知识建立若干规则，从黼将人脸检测问题转化为 缓凌，检验勰鬻。 狭义靛计算橇入齄识裂只包括特征提取窥灭艟对昆两帮分，这也是 通常所说的人脸识别的含义( 本文中所述的人脸识别即指狭义的计算机 人脸识别) 。 人脸识别的研究涉及模式识别、图像处理、生理学、心理学、认知 爨学，与慕予箕缱釜勃特征瓣爨谂鉴裂方法 奠教诗算规天飙惑知交互领 域都有密镯联系，受限予对入黉本身谖羽系绕懿认知程度。最零的关于 人脸识别的研究可以追溯到1 9 世纪末c a l t o n 发表在n a t u r e 上的两篇论 文1 1 , 2 1 ，当代学者参与这一课蹶的研究从本世纪六十年代开始，八十年代 蔫一牵人艟镶别旃题综述 末九十年代裙，由于各方面对人脸识裂系统的漶切需求，太脸谖涮的研 究重新变樗非常热门。近几年来关于人脸识别的研究取得了很大进步， 国际上发袭肖关论文的数量大幅增长，e i 检索副的相关文献就达数千篇， i e e e 的p a m i 汇刊还于1 9 9 7 年7 月出版了人黢识别专辑，每年的国际 会议土关予入羧谖剽爨专瑟纛屡溪胃显。 生理学豹研究表嚼睁j ，人袋筏露骥上存在耱疯层次和毫屡次豹维脏。 其中，底屡次的细胞对空间的响应和小波变换的结果相似，而简层次的 细胞则依据一群底层次细胞的响应，做出具体的线、面以至更麓杂几何 形状的响应【3j 。因此，在人的视觉识别系统中，人脸的识别是一个底层 次特征识剐秘嚣层次特征识别共圊 乍用的结象。我翻在远楚辨认人，主 要蹩整傣谈到，这鞠当予是繇麓次特征识鬟；凌透韪识剐入验辩，主要 识别部件的形状，这可以认为是高层次特征识别。由此，我们可毗这样 理解，那烘邋过对大量图像糕体处理得到的特征属于底层次特缀，而线、 面、乃至璺复杂几何形状的描述特征为高层次特征。这样，图像k l 变 换螽豹系数黪撼、小渡变换矮姻系数特征及一魑统计特征均属予底层次 穗莲夔范嗨，嚣久整懿部释形狡熬努撰壤暴纛为蹇垂豹萼荨霞豹藏跨。整 是需要指嬲，人脸的各部件对识剐的贡献也丈不相同，如鼹膪张嘴巴的 重要程度灏远大于鼻子，人脸的上半部分的爨鼷程度大于人脸下半部分； 具有歪嘴、斜跟等特殊特征的人脸更容易被识别，相反，没有个性的人 脸相对就嚣骥踅长的时闼来辨认1 4 】。 蘧萋教会懿发震，务令方嚣辩捷速有效瓣爨凌隽癸验谣麓簧裳瑟蓥 追切。由予嫩物特征是人的内在属性，具有缀强的自身稳定性鞫个体差 异性，因此是身份验证的最瑷想依据。这其中，利用人脸特征谶行身份 验证又是墩自然真接的手段。相比其他人体生物特征，它具有崴接、友 好、方便的特点，易于为用户所接受”3 。虽然人脸识别的研究现在还限 于实验范强，餐是宅豹潜亵疲蘑领域手势广泛。麸应建豹囊度，入验识 别包括两大癸：1 、人脸身份谈羽：邵禳摇入验图像识裘出入谚静身份， 解决是谁的问题；2 、人脸身份确认或验证：判断图像中的人脸鼹谮是指 定的人，即解决是不是某人的问题。表1 给出了人脸识别的一姥具体应 用。 1 2 又酸特征浚嬲方法综遴 人脸识别本质上是三维鹚性物体二维投影图像的匹配问题，它的困难 4 第肇人验识别闽题综述 表1 1a 般识别技术的一些典型应用举例 应用领域 具体应用项目 驾驶撬熬蛰瑾、国民身份滋罄毽、 职髓部门的智能证餐壤 护照管聪、选民登记系统 计算机的鼗录系统、数据麾照录系 售惑安全 统、文搏嬲蜜技术、蜀域潮餐理、 医疗记录、安全交曩签螭 智能门禁、智能视频监控、公安布 国家安全、军事安全和公莛安全 控、海关身份验证 各类银行卡、金融卡、信用卡、储 融事和经济领域 蓄卡的持卡人的身份验证 能够识剐主人身份智能嚣艇、家政 家庭娱乐等领域 机器人，具有真实面像的廉拟游戏 体现在：( 1 ) 入脸望住交形 建表情等) 的不确定往；( 2 ) 人簸模式静 多样性( 如嘏须、发型、眼镜、化妆等) ；( 3 ) 图像获取过程中的不确 定性( 如光照的强度、光源方向等) 。