（计算机应用技术专业论文）基于2dpca的人脸识别方法研究.pdf

摘要 在信息技术飞速发展的今天，信息安全显示出前所未有的重要性。电子商务、电子 银行、网络安全等应用领域更是急需高效的自动身份认证技术，生物特征识别技术以其 特有的稳定性、唯一性和方便性，得到越来越广泛地应用。 生物特征识别技术将信息技术与生物技术相结合，利用人体本身具有的物理特征 ( 如人脸、虹膜、掌纹等) 或行为特征( 如步态、签名、声音等) 来确定人的身份，以 取代或加强传统的身份识别方法。在生物特征识别技术中人脸识别是一个具有很高理论 和应用价值的研究课题。人脸是人类视觉中最为普遍的模式，它所反映的视觉信息在人 与人的交流和交往中有着及其重要的意义。人脸的特殊性，使得人脸识别技术成为最具 潜力的身份识别方式，并且日益受到人们的广泛关注成为模式识别领域研究的热点。 本文在对主成分分析作了深入研究的基础上，提出了一种改进的2 d p c a 人脸识别 方法。在训练阶段对人脸图像进行预处理，对训练样本集利用本文提出的方法计算主成 分分量，定义特征空间，对每一个训练样本确定特征系数矩阵；在识别阶段对检测样本 进行同样的预处理操作，并将其映射到由训练样本计算得来的特征空间之上得到一组 检测样本的特征系数矩阵；最后根据最小距离分类器进行识别验证。 本文分别在o r l 人脸图像库，y a l eb 人脸图像库，a m p 人脸图像库进行实验，验证 了本文提出的方法的有效性，并对本文的方法与传统的2 d p c a 方法进行对比，实验表 明，本文提出的方法在多表情的人脸图像中具有较好的识别效果，对表情变化具有一定 的鲁棒性。 关键词。人脸识别；主成份分析；2 d p c a ；特征提取 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fi n f o m a t i o nt e c h n 0 1 0 9 y ，i n f 0 珊a t i o ns e c u r i t ) rb e c o m e s m o r ea n dm o r ei m p o r t a n tt o d a y s o m ea p p l i c a t i o nd o m a i n sn e e de 衔c i e n ta u t o m a t i cp e r s o n a l i d e n t i f i c a t i o nt e c l l i l o l o 卧s u c ha se l e c 仃o nc o m m e r c e ，e l e c 仃o nb a l l l ( ，n e m o r ks e c u r i t ya n d s oo n b i o m e t r i c sg e t sm o r ea i l dm o r ew i d e l ya p p l i c a t i o ni nv i e wo fi t ss 讪i l i 坝u n i q u e n e s s 锄dc o n v e n i e n c e f r o mt h ew a r r a n t yo fe n 仃a n c et ol o c kc r i m i n a li nc r o w d ，a l l 羽嘭r e l a t e dt 0 t h em a r k e to f 印p l i c a t i o na n d 缸e n do f 如t i l r eo ft h i st e c h n 0 1 0 9 y b i o m e t r i c sc o m b i n e st l l ei n f o m a t i o nt e c l l i l o l o g yw i n lb i o l o g yt e c h n o l o g y ，w h i c hu s e s h u m 锄i i l l l e r e n t b i o l o g i c a lc h a m c t e r i s t i c ss u c ha sf a c e ，p a l m - 埘n t ，a n d 试s ，b c h a v i o r a lc h a r a c t e r i s t i c ss u c ha sg a i t ，s i g n a t u r ea n ds p e e c ht oc o n f i mp e r s o n a li d e n t i t yf 0 rr 叩1 a c i n go r s 仃e n g t h e n i n gt h et r a d i t i o n a lp e r s o n a li d e n t i f i c a t i o na p p r o a c h e s f a c er e c o g i l i t i o nh a sv e d r l a 玛ea c a d e m i ca i l dp r a c t i c a lv a l u e s i nd a i l yl i f e ，p e o p l ek n o w i n ge a c ho t h e ru s e sa tm o s to f p e r s o n sf