（机械设计及理论专业论文）基于trace变换的人脸认证系统及相关技术的研究.pdf

大连理工大学硕士学位论文 摘要 基于生物特征的身份鉴别技术在社会生活中具有越来越重要的地位和作用。在多种生 物认证方法中，基于人面部特征的识别和认证因为具有无侵犯性、成本低、隐蔽性好、不 需要被测者特殊配合等优点，得到广泛的关注和重视，具有广泛的应用前景。而作为目前 模式识别领域研究的热点同时也是难点之一，人脸的识别和认证又是一个极具挑战的研究 课题。其主要的研究内容包括人脸检测技术、人脸识别认证技术及人脸表情的理解和合成 等。本文主要对一种新的人脸认证方法以及相关的人脸检测图像的增强处理、人脸识别图 像的预处理等方面做了相应的研究： 在人脸检测图像的增强处理方面，引入了一种新的图像对比度增强技术一对比度受限 自适应直方图均衡( c o n t r a s tl i m i t e da d a p t i v eh i s t o g r a me q u a l i z a t i o n ，c l a h e ) 方法。它 结合自适应直方图均衡与对比度受限两种处理原理，能够在最大限度提高图像对比度的同 时，使图像的灰度层次分布最佳，以得到最好的视觉效果。这使得人脸检测的准确率得到 显著的提高。在b a c 2 0 0 5 一f d i b b 人脸图像库上实验的结果证明了该方法的有效性。 在人脸识别图像的预处理方面，提出了一种新的椭圆模板规范化的方法。它利用一个 标准的椭圆模板，代替传统的矩形模板以截取主要的人脸区域。通过几何校正、图像掩 模、灰度归一化等过程，统一了人脸的方位和大小，减弱了光照变化对图像质量的影响， 最大限度地消除了头发、背景等干扰信息，使待认证人脸图像规范化，得到了固定尺寸的 人脸匹配模块。 在探索新的人脸认证方法方面，研究和实现了一个基于t r a c e 变换的人脸认证系统。 该系统首先通过t r a c e 变换，把原始人脸图像转换到t r a c e 变换空问；通过强化学习获得合 适的图像分割参数后，经过阈值分割、边缘检测，得到了人脸的t r a c e 变换特征，并以此 建立了一种新的人脸表达方式；再利用一种既包含特征结构信息又包含其空间信息的相似 性测度- - h a u s d o r f f 关联来完成特征的匹配，从而实现了人脸的认证。对f d i b b 人脸图像 库的实验结果显示，该方法可获得较好的效果。 关键词：人脸认证；t r a c e 变换；对比度受限自适应直方图均衡；i - l a u s d o r f f 关联； 强化学习； 余其兵：基于n e 变换的人脸认证系统及相关技术的研究 r e s e a r c ho i lf a c ea u t h e n t i c a t i o ns y s t e m a n dr e l a t e dt e c h n i q u e sb a s e do nt r a c et r a n s f o r m a b s t r a c t i d e n t i f i c a t i o nt e c h n o l o g yb a s e do nb i o m e m c sp l a y sm o r ea n dm o r ei m p o r t a n tr o l e si no u r s o c i e t y c o m p a r e dt oo t h e rm e t h o d s ，t h ea u t h e n t i c a t i o ns y s t e mu s i n gh u m a nf a c ec h a r a c t e r i s t i c s & a w sm o r ea t t e n t i o n s ，a n di tc a l lb ea p p l i e di naw i d er a n g eo ff i e l d sb e c a u s eo fi t sl o wc o s ta n d g o o di n v i s i b i l i t y w i t h o u ta n yi n f r i n g e n _ l e n t a so n eo ft h em o s td i f f i c u l ti s s u e si np a t t e r n r e c o g n i t i o nf i e l d ，i t sa l s oav e r yc h a l l e n g i n gt a s ki n c l u d i n gs e v e r a lh a r dp r o b l e m s ，s u c ha sf a c e d e t e c t i o n ，f a c ea u t h e n t i c a t i o n , u n d e r s t a n d i n ga n ds y n t h e s i z i n go ff a c ee x p r e s s i o n s 。t h i st h e s i s m a i n l yp a y sa t t e n t i o no nf o l l o w i n ga s p e c t s t oi n c r e a s et h er a t eo ff a c ed e t e c t i o n , a l le f f e c t i v ea n dr o b u s ti m a g ee n h a n c e m e n ta l g o r i t h m c l a h e ( c o n t r a s tl i m i t e da d a p t i v eh i s t o g r a me q u a l i z a t i o n ) i si n t r o d u c e df o ri m p r o v i n gt h e c o n t r a s to fd i g i t a li m a g e sc a p t u r e du n d e rv a r y i n gc o n d i t i o n s c o m b i n e dt h ec o n t r a s tl i m i t i n g a p p r o