识别人脓主要依据人脸上的特征， 也就是说依据那些在不同个体之间存在较大麓弊丽对于同一个人则比较 稳定的度爨。峦予人验交纯复杂，因j 琏：特征表述鞠特征提取十分翻建。在 对久验蚕像遂彳亍特征撬取和分炎之嚣一般翥簧徽尼鹰羟一嵇羁获波翔一 化。几何! 离化是指根据人脸定位结果将圈像中人脸变换到同一能置和同 样大小：灰度归一化是指对图像进行光照补偿等处理，光照补偿能够一定 第一章 脸识别问题综述 程度地克服光照变化的影响而提高识别率“1 。 1 2 ，1 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、 大小和结构上的各种差异才使得世界上每个人脸干差万别，因此剥这些部 件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特 征最早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若 干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。 j i a ”1 等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新 意的方法 采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重 要特征点的位置和眼睛等重要器官的几何形状作为分类特征”。，但r o d e r 对几何特征提取的精确性进行了实验性的研究，结果不容乐观”1 。 可变形模板法”可以视为几何特征方法的一种改进，其基本思想 是：设计一个参数可调的器官模型( 即可变形模板，如图卜2 所示) ，定 义一个能量函数，通过调整模型参数使能量函数最小化，此时的模型参数 图1 2 可变形模板法的眼模型和哺模 王虢 h e i g h t f 即作为该器官的几何特征。这种方法思想很好，但是存在两个问题，一是 能量函数中各种代价的加权系数只能由经验确定，难以推广；二是能量函 数优化过程十分耗时，难以实际应用。 基于参数的人脸表示可以实现对人脸显著特征的一个高效描述，但它 需要大量的预处理和精细的参数选择。同时，采用一般几何特征只描述了 部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失， 更适合于做粗分类，而且目前已有的特征点检测技术在精确率上还远不能 满足要求，计算量也较大。 满足要求，计算量也较大。 6 第一章人脸识别问题综述 1 2 2 基干特征脸( e i g e n f a c e ) 的方法 t u r k 和p e n t l a n d 提出特征脸的方法，它根据一组人脸训练图像构造主 藏分子空麓，蠹予主元爨有验豹彤装，遣稼隽将薤黢( 翔嚣l 一3 繇示) 。 识别时将测试图像投影到主元予空间上，得到一组投影系数，和各个已知 人熬a 验图像毙较避孳亍谈嬲。在 1 2 中m o g h a d d a m 等报告了鹚当好戆结 果，在2 0 0 个人的3 0 0 0 幅图像中得到9 5 的正确识别率，在f e r e t 数据库 上对1 5 0 耀疰嚣人脸图像只有一个误识剜。毽系统在送行特纭捡识剃方法 之前需要作大量颓处理工作如归一化等。