a c e t h ev i s u a li n f o m a t i o nr e n e c t e db yf a c eh a si m p o n a n tm e a n i n ga n di m p a c t b e t w e e np e o p l e si n t e rc o m m u n i o na i l di n t e r c o u r s e b e c a u s eo fi t se x t e n s i v ea l l da p p l i e d r e a l m ，f a c er e c o g n i t i o nt e c h n i q u eh a sg o tt h ee x t e n s i v ec o n c e mw i t hs m d yi nn e a rt h r e ed e c - a d e sa n db e c o m et h em o s tp o t e n t i a lm e t h o do fi d e n t i t yr e e o g n i t i o n t h i sp a p e rp r o p o s e do n ek i n do fi i l l p r o v e dt w o d i m e n s i o n a lp r i n c i p a lc o m p o n e n t s a n a l y s i s w h i c h1 2 d - p c a ，t h ep e r s o n a lf a c er e c o 嘶t i o nm e t h o d s ，o nh a v i n gd o n et h eb a s i s s t u d y i n gw i t ht h o r o u 曲i n 酽e d i e n ta n a l y s i st om ep r i n c i p a lc o m p o n e n t f i r s t l y t 0c a 币e so n t h ep r e t r e a t n l e n tt ot h ef a c ei m a g e ，t h eu s eo ft h e 仃a i l l i n gs a m p l ec 0 1 l e c t i o n ，t h e1 2 n p c a m e t h o dw h i c hp r e s e n t si nt h i sp a p e rc a l c u l a t et h ep r i n c i p a lc o m p o n e n t ，t h ed e f i n i t i o nc h a r a c t e r i s t i cs p a c e ，a 仃a i n i n gs a r n p l eo fe a c hc h a r a c t e r i s t i co ft l l ec o e f f i c i e n tm a t r i x ；s e c o n d l y ，t h e r e s e a r c hg o tag r o u po fc h a r a c t e r i s t i cc o e f f i c i e n tm a t r i x o fd e t e c t i n gm a to nt h es a m p l e w i t hc a r i j e so nt h es i m i l a rp r e 缸e a t l n e n to p e r a t i o ni nm ev e r i f i c a t i o ns t a g et 0n l ee x a m i n a t i o ns a m p l e ，a n dm a p si ta b o v et h ec h a r a c t e d s t i cs p a c ew h i c hc a l c u l a t e sb a s e d0 nt h et r a i n i n g s a m p l ec o m e s ；i l lt h ee n d ， t h ee x p e r i m e n tw e r eus i n gt h em i n i m u mf r o mc l a s s i f i c a t i o n i m p l e m e n tt 0b ei np r o g r e s sf o ri d e n t i f i c a t i o nc a l c u l a t i n gd i s t a n c eb e 咐nt km o d u l u s c h e c k i n ga n d 仃a i n i n gt h es a m p l eb o o kc h a r a c t e r i s t i c w br e s p e c t i v e l yi no r ld a 讪a s ey a l ebd a t a b a s e ，1 ea m pd a 切b a s e1 l a sc a 晒e do u ta n e x p 舐m e n tv e r i f i e