a c hw i t ht h ea d a p t i v eh i s t o g r a me q u a l i z a t i o n , t h ec l a h em e t h o dg e t sah i g h e ri m a g e c o n t r a s ta ta1 0 w e rc o s to fv i s u a la p p e a r a n c e ，w h i c hb o o s tt h ep e r f o r m a n c eo fc u r r e n ta d a b o o s t f a c ed e t e c t i o na l g o r i t h me v i d e n t l yi no u re x p e r i m e n ti m p l e m e n t e d0 1 3t h eb a c 2 0 0 5 - f d i b - bf a c e d a t a b a s e t og e tan o r m a l i z e df a c em a t c n n gm o d u l ef o rt h el a t e ra u t h e n t i c a t i o nu s i n g , an e w n o r m a l i z a t i o nm e t h o di sp r e s e n t e d 、i n s t e a do ft r a d i t i o n a lr e c t a n g l e s ，as t a n d a r de l l i p t i c a lt e m p l a t e w a sd e s i g n e dt og e tf a c ea r e ao fm o u ti m a g e s a f t e rg e o m e t r yc o r r e c t i o n ，t e m p l a t ec l i p p i n ga n d g r a ys c a l en o r m a l i z a t i o n ，d i f f e r e n tf a c e si na l li m a g e sc a n b eu n i f i e dt oac e r t a i nd e g r e e t oa c h i e v eh i g h e rp e r f o r m a n c ei nf a c ea u t h e n t i c a t i o n ，an e ws y s t e mb a s e do nt r a c et r a n s f o r m i se x p l o r e da n dd e v e l o p e d ，t h es y s t e mc o n v c r t st h eo r i g i n a lf a c ei m a g et oa n o t h e r “i m a g e u s i n g t r a c et r a n s f o r m a f t e ri m a g es e g m e n t a t i o na n de d g ed e t e c t i o n , as h a p ec o n t e x tt h a te x p r e s s e st h e o r i g i n a lf a c ei m a g ei na na l t e r n a t i v em e a s u r ec a nb eg e n e r a t e d t h e nw i t hh a u s d o r f f c o n t e x ta n da n o v e ls i m i l a r i t ym e a s u r ew h i c hi n t e g r a t e st h es p a t i a li n f o r m a t i o nw i t hs t r u c t u r eu f f o r m a t i o no f t h e s h a p ea d o p t e d ，t w os h a p ec o n t e x t sa r ec o m p a r e dt od e t e r m i n ei ft h e ya r em a t c h e d t h eo p t i m a l t h r e s h o l df o ri m a g es e g m e n t a t i o nc a nb es e a r c h e db yr e i n f o r c e m e n tl e a r n i n g t h i sa u t h e n t i c a t i o n s y s t e mi sv e r i f i e dw i t he x p e r i m e n t so nt h ef d i b bf a c ed a t a b a s e k e yw o r d s ：f a c ea u t h e n t i c a t i o n ；t r a c et r a n s f o r m ；c l a h e ；h a u s d o r f f c o n t e x t ； r e i n f o r c e m e n tl e a r n i n g 。i i 。 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。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，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均己在论文中做了明确的说明并表示了谢意。 大连理工大学硕士学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用规 定”，同意大连理工大学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。本人授权大连理工大学可以将本学位论文的全部或部分内容编入有关 数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。 