在传统特征脸的基础上，研究者 注意到特蔹僮大的特征囱量( 鄹特缸黢) 著不一定是分类性能好的方囱， 据此发展了多种特征( 予空间) 选择方法，如p e n g 等的双子空间方法n ”、 s w e t s 等的线性歧义分析方法“、b e l h u e u r 等的f i s h e r f a c e 方法53 等。 l a n i t i s 、t a y l o r 和c o o t e s 在此基础上进步提捩；了一个形状和灰度分离的 模型 1 “，即从形状、总体灰度分布、局部灰魔分布3 个方面米描述个人 脸。其中，点分布模型用朱描述入脸静形状，该点分布模型中是用每点的 局部灰度信息来描述人来年的局部灰度特征；然后用点分布模型将图像进 行变形，瞳生成形状无关入脸，褥傲特征脸分幸厅，飘黼得到人脸的慧体灰 度模式分布特征。构成该方法的基础仍是特征脸方法，一般在特征脸方法 中，是由行或歹l 赫描后静人脸霞像数摄来生成特 正验予空闯，这曩涮对应 与3 种不同类型参数生成的3 种特征子空间。试验中，这种方法用于三维姿 态复原、身份识臻、往剩谖羽、装猿谖期缢及入验熏建鹭彀褥了一定款效 果【l6 1 。 图1 3 由o r l 数据库得到的特征脸 第一章人脸识别问题综述 事实上，特征脸方法是一种显式主元分析人脸建模，一些线性自联想、 线性压缩型b p 网则为隐式的主元分析方法，它们都是把人脸表示为一些 向量的加权和，这些向量是训练集叉积阵的主特征向量，v a l e n t i n 等对此 做了详细讨论1 。 总之，特征脸方法是一种简单、快速、实用的基于变换系数特征的算 法，但由于它在本质上依赖于训练集和测试集图像的灰度相关性，而且要 求测试图像与训练集比较象像，所以它有着较大的局限性。 1 2 3 基于弹性模型( e i a s t i cm o d e i ) 的方法 l a d e s 等人针对畸变不变性的物体识别提出了动态链接模型( d l a ) ， 将人脸用拓扑图( 实际是一个二维网格图) 来描述。拓扑图的任一顶点都 包含一特征矢量，这个特征矢量就是人脸经小波变换后的特征矢量，边则 表示拓扑连接关系并用几何距离来标记。l a d e s 等人在此基础上定义了拓 扑图间的距离，并以此作为识别的依据“引，此方法的缺点是计算量非常 巨大。为了减少运算量，k o t r o p o u l o s 和p i t a s 提出了一种弹性匹配的改进方 法，即将k l 变换应用于小波变换，来生成二维网格中顶点的矢量串，以 减少其维数，从而大大减少了表达一幅人脸所需要的特征数量，而识别率 不会明显下降【”】。 w is c o t t 等人采用人脸基准点，而不是采用二维网格 作为拓扑图的节点，同时节点特征也是小波变换特征，即它忽略了除重要 人脸部件以外的特征数据，这样把研究的重点直接定位到感兴趣的区域 ( 见图1 4 ) ，获得比l a d e s 更好的识别率1 2 o ”j 。 图1 4 重要人脸部件拓扑点图基准点的选取 n a s t a r 等将人脸图像i ( x ，y ) 建模为可变形的3 d 网格表面( x ，y ，i ( x ，y ) ) ， 从而将人脸匹配问题转化为可变形曲面的弹性匹配问题瞳舶。利用有限元 分析的方法进行曲面变形，并根据变形的情况判断两张图片是否为同个 第一章人脸识别问题综述 人。这种方法的特点在于将空间( x ，y ) 和灰度i ( x ，y ) 放在了一个3 d 空 间中同时考虑，实验表明识别结果明显优于特征脸方法。 1 2 4 神经网络方法 目前神经网络方法在人脸识别中的研究方兴未艾。v a l e n t i n 提出一种 方法，首先提取人脸的5 0 个主元，然后用自相关神经网络将它映射到5 维 空间中，再用一个普通的多层感知器进行判别，对一些简单的测试图像效 果较好“”。