d2 d - p c af a c er e c o 印i t i o nm e t h o d sv a l i d i t yw r h i c h “sp a p e rp r o p o s e d ，t h e e x p e r i m e n th a di n d i c a t e dt h a tt h em e t h o do ft h i sp 印e rp r o p o s e dh a st h eg o o dr e c o g n i t i o ne f f e c ti nt h ec a l i b r a t i o nd a t a b a s ew i t hc a r r ) r i n go nt h ec o n t m s tb e t w e e nt h em e t l l o dw h i c hp r o p o s e d t ot h i sp a p e r 锄dt r a d i t i o n a l2 d p c a k e yw o r d s ：f er e c o g l l i t i o n ；p r i n c i p a lc o m p o n e 鹏a m l y s i s ；2 d p c a ；f e a t 哪ee x 打a c t i o n 独创性声明 本人郑重声明：所提交的学位论文是本，人在导师指导下独立进行研究工作所取得 的成果。据我所知，除了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。对本人的研究做出重要贡献的个人和集体，均已在文中作了 明确的说明。本声明的法律结果由本人承担。 学位论文作者签名：生l 型 学位论文使用授权书 本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规定，即：东 北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许 论文被查阅和借阅。本人授权东北师范大学可以采用影印、缩印或其它复制手段保存、 汇编本学位论文。同意将本学位论文收录到中国优秀博硕士学位论文全文数据库 ( 中国学术期刊( 光盘版) 电子杂志社) 、中国学位论文全文数据库( 中国科学技 术信息研究所) 等数据库中，并以电子出版物形式出版发行和提供信息服务。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 日 期： 学位论文作者毕业后去向： 工作单位： 通讯地址： 指导教师签名： 日期：熟，趟星：印a 电话： 邮编： 怒 东北师范大学硕士学位论文 第一章绪论 1 1 生物特征识别技术的背景及意义 网络信息时代的一大特征就是身份的数字化和隐性化，如何准确地鉴别一个人的身 份，有效保护信息安全，是当今信息化社会必须尽快解决的一个关键性问题。在我们的 日常生活中，信用卡、银行存折和网络登录身份验证等等，都需要我们保护好密码，因 为，由此所引发的一些社会问题非常普遍且相当严重。美国联邦贸易委员会在2 0 0 3 年9 月 3 日公布了一组令人震惊的数据，近五年来，美国一共有2 7 3 0 万人身份被他人盗用，由此 所造成的经济损失非常巨大，仅2 0 0 2 年就有9 9 0 万美国人的身份被盗用，所造成的经济损 失达到了5 3 0 亿美元。在公共安全方面，当今世界的恐怖活动引起了社会的广泛关注，而 假冒他人身份是恐怖分子最常用的伎俩；西方国家的监狱逃犯有一半以上是假冒他人身 份逃逸：网络黑客之所以能频频攻击他人的系统，其主要原因也是因为他们破解了一个 合法用户的口令。所有这些问题都说明，这种依靠标志物体或特定知识来确定个人的合 法身份的传统身份认证体系正面临着巨大的挑战，已无法满足现行社会的实际需要。随 着a t m 取款机、电脑、移动电话和门禁系统等电子设备步入日常生活，人类越来越依靠智 能卡、身份证号和码密码等保护措施来安全方便地识别身份。然而，这些传统的身份认 证方法( 智能卡、身份证号码、密码) 却易于丢失、窃取、伪造和遗忘，给生活和工作带 来极大的安全隐患。以信用卡为例，国际信用卡组织v i s a 的一个统计表明，全球每年因 伪卡、盗刷造成的信用卡的消费损失高达1 6 亿美金。在信息技术飞速发展的今天，电子 商务、电子银行和网络安全等应用领域更是急需高效的自动身份认证技术，传统的个人 身份认证己不能很好地满足信息时代对于信息安全的要求。如何才能更加安全方便地识 别每个人的身份呢? 悄然兴起的生物识别技术也许能解决这个难题。 由于人体的身体特征具有不可复制的特点，人们把目光转向了生物认证技术 ( b i o m e t r i c s ) ，希望可以借此技术来应对现行安全系统所而临的挑战。要把人体的特征用 于身份识别，这些特征必须具有唯一性和稳定性。4 1 。经验和研究表明，人的指纹、手部 血管分布、d n a 、脸形、声音、虹膜、视网膜等在一定程度上都具有唯一性和稳定性，即 每个人的这些特征都与别人不同，且终生不变，因此可以据此识别出人的身份。基于这 些特征，人们发展了指纹识别、脸形识别和语音识别等多种生物识别技术，目前许多生 物识别技术的研究都已经取得了一定的成果，有些已得到了初步的推广和应用。 