p a n 和b 0 1 0 u r i 提出先将图像进行离散余铉变化，再将前3 5 个 变换系数( 占系数总数的0 3 4 ) 送入到多层感知器进行判别的方法，这 种方法在减少了多层感知器的节点数同时取得了较好的效果，节点数的减 少使训练速度较快”。i n t r a t o r 等提出了一种混合型神经网络来进行人脸 识别，其中非监督神经网络用于特征提取所以这种方法而监督神经网络用 于分类”“。l e e 等将人脸的特点用六条规则描述，然后根据这六条规则进 行五官的定位，将五官之间的几何距离输入模糊神经网络进行识别，效果 较一般的基于欧氏距离的方法有较大改善”“。l a u r a n c e 等采用卷积神经 网络方法进行人脸识别，由于卷积神经网络中集成了相邻像素之间的相关 性知识，从而在一定程度上获得了对图像平移、旋转和局部变形的不变性， 因此得到非常理想的识别结果”“。l i n 等提出了基于概率决策的神经网络 方法( p d b n n ) ，其主要思想是采用虚拟( 正反例) 样本进行强化和反 强化学习，从而得到较为理想的概率估计结果，并采用模块化的网络结构 ( o c o n ) 加快网络的学习，这种方法在人脸检测、人脸定位和人脸识别 的各个步骤上都得到了较好的应用”；其他研究还有：d a i 等提出用 h o p f i e l d 网络进行低分辨率人脸联想与识别”；g u t t a 等提出将r b f 与树型 分类器结合起来进行人脸识别的混合分类器模型眩引；p h i l i p s 等人将m a t c h i n gp u r s u i t 滤波器用于人脸识别”。 通常来说，神经网络方法在人脸识别上的应用有一定的优势，因为对 人脸识别的许多规律或规则进行显性的描述是相当困难的，而神经网络方 法则可以通过学习的过程获得对这些规律和规则的隐性表达，它的适应性 更强，一般也比较容易实现。但是文献 3 1 对于自组织神经网络的分析给 出了相反的结论，该文认为采用自组织神经网络的p 个节点来表达原始的 n 个输入( p n ) ，对于p 个输出进行分类的识别效果仅相当于提取人脸特 征子空间向量后进行的识别分类，因此采用此类神经网络进行识别的效果 只能是特征脸水平。此外， 3 1 认为神经网络是针对诸如性别判断等识别 第章a 验识别闽题综述 问题最优方法。 1 2 5 基于隐马尔可夫模迎f h id d o nm a r k o vm o d e l h u u ) 的方法 关予稳蕊尔萄夫过程夔磷冀开始予二+ 夔筑六年我寒七卡年伐褪。 b a u m 和他的阊时发表了一悉捌有代表往的文章p “3 6 】。f s a m a r i a 缀早将 h m m 用予人脸识别 3 7 , 3 8 1 。根据h m m ，表征人脸的特征向量构成一个观测 序列。观测序列被认为是由糟千的状态产生的。状态处于隐层，煨不可观 测的。s m a r i a 采用了具有5 个状恣的左右型h m m 模型，用个矩形瞽从上 翻下采撵入羧嚣缘，将塞蠹熬象素接戒捌囱量，瘸灰度值终先戏溅谴，采 样窗前蓐黧爨，以保证露察廖剃的连续洼。这静方法缺陷较大，受光照兹 影响很大，而且所需的存储激也巨大。 n e f i a n 发展了s a m a r i a 的方法，提出了基于2 d d c t 特征提取的方法 3 9 , 4 0 。与s a m a r i a 的方法相类似，n e f i a n 将每一个人脸用一个h m m 模型来 我替，对采移塞透孳亍2 d d c t 交换，曩3 9 个2 d d c t 系数 睾为蕊察序列，这 在一定程度上解决了s a m a r i a 豹方法鲍大存赣爨竣陷，毽谖爰搴爨麓不大。 选择h m m 进行人脸识别的合理性在于同一个人的各种变化可以看作 是同一组状态产生的一系列燕现，而不同的入可以用不同的h m m 来表现。 h m m 对人脸的描述和识别，不是孤立的利用一贱数值特征，而魑把这些 特征弱一个状态转移模型联系起来了。 1 2 6 其他方法 b r u n e l l i 等对模板匹配方法作了大量实验，结果表明在尺度、光照、 旋转螽度簿嚣耱条 孛稳定懿情况下，搂扳江配的效暴优于其勉方法”， 毽它霹竞照、旋转琴霉表演变纯魄鞍簸感，影豌了它静壹接使瘸。 g o u d a i l 等人采用局部自糟关性作为人脸识别的判断依据，它其有平 移不变性，在脸部表情变化时比较稳定“ k r u iz i n g a 和p e t k o v 利用光流算法近似估计人脑视觉突触上方向选择 细胞感知的皮层图像，利用这些皮层图像代饕原始人脸图像进行识别，皮 层图豫不受光慧条 孛瓣影虢，爱瑷谈裂效暴鞍磐弭引。毽跫这秘方法绞诗 算是非常簸杂的，对于一个1 0 0 0 幅图像的人黢麾，搜索一次需鬃逅1 0 0 个 小时。 n a k a m u r a 提出了一种等密度线的方法h 钔。该方法利用灰度级等密度 1 0 第一章人脸识别问题综述 线图来表示人脸，这间接反映了人脸的一些三维信息，其把人脸图像的亮 度看作是地图中海拔高度，那么等密度线对应于等高度线。这种方法对于 被测试图像一些外观( 眼睛、胡须、化装) 变化有较好的适应性。 此外，b e n a r i e 等提出v f r 的表示框架并将它用于人脸识别的工作 扪。v e t t e r 等人讨论了由单幅人脸图像生成其他视点的人脸图像的可能性 ”。l a m 等人研究了不同视点下的人脸匹配和识别问题”“。m i r h o s s e i n i 等则探讨了多种信息融合的人脸识别方法“。 第二章核主成分分析 2 1 亏l 言 第二章核圭成分分析 主成分分析法( p r 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 ) 是种很有用的 多元统计分析方法，它作为一种基本数据分攒方法露着广泛的应用范围。 实际谍题中，为了龛面分析问题，往往摄出很多与之相关的变量( 或 因索) ，因为每个变量都在不同程度上反映着这个课题的某些信息。但是， 在糟统计分析方法研究这个多变量课颥时，交麓个数太多又会增加课题分 析的复杂性。人们自然希望变墩的个数较少丽得到的信息鞍多。在很多情 形，变量之间是裔一定的相关关系的，当两个黛量之阔有一定裙关关系时， 可以解释为这两个变量反映这个课题的信息肖一定的重迭。于是从数学上 来考虑，整求畜一种数学方法，对予蘸先提寤浆所裔变量( 设为p 个变量， p 2 ) ，建立q 个新变量( q p ) ，一则这q 个新变量是两两不相关的，二 弱簧求这q 个薪变量在爱浃谦联静信息尽爵麓保持器鸯豹售患鑫搴藤剜下， 使q ，但女( z ，y ) 的计算复杂度要遥远小于 c ( x ) ，多( 力 瓣计算复杂度。 2 4 2 多项式棱数( p o l y n o m i a lk e r n e lf u n c t i o n ) 5 1 1 对于d r 变量盖= ( 葺，_ ) ，称其向量值函数： 骰固：瑟，弧，凰，凰，皿毛，焉扩，霭勃盈亏，函盈而，扣瑚( 2 - 6 ) 为二次基函数。用类似的形式也可以描述1 1 次蕊激数e 可以得到： 锄0 凯 科 阵。 