总的来说，人体生物特征分为两大类：生理特征和行为特征。到目前为止，生物特 征识别技术主要有1 0 种身份识别方法： ( 1 ) 虹膜识别：利用世界上任何两个人的虹膜都是不一样的特征来进行身份鉴别。即 1 东北师范大学硕士学位论文 使是双胞胎虹膜也各不相同，而且人的虹膜在一岁之后便不再发生变化，识别系统利用 一台标准摄影机对用户的眼睛进行扫描，然后将扫描图像转化成数字信息与数据库中的 资料核对以验证身份。但是，目前的虹膜识别系统的价格还比较昂贵。 ( 2 ) 视网膜识别：视网膜也是一种用于生物识别的特征，有人甚至认为视网膜是比虹 膜更加唯一的生物特征，视网膜识别技术要求激光照射眼球的背面以获得视网膜特征的 唯一性。 ( 3 ) 人脸识别：人脸识别是人们最早使用的生物识别技术之一，是指利用计算机分析 人脸图像，进而从中提取有效的识别信息，用来“辨识”身份的一门技术。随着社会的 发展，利用计算机来进行人脸识别的研究与应用越来越受到了广泛的关注。 ( 4 ) 指纹识别：指纹识别是最古老的生物特征识别技术，在很多领域中都得到了成功 的运用。指纹指的是指尖表面的纹路，其中突起的纹线称为脊，脊之间的部分称为谷。 指纹的纹路并不是连续、平滑流畅的，而是经常出现中断、分叉或转折，这些断点、分 叉点和转折点，称为细节( m i n u t i a e ) ，就是这些细节提供了指纹唯一性的识别信息。指纹 的识别主要包括三部分：特征抽取、指纹分类和匹配决策。 ( 5 ) 掌纹识别：掌纹识别是近年来兴起的一种身份识别技术，是对基于指纹和手形的 身份鉴别技术的重要补充。掌纹上乳突纹、皱纹和屈肌纹等形态各有规律，而且易于提 取，因此掌纹具有稳定性、唯一性和可分性的特点，使得掌纹可以通过计算机分析和识 别。 ( 6 ) 耳廓识别：人的耳廓是个体形态的组成部分，耳廓上的耳轮、耳屏和耳垂等多个 部位的宽度、弧度、位置、形态和形状及其相互关系，构成了个体耳廓所固有的相对稳 定的特征，这些特征可以有效地被用来进行身份识别。 ( 7 ) 体味识别：即人体气味，指人体不间断地向周围环境散发出的能使鼻子和大脑皮 层产生某种嗅觉的挥发性物质。体味是人体固有的、相对稳定的内源性气味。每个人体 味的化学成分各不相同，因而可用来进行身份识别。 ( 8 ) 步态识别：是指每个人走路时特有的姿态，可实现远距离身份识别。 ( 9 ) 声音识别：声音识别是一种行为识别技术，同其它的行为识别技术一样，声音的 变化范围比较大。很容易受背景噪声、身体和情绪状态的影响。一个声音识别系统主要 由三部分组成；声音信号的分割、特征抽取和说话人识别。 ( 1 0 ) 签名识别：签名作为身份认证的手段已经用了几百年了，而且我们都很熟悉在 银行的格式表单中签名作为我们身份的标志。将签名数字化是这样一个过程：测量图像 本身以及整个签名的动作一一在每个字母以及字母之间的不同的速度、顺序和压力。签 名识别和声音识别一样，是一种行为测定学。 在众多的身份识别方法中，人脸识别技术因其无需用户过多参与、非接触式的数据 采集方式、对用户无任何损害和便于隐藏等优点而普遍为人们所看好，被称为2 1 世纪最 有前途的身份识别技术之一。 人脸识别是通过计算机分析人脸图像，并从人脸图像中提取有效信息进行身份识别 的过程，具体来说就是首先判断图像中是否存在人脸，如果存在，则进一步确定每张人 2 东北师范大学硕士学位论文 脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息进一步提取每张人脸 中所蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸所代 表的个人的过程。与指纹、视网膜、虹膜和基因等其它人体生物特征识别系统相比，人 脸识别系统更加直接、友好，使用者无任何心理障碍，因此，人脸识别已成为当前人工 智能领域和人体生物特征识别技术的一个重要发展方向。 1 2 人脸识别技术国内外研究现状 人脸识别研究的发展历程：2 0 世纪6 0 年代末至7 0 年代初，人脸识别研究刚刚起步， 最早的研究者是b l e d s o e 旧1 ，他建立了一个半自动的人脸识别系统，主要是以人脸特征点 的间距比率等参数为特征。近几十年人脸识别研究逐渐发展，并在9 0 年代成为科研热点。 虽然人类识别能力很强，能够记住并辨别上千个不同人脸，可是计算机则困难多了。其 主要原因有：人脸表情丰富；随年龄变化而变化：人脸所成图像受光照、成像角度及成 像距离等影响。而从二维图像重建三维人脸是病态过程，目前尚没有很好的描述人脸三 维模型。另外人脸识别还涉及到图像处理、计算机视觉、生理学、心理学和模式识别等 学科，也与认知科学紧密相关。最早的人脸识别和指纹识别一起作为识别身份的手段进 行研究，但由于人脸结构的复杂性和其他因素对人脸识别的干扰使人脸识别成为一项极 富挑战性的课题。当今信息时代的要求，如公安系统罪犯身份自动识别、银行、海关的 自动监测识别系统以及自动门卫系统的需求加速了人脸作为身份鉴别的研究。人脸识别 的发展可分为以下几三阶段： 第一阶段( 1 9 6 4 一1 9 9 0 年) 这一阶段人脸识别通常只是作为一个一般性的模式识别问题来研究，所采用的主要技 术方案是基于人脸几何结构特征( g e o m e t r i cf e a t u r eb a s e d ) 的方法。