矩上m 磋 弘 阱料 氰 川 双 种 分 豁 嫩 叭 将 0 款 化 对 b 中 第二章核主成分分析 = 1 + 2 蔗只+ 譬f + 2 五t 只” 竺( 十1 ) 2 为二次颂核函数。 。( x ) 有( d + 2 x d + 项，那么实现c ( x ) ，m ( y ) 要进行( d + 2 ) ( d + 3 次乘 运髯和d ( d + 3 z 次的加运算，( + l y 只需送行d + 1 次乘运辣耱d 次加运 冀。二次璜核函数是列翅核邈数麓化姆薤空潮凌积运算豹最蹇观示铡。 类似的方法可以证明，对应于n 次基函数的核函数是： k ( x ，y 产( ，y + 1 ) 。( 2 8 ) 这类核函数统穗为多项式核函数。 2 5 攘圭成分分耩( k e r n e lp r i n c i p a lc o m p o n e n ta n a l y s i s ，k p c a ) 定义嚣线性默射审：掣_ f ，窆阕f 懿缍数t 跫任意浆，一般要魄n 要大 很多。那么相应于在掣上观测样本集如，t ，+ ，我们在空间f 上褥到样 6 = 击善【辔瓴 一去善审魄疆币( 置 一去莩审( 薯努( 2 - 9 ) 本榘。则谯空间f 上的样本协方差矩阵是： 对0 做特饭值分解，有； 丑x ； ( 2 - 1 0 ) 英中，五，i = l2 一f 表示0 豹特征德，i 熙辩，i = 1 ，乏一t 袋示与之对应的特餐 向鬟。显然，所肖非零特征值五对应的特征向量k 6 删啡瓢l 吣卜- 似k ) ) ， 所戳有： ；，= a 。【m ( t ) 一去o ( t ) ( 2 1 1 ) 蚺张i 日 而且，由( 2 - 1 0 ) 式有： 五 = 垂( 五) ，c v , ，h 2 1 , 2 ，m 2 - 1 2 ) 则： 斡 吃( ：一，3 ) 塑三差堕圭盛坌坌堑一 一 取菲线性映射为n 次基函数，并定义矩眸： f 瓴，蕞) k ( x ；，x ：) 一女瓴 x ；l 2 ( _ 。，) ( 气，。：) p 玉 + i 砖( b ，卜( 知鞠 f 2 1 4 ) c m 魄) 一去善。瓴) ，中( 站一击善州哟 ，。 删洲枷一蒜c 嗡嘲，一击善 + 击善善 槽线 ：羹一去笔，疋一击姜巧t 。+ 古羹善1 一瓦1 n 邓一去l 弦击砜+ 吉l 川， 。一5 箕中i 。是虢疆静元豢垮必l 豹簪箨。郡么( 2 1 3 式被霹为： 置弘，击1 玄烈“+ 旁k l 。， ：去善蓦& 一去t 。k 一击k t 。i i k 1 ) ( k - i l w 茬一吉戤w + 击1 w 粥 啦。邻 记 k = k _ i 。l k - ! + 。砜+ 古1 闺。( 2 - 1 7 ) 戴： f 2 1 8 ) 式鞠下式丽解： m 是x 啦= 费呸 m a ，a 。= k a ( 2 - 18 ) ( 2 - t9 ) 稻瓣罢：泛慧篙：煮霎言? 姜案篱警芝鬻黧。 我们知道，解( 2 1 0 ) 戏时，黉求n b 2 l ，囱2 - a 俐： 艺芝吒岱，。 = 杰 = 蓦甜i x 卜击喜( t 力 ，k - 1 ，2 ，m 。珑 = 【七“) 一玄善膏( t ，x ) 心- 1 # 叫” 燕兰里茎圭壁坌坌堑 这里总络核主成分分析的步骤如下： ( 1 )根据需要选择非线性影射m ，计算矩阵k 。 ( 2 )计算k 的特征值和标准化特征向量。 ( 3 )计簿特征空间上的主成分。 2 。6 棱圭戚分分柝特性 核主成分分析和主成分分析的相同特性是： ( 1 )备主元间互不相关。 ( 2 )大特链篷对应戆圭藏分窘畜更多魏痿懑e ( 3 )怒最小均方意义下簿蟥优维数约减方法。 核主成分分析和主成分分析的不同特性是： ( 1 ) 核主成分分析提取的主成分数量可以越过输入样本维数，更好地 利用了样本信息。 ( 2 ) 蜜予婆线毪影翦辔豹孳| 入，核主藏分分辨实嚣土剥月了输入样本 的部分离阶统计蒋瞧。 第曼章独立分量分析方注 3 i 引言 第三章独立分量分析方法 在统计学、信号楚理秘享孛缀瓣终磅究中豹一拿中心谂蘧是热露狡遥一 个合适的变换使原有多维数搬按照实际研究的灞簧被更好地描述逛来。 无论模式识别、数据压缩、噪声去除、数据可视化还是其他的一烘研究 领域，这种糍换一般必不可少。 定义= 舶如，局 7 为m 维随机向量，用个m 维向量的向量值 蘧数产 ，是，】7 怼宅避行变换，交换终聚为 垮 乃。豇，儿 7 ，那么交按可淤表示为净，御。为了构造帮诗簿麓荤， 这种变换通常被选为线性变换，这时可以简单地表示成j ，= f x , 篡中为 变换矩阵。线性变换方法很移，实际操作中又都有各自的最优化准则， 这些准则通常是基于最优维数约减、基于期望统计特性、基于变换简单 牲等。鬻翔线瞧交换方法有主藏分分凝、授影罨路( p r o j e c t i o np u r s u i t ) 5 2 , 5 3 1 、霹予分析( f a c t o ra n a l y s i s ) “、冗余癌约( r e d u n d a n c y r e d u c t i o n ) 0 2 + 3 引等。近年来激起的一种新的线性变换方法叫做独立分量 分析( in d e d e n d e n tc o m p o n e n ta n a l y s is ，i c a ) ，它使变换后随机向量的 各维数据s ，问变得充分统计独立。这种方法的使用大大降低数据的冗余 度，搜数攒款一些本乐特性( 铡翅聚类特性) 怨以嶷现”“。 在不离题闼点售号镶统计猿立穰设下豹售号蛮翡繇( b l i n d e q u a l i z a t i o n ) 1 5 6 】方法被认为鬣独立分量分析的溅论先导。如果不考虑在观 测值中有噪声成分的影响，独立分量分析可以理解成投影寻踪的个特 例，或实现冗余归约的一种方法。如果考虑观测值中有噪声影响，独立 分量分手厅w 潋理解戒菲高戆燃觳予分析。虽然烹成分分析缓设数据成分 为离袈牲，疆立努量分孝嚣缓竣数据成分荛菲瓷簸淫，毽是独立分蘩分褥 和非线性主成分分析( n o n l i n e a rp r i n c i p l ec o m p o n e n ta n a l y s i s ) 怒离度稆 关的【5 ”。 独立分凝分析作为一种隐含随机变量的估计方法，在统计学：裔= 义上成 为一种通用性方法，近些年获得了长足豹发展，已经在包括语帮信号分 离、磕磁蘩分辑、菝磁共振袋豫分辑、薮毫壤号分辑、耋然蕊缘噪声去 除、自然圈像特征提取、入黢谈别、入脸表 鬻谈别、金融数攥分橱、远 程通信等研究领域获得了成功应用。 第三帮独立分誊分析方法 3 2 独立分羞分析的基本舔理 3 。2 1 独立分量分蕾宠义 激茳熬文献中至少骞三耱美予独立分量分辑愆定义| 5 8 , 5 9 l 。 定义1 ：随机向量的独立分缀分析是通过慕种判决函数的最大化来寻 我一个线燃变换： s = w x ( 3 1 ) 镬s 的各戏分s ，闽趋囱予摆互绫 卡独立。盖楚观测数据，是个列形式 的随机向墩( 以下论述中都这样定义，穰不失般性的假设爿建零均值) 。 定义2 ：随规囱量的独立分璧分板怒话计如下的个数摄生成模型： x=as+n(3-2) 其中s = s ，s 。 7 为隐含随机向攫，它的各成分s ，间被假定照相互 统计独立的：矩阵彳q 做混合矩阵，怒m x n 维的：为州维随机噪声 向擞。 定义3 ：随机向量的独立分慧分析建估计耍瓣下的一个数据生成耩型： x=