这集中体现在人们对 于剪影( p r o f i l e ) 的研究上，人们对面部剪影曲线的结构特征提取与分析方面进行了大量 研究。人工神经网络也一度曾经被研究人员用于人脸识别问题中。较早从事a f r 研究的 研究人员除了布莱索( b l e d s o e ) 外还有戈登斯泰因( g o l d s t e i n ) 、哈蒙( h 瞰n o n ) 以及金 出武雄( k a n a d et a k e o ) 等。金出武雄于1 9 7 3 年在京都大学完成了第一篇a f r 方面的博士 论文，直到现在，作为卡内基一梅隆大学( c m u ) 机器人研究院的一名教授，仍然是人脸 识别领域的活跃人物之一。他所在的研究组也是人脸识别领域的一支重要力量。总体而 言，这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得 实际应用。 第二阶段( 1 9 9 卜1 9 9 7 年) 这一阶段尽管时间相对短暂，但却是人脸识别研究的高潮期，可谓硕果累累：不但 诞生了若干代表性的人脸识别算法，美国军方还组织了著名的f e r e t 人脸识别算法测试， 并出现了若干商业化运作的人脸识别系统，比如最为著名的v i s i o l l i c s ( 现为i d e n t i x ) 的 f a c e i t 系统。 美国麻省理工学院( m i t ) 媒体实验室的特克( t u 伙) 和潘特兰德( p 如n a n d ) 提出 3 东北师范大学硕士学位论文 的“特征脸”方法无疑是这一时期内最负盛名的人脸识别方法。其后的很多人脸识别技 术都或多或少与特征脸有关系，现在特征脸已经与归一化的协相关量( n b 衄a l i z e d c o r r e l a t i o n ) 方法一道成为人脸识别的性能测试基准算法。 第三阶段( 1 9 9 8 年一现在) f e r e t 9 6 人脸识别算法评估表明：主流的人脸识别技术对光照、姿态等由于非理想 采集条件或者对象不配合造成的变化鲁棒性比较差。因此，光照、姿态问题逐渐成为研 究热点。与此同时，人脸识别的商业系统进一步发展。为此，美国军方在f e i 也t 测试的 基础上分别于2 0 0 0 年和2 0 0 2 年组织了两次商业系统评测。 基奥盖蒂斯( g e o 蹭1 i a d e s ) 等人提出的基于光照锥( n l u m i n a t i o nc o 聪s ) 模型的多姿 态、多光照条件人脸识别方法是这一时期的重要成果之一，他们证明了一个重要结论： 同一人脸在同一视角、不同光照条件下的所有图像在图像空间中形成一个凸锥即光 照锥。为了能够从少量未知光照条件的人脸图像中计算光照锥，他们还对传统的光度立 体视觉方法进行了扩展，能够在朗博模型、凸表面和远点光源假设条件下，根据未知光 照条件的7 幅同一视点图像恢复物体的3 d 形状和表面点的表面反射系数( 传统光度立体 视觉能够根据给定的3 幅已知光照条件的图像恢复物体表面的法向量方向) ，从而可以容 易地合成该视角下任意光照条件的图像，完成光照锥的计算。识别则通过计算输入图像 到每个光照锥的距离来完成。 布兰兹( b l a i l z ) 和维特( v e 掀) 等提出的基于3 d 变形( 3 dm o 舢a b l em o d e l ) 模型 的多姿态、多光照条件人脸图像分析与识别方法是这一阶段内一项开创性的工作。该方 法在本质上属于基于合成的分析技术，其主要贡献在于它在3 d 形状和纹理统计变形模型 ( 类似于2 d 时候的a a m ) 的基础上，同时还采用图形学模拟的方法对图像采集过程的 透视投影和光照模型参数进行建模，从而可以使得人脸形状和纹理等人脸内部属性与摄 像机配置、光照情况等外部参数完全分开，更加有利于人脸图像的分析与识别。b l a n z 的 实验表明，该方法在c m u p 匝( 多姿态、光照和表情) 人脸库和f e r e t 多姿态人脸库上 都达到了相当高的识别率，证明了该方法的有效性。 f e r e t 项目之后，涌现了若干人脸识别商业系统。美国国防部有关部门进一步组织 了针对人脸识别商业系统的评测f r 、，1 ，至今已经举办了两次：f r v t 2 0 0 0 和f r ：v t 2 0 0 2 。 这两次测试一方面对知名的人脸识别系统进行了性能比较，例如f r v t 2 0 0 2 测试就表明 c o 印i t e c ，i d c n t i 】【和e y e m a t i c 三个商业产品遥遥领先于其他系统，而它们之间的差别彳i 大。 另一方面则全面总结了人脸识别技术发展的现状：较理想条件下( 正面签证照) ，针对3 7 4 3 人1 2 l ，5 8 9 幅图像的人脸识别( i d e n t i 6 c a t i o n ) 最高首选识别率为7 3 ，人脸验证( v e r i f i c a t i o n ) 的等错误率( e e r ) 大约为6 。f r v t 测试的另一个重要贡献是还进一步指出了目前的人脸 识别算法亟待解决的若干问题。例如，f r 、，t 2 0 0 2 测试就表明：目前的人脸识别商业系统 的性能仍然对于室内外光照变化、姿态、时间跨度等变化条件非常敏感，大规模人脸库 上的有效识别问题也很严重，这些问题都仍然需要进一步的努力。 总体而言。目前非理想成像条件下( 尤其是光照和姿态) 、对象不配合、大规模人脸 4 东北师范大学硕士学位论文 数据库上的人脸识别问题逐渐成为研究的热点问题。而非线性建模方法、统计学习理论、 基于b o o s t i n g 的学习技术、基于3 d 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。 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 卡内基梅隆 机器人研究及交互系统实验室、马里兰大学( u m d ) 等。另外，一些国家或地区也有不 少研究机构在人脸识别领域进行了大量的研究工作。 9 0 年代中后期以来，国内的许多研究机构在自然科学基金、8 6 3 计划、攀登计划等资 助下，开始了对人脸识别的研究。其中主要包括清华大学计算机系、自动化系和电子系， 以及哈尔滨工业大学、南京理工大学信息学院、中科院自动化所、上海交通大学图像处 理与模式识别研究所、中山大学数学系等，他们在人脸识别研究领域都进行了许多很有 意义的尝试积累了经验。 1 3 人脸识别技术的应用 传统的身份验证一直以来都是通过目视识别持证人与其所持证件上的照片作比较来 完成的，所有基于照片对比的人脸识别工作均由人工肉眼逐张进行判别来完成。虽然人 工判断可以做到较为准确的比较及识别，但前提是判别人员必需经过长时间的专业训练 才能胜任此项工作，人的处理速度极其有限，无法长时间连续工作，精神是否集中也会 对判别结果造成影响；而随着时间的推移或借助于当今医学的整容技术，人的相貌可能 会发生很大的改变。所以，单靠人工辨别的方式根本无法在短时间内完成大量进出人员 的比对判别，也很容易会出现错判、漏判。而人脸识别系统就很好地解决了上述人工目 视识别的种种问题，系统具备操作简单、适用面广、支持一对一或一对多比对、支持多 点同时采集比对、带有数据库支持记录及查询功能，对采集现场环境要求较低，可在极 短的时间里判断出进出者的身份是否合法，杜绝使用他人钥匙、密码和磁卡等非法进入。 这样，系统一方面减轻了警卫人员的工作强度，另一方面系统不用依赖于警卫人员工作 时间长短、是否熟悉进出人员的长相。 人脸识别最初的应用源于公安部门关于罪犯照片的存档管理和刑侦破案。现在该技 术在安全系统、商业领域和日常生活中都有很多应用，主要有以下几类应用： 1 刑侦破案。当公安部门获得罪犯的照片后，可以利用人脸识别技术，在存储罪犯 照片的数据库中找出最相像的人作为嫌疑犯，极大的节省了破案的时间和人力物力。还 有一种应用就是根据目击证人的描述，先由专业人员画出草图，然后用此图到库里去找 嫌疑犯。罪犯数据库往往很大，由几千幅图像组成。如果这项搜索工作由人工完成，不 仅效率低，而且容易出错，因为人在看了上百幅人脸图像后，记忆力会下降而由计算 机来完成则不会出现此问题。 2 证件验证。身份证、驾驶执照以及其他很多证件上都有照片：现在这些证件多由 人工验证完成。如果应用人脸识别技术，这项工作就可以交给计算机完成，从而实现自 5 东北师范大学硕士学位论文 动化及智能管理。当前普遍使用的另一类证件是用符号或者条形码标记的，比如信用卡。 这类卡的安全性比较低，可能遗失、被窃取，使用场合( 比如自动提款机) 的安全性也比 较差。如果在这类卡上加上人脸的特征信息，则会大大改善其安全性能。 3 入口控制。需要入口控制的范围很广，它可以是重要人物居住的住所、保存重要 信息的单位，只要人类觉得安全性比较重要的地点都可以进行入口控制，比较常用的检 查手段是核查证件。人员出入频繁时，保安人员再三检查证件是很麻烦的，而且证件安 全性也不高。在一些保密要求非常严格的部门，除了证件外，已经使用了生物特征识别 手段，如指纹识别、掌纹识别、虹膜识别和语音识别等。人脸识别与这些技术相比，具 有直接、方便和友好的特点。当前计算机系统的安全管理也备受重视，通常使用由字符 和数字组成的口令( p a s s w o r d ) 进行使用者的身份验证，但口令可能被遗忘，或被破解，如 果将人脸作为口令，则既方便义安全。 4 电子商务。人脸识别在电子商务中也具有重要的应用。在在线金融、贸易活动中， 人脸识别可以提供客户的身份认证，并保证商业活动无拒付地良性运转。这对于交易双 方、银行都是很方便的，因为n op 烈t 0r c m e m b c r ，n op 小t of 酣g e t ”。电子商务通常是一 对一验证，图像质量较好。 5 视频监控。监控一般是在当事人不知道的情况下进行的。利用人脸识别技术，监 控者可以从大街上或进入大楼、机场的人群中找到自己要找的人。监控通常是一对多， 或多对多的识别。图像质量是不可控的，并且一幅图像中存在多个人脸，具有姿态、视 角、尺度、光照和遮挡等宽范围的变化。对比人脸识别，其他的生物特征识别技术很难 在监控领域得到应用。 随着软件和硬件的不断发展，人像身份验证系统的应用领域会更广泛，服务的行业 也会越来越多。另外，人脸识别的研究还涉及心理学、生理学、人工智能、模式识别、 计算机视觉和图像分析与处理等多个学科领域，更是模式识别、人工智能和计算机视觉 的典型案例之一。对这一问题的研究和解决，有助于对其他对象识别问题的研究分析和 解决，人脸识别也因此成为这些基础研究领域的重要课题之一，具有重要的理论研究价 值。 1 4 论文主要工作 经过阅读大量的中外文文献，分析了人脸识别相关的技术及其研究现状，提出了一 种改进的二维主元分析的人脸识别方法。具体工作为： ( 1 ) 对人脸图像进行预处理，主要是尺度归一化，光照补偿等操作。 ( 2 ) 提出了改进的2 d p c a 人脸识别方法。利用人脸差分图像计算2 d p c a 中的散度矩 阵，这样对人脸表情变化具有较好的鲁棒性。 ( 3 ) 对检测样本进行同样的预处理操作，并将其映射到由训练样本计算得来的特征向 量空间，得到一组检测样本特征系数。 ( 4 ) 计算训练样本特征系数与检测样本特征系数之间的距离，根据最小距离分类器准 6 东北师范大学硕士学位论文 则进行识别验证。 ( 5 ) 分别在o i 也人脸图像库、y a l eb 人脸图像库和a m p 人脸图像库。对本文提出的 方法的有效性进行了验证。实验结果表明，本文的方法对表情变化具有较好的鲁棒性。 1 5 论文结构 针对研究内容。本文的结构安排如下： 第一章为绪论，介绍了生物特征识别技术研究的背景和意义，人脸识别技术国内外 研究现状和应用价值。 第二章为人脸识别系统概述，简要介绍了人脸识别系统的结构、人脸识别的研究内 容和主要的人脸识别方法。 第三章为基于主成份的人脸识别，具体介绍了基于主成份的人脸识别方法。 第四章为实验结果与分析，描述了本文的实验过程和实验分析。 第五章为总结与展望，对本文的工作进行了总结和对未来的研究方向进行了展望。 7 东北师范大学硕士学位论文 2 1 人脸识别系统 第二章人脸识别系统概述 人脸识别是指利用计算机分析人脸图像，进而从中提取有效的识别信息用来“辨 识”身份的一门技术。一个典型的入脸识别系统的基本框图如图2 1 所示 图2 1 典型的人脸识别系统框图 由图可见一个人脸识别系统主要由以下几个功能模块组成： 2 1 1 图像获取 图像获取模块完成获取人脸图像的功能。图像有可能来自于摄像机、扫描仪等设备 或来自于现有的人脸图像库。目前，人脸识别领域常用的人脸库主要有1 ： ( 1 ) f e r e t 人脸库 1 由f e r e 顾目创建，包含1 4 0 5 l 幅多姿态、光照的灰度人脸图像， 是人脸识别领域应用最广泛的数据库之一。其中的多数人脸图像是西方人的，每个人所 包含的人脸图像的变化比较单一。 ( 2 ) m i t 人脸库阳1 由麻省理工大学媒体实验室创建，包含1 6 位志愿者的2 5 9 2 幅不同姿 态、光照和大小的面部图像。 ( 3 ) y a l e 人脸库眄由耶鲁大学计算视觉与控制中心创建，包含1 5 位志愿者的1 6 5 幅图 像，包含光照、表情和姿态的变化。 ( 4 ) y a l eb 人脸库n 叫包含了1 0 个人的5 8 5 0 幅多姿态、多光照的图像其中姿态和光照 变化的图像都是在严格控制的条件下采集的，主要用于光照和姿态问题的建模与分析， 由于采集人数较少，该数据库的进一步应用受到了比较大的限制。 ( 5 ) p 人脸库n 订由美国卡耐基梅隆大学创建，包含6 8 位志愿者的4 1 3 6 8 幅多姿态、 8 东北师范大学硕士学位论文 光照和表情的面部图像，其中的姿态和光照变化图像也是在严格控制的条件下采集的， 目前已经逐渐成为人脸识别领域的一个重要的测试集合。 ( 6 ) o r l 人脸库纠由剑桥大学a t t 实验室创建包含4 0 人共4 0 0 幅面部图像，部分 志愿者的图像包括了姿态、表情和面部饰物的变化。该人脸库在人脸识别研究的早期经 常被人们采用，但由于其变化模式较少，多数系统的识别率均可以达到9 0 以上，因此进 一步利用的价值已经不大。 ( 7 ) p f 0 1 人脸库n 31 由韩国浦项科技大学创建，包含1 0 3 人的1 7 5 1 幅不同光照、姿态、 表情的面部图像，志愿者以韩国人为主。 ( 8 ) a r 人脸库引由西班牙巴塞罗那计算机视觉中心建立，包含1 1 6 人的3 2 8 8 幅图像。 采集环境中的摄像机参数、光照环境、摄像机距离等都是经过严格控制的。 ( 9 ) b a n c 从脸库u 副它是欧洲b a n c a 计划的一部分，包含了2 0 8 人、每人1 2 幅不同时 间段的面部图像。 ( 1 0 ) k f d b 人脸库引包含了1 0 0 0 人，共5 2 0 0 0 幅多姿态、多光照、多表情的面部图像， 其中姿态和光照变化的图像是在严格控制的条件下采集的。其志愿者以韩国人为主。 2 1 2 人脸检测定位 人脸检测定位：处理分析输入的图像，判断其中是否有人脸，如果有人脸则找到人脸 存在的位置，并将人脸从背景中分割出来。输入图像可能是静态的也可能是动态的，可 能是彩色的也可能是灰度的，可能是简单背景也可能是复杂背景，可能有一个或者多个 人脸，要根据不同情况作相应的处理。这一部分的工作在整个系统中是非常重要的，它 直接影响后续的特征提取和识别等工作的成功与否。在大多数应用场合中，无法控制场 景，也没有任何有关人脸位置、尺度、方向( 上下左右的角度) 、是否遮挡和人脸的姿态 的先验知识，于是人脸检测和定位成为一个非常困难的问题。目前国内外研究用于人脸 定位的方法层出不穷，概括起来大致有两种：基于特征和基于图像。前者将人脸用脸部的 特征( 如鼻子和嘴巴) 来描述。后者将人脸描述成灰度阵列，通常用模板匹配进行识别。 目前比较成熟的人脸定位的算法主要包括基于肤色统计分布特征的算法7 。、基于椭圆轮 廓特征的算法n 引、基于马赛克规则的算法n 引、基于神经网的算法妇训、基于概率统计模型 的算法心“和利用h a u s d o r f j f 距离阮1 定位人脸等。 2 l3 图像预处理 图像预处理是将模式识别的样本从一定的环境中抽取出不受更多干扰因素影响的待 识别样本。其目的是去除噪声，加强有用的信息，并对输入测量仪器或其他因素所造成 的退化现象进行复原。一般说来，预处理的功能包括消除或者减少模式采集中的噪声及 其它干扰，以便提高信噪比，清除或减少数据图像模糊( 特别是运动模糊) 及几何失真提 高清晰度，改变模式的结构，例如将非线性的模式转变成线性的模式或图像的滤波、变 换、编码标准化等都可以归类于预处理工作。需要明确的是没有特定的标准来衡量预处 理的效果好坏，而是要根据客观观察来评判。 o 东北师范大学硕士学位论文 2 1 4 特征提取和选择 对预处理后的人脸图像按照某种策略抽取用于识别的特征是人脸识别的重要环节。 由于原始的图像数据量是相当大的，为了有效地实现分类识别，就要对原始数据进行变 换，得到最能反映分类本质的特征。如何提取稳定和有效的特征是识别系统成败的关键。 具体的特征形式随识别方法的不同而不同，比如在基于几何特征的识别方法中，这 一步主要是提取特征点，然后构造待征向量：在统计识别方法中，特征脸方法是利用图 像相关矩阵的特征向量构造特征脸；模板匹配方法用相关系数作为特征：而大部分神经 网络方法则直接用归一化后的灰度图像作为输入，网络的输出就是识别结果，没有专门 的特征提取过程。 2 1 5 训练 训练：也可称为分类器设计。此过程结束后将生成可用于识别的参数，也就是可用于 分类识别的分类器。事实上，模式识别问题可以看成是一个分类问题，即把待识别的对 象归到某一类中。在人脸识别问题中就是把输入的不同的人像归入某个人这一类。这部 分的基本做法是在样本训练集基础上确定某个判决规则。使按这种判决规则对被识别对 象进行分类所造成的错误识别率最小或引起的损失最小。 2 1 6 识别 识别：根据训练所得的参数完成人脸的判别工作，给出最后的识别结果，并做出相应 的判断。概括的说来，人脸识别系统一般可以划分为两个过程，如图2 1 所示：虚线上半 部分是训练过程，也叫做分类器的设计过程，虚线下半部分是识别过程，也叫做分类决 策讨程。 总得来讲，一个完整的人脸识别系统主要需要解决三个问题： ( 1 ) 从复杂背景中自动分割出待识别的人脸，这是人脸识别的基础和前提； ( 2 ) 从定位出的人脸区域中提取出有效的特征区域或特征点； ( 3 ) 对提取出的特征区域或特征点进行有效的分类与编码表达，并使用一种或多种分 类器将待识别的人脸的特征与存储下来的人脸特征进行比对，给出识别结果。由此可见， 以上过程归纳起来就是：人脸检测、人脸识别、分类器设计。 2 2 人脸识别的研究内容 人脸识别技术是利用计算机对人脸图像进行特征提取，获取最能表征人脸特征的有 用信息，根据这些信息来对人脸图像所代表的人给定身份判断的技术。因此需要对人脸 的生理器官( 例如眼睛、鼻、嘴、头发等) 和特点研究，我们把人脸识别的研究内容大致 可以分为： ( 1 ) 人脸检测( f a c ed e t c c t i o n ) ：即从各种不同的场景中检测出人脸的存在并确定其 i o 东北师范大学硕士学位论文 位置。在某些情况下由于获取图像的环境可以人为控制，例如身份证照片，因而人脸的 定位可以轻易做到：但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，如果存在再确定图像中人脸的位置。 ( 2 ) 人脸表征( f a c er 印r c s e n _ t a d o n ) ：即采取某种表示方式表示检测出的人脸和数据 库中的已知人脸。 ( 3 ) 入脸识别( f a c ei d e n t i f i c a t i o n ) ：即将己检测到的待识别的人脸与数据库中的己知 人脸进行比较匹配，得出相关信息，这一过程的核心是选择适当的人脸表征方式与匹配 策略，系统的构造与人脸的表征方式密切相关。 ( 4 ) 表情分析( e x p r e s s i o na n a l y s i s ) ：即对待识别人脸的表情信息( 快乐、悲伤、恐惧、 惊奇、愤怒、恶心等) 进行分析，并对其加以分类。 ( 5 ) 生理分类( p h y s i c a lc l a s s i f i c a t i o n ) ：即对待识别人脸的生理特征进行分析，得出其 种族、年龄、性别、职业等相关信息。显然完成这一操作需要大量的知识并且通常是非 常困难和复杂的 2 3 主要的人脸识别方法 特征提取和选择的基本任务是如何从许多特征中找出那些最有效的特征。在样本很 多的情况下，用很多特征进行分类器设计，无论从计算的复杂程度还是分类器性能来看 都是不适宜的。因此研究如何把高维特征压缩成低维特征以便有效的设计分类器就成为 一个重要的课题。任何识别过程的第一步，不论用计算机还是由人去识别，都要首先分 析各种特征的有效性并选出最有代表的特征。 在模式识别中，特征的选择和提取是