作者签名：余炮作者签名：! 盎些 导师签名立叁宝! 叁 巫键卫月望日 5 1 人连理工人学硕士学位论文 1 1 生物特征和生物认证技术 2 1 世纪是信息技术、网络技术的世纪。网络信息化时代的一大特征就是身份的数字他和 隐蔽化。如何准确鉴定一个人的身份、保护信息安全，是当今时代必须解决的关键性社会问 题。身份证、信用卡、e l 令密码、网络登陆号等传统的身份认证手段，不但使用麻烦、程序 复杂、不易保存，而且可能被遗忘、窃取、伪造和盗用。因此，必须寻求一种更加方便、更 加安全的身份验证手段。 生物识别( b i o m e t r i c s ) 技术是依靠人体的身体特征来进行身份验证的一种解决方案。生物 认证界的领袖b e nm i l l e r 在1 9 8 7 年做出了下面的定义：“生物认证技术是根据身体和行为特 征来识别或验证一个有生命的人的自动方法”。国际生物认证联盟( i n t e m a t i o n a l b i o m e t r i c i n d u s l r ya s s o c i a t i o n ) 将生物认证定义为“根据生理和行为特征来识别或验证一个有生命个体 的自动方法”川。它所依据的不是传统的标识物品或约定知识，而是依靠人类自身所固有的 生理或行为特征进行身份验证的一种解决方案。生理特征与生俱来多为先天性的，如指纹、 掌纹、掌形、虹膜、视网膜、静脉、手形、人脸、d n a 、骨架、耳型等人体的生理特征，以 及说话者的声音、签名的动作、行走的步态、击打键盘的力度等个人的行为特征。图1 1 列 举了部分用于生物认证的特征。生物认证的技术核心在于如何获取这些生物特征，并将其转 换为数字信息，存储于计算机中，利用可靠的匹配算法来完成验证与识别个人身份的过程。 与传统的身份认证手段相比，基于生物认证的身份验证技术具有以下特点：不易遗忘或 丢失；防伪性能好，不易伪造或被盗；“随身携带“，随时随地可用。但并不是所有的生物特 征都能够用来进行生物认证，能够用于生物认证的生物特征应该具有以下的特点： ( 1 )广泛性：每个人都应该具有这种特征： ( 2 )唯一性：每个人拥有的特征应该各不相同： 稳定性：所选择的特征应该不随时间发生变化； ( 4 )可采集性：所选择的特征应该便于测量； 从实际应用的方面来看，国际上，世界各国政府都在大力推进生物认证技术的发展及应 用。美国政府在“9 1 1 ”以后连续签署了3 个国家安全法案，要求必须采用生物识别技术。 2 0 0 3 年6 月，联合国国际民用航空组织公布了生物技术的应用规划，规划提出，将在个人护 照中加入生物特征( 指纹识别、虹膜识别、脸像识别) ，并在进入各个国家的边境时进行个 人身份的确认。目前，此规划己在美国、欧盟、澳大利亚、日本、韩国、南非等地区和国家 余其兵：基于仃a c e 变换的入脸认证系统及相关技术的研究 图1 1 常用的生物识别特征【1 】【2 1 鸭 ( a ) d n a ，( ”耳朵，( c ) 人脸，( d ) 脸部热成像，( e ) 手掌热成像，( f ) 静脉图案，( g ) 指纹，( h ) 步态，( i ) 掌形，( j ) 虹膜，( k ) 掌纹，。( 1 ) 视网膜，( m ) 签名，( n ) 语音，( o ) 击键动力学 f i g 1 1e x a m p l e so f b i o m e t r i cc h a r a c t e r i s t i c s ： ( a ) d n a ，( b ) e a r , ( c ) f a c e ，( d ) f a c i a lt h e r m o g r a m ，( e ) h a n dt h e r m o g r a m ，( f ) h a n dv e i n ，( 曲f m g e r p r i n t ，( h ) g a i t ，( i ) h a n dg e o m e t r y , a ) i r i s ，( k ) p a l m p r i n t ，( 1 ) r e t i n a , ( m ) s i 口a m m ，( n ) v o i c e , a n d ( o ) k e y s t r o k ed y n a m i c s 通过，并在2 0 0 4 年底开始实施。国际航空组织的这项规划表明，生物特征认证技术开始进入 大规模成熟应用阶段。如图1 2 所示，根据国际生物集团( i n t e r n a t i o n a lb i o m e t r i cg r o u p ) 的统 计，2 0 0 4 年全球生物特征认证技术市场为1 2 亿美元，到2 0 0 8 年底，全球生物特征认证技术 的市场将达到4 6 亿美元，以每年超过7 0 的速度增长1 4 】。业内专家保守估计，未来5 年，我 国也将形成近百亿元的市场。随着生物特征认证技术的不断成熟以及应用面的扩大，这个数 字还将继续增长。 2 奎垄望三奎塑主堂垡笙塞 _ 一 t o t 羽喜i 州br e v e n u e s 卸- 鞠捧m i * ，m m ”h m 0 目州一目* i 嘲”蝴# “竹靴* 雌 ( a ) 叫 图1 2 生物识别市场： ( a ) 2 0 0 3 2 0 0 8 年生物识别总收入( b ) 各种生物特征识别占据的市场份额百分比 f i g 1 2b i o m e t r i c sr e c o g n i t i o nm a r k e t ： ( a ) t o t a lb i o m e t r i cr e v e n u e s2 0 0 3 - 2 0 0 8 ( b ) c o m p a r a t i v e m a r k e ts h a r eb yt e c h n o l o g y 这些实际的应用也给基于生物特征的身份鉴别系统提出了更多的要求，如： ( n性能的要求：所选择的生物统计特征能够达到多高的识别率，对于资源的要求如 何，识别的效率如何； ( 2 1可接受性：使用者在多大程度上愿意接受基于所选择的生物统计特征的系统： ( 3 )安全性能：系统是否能够防止被攻击： ( 4 1是否具有相关的、可信的研究背景作为技术支持； f 5 )提取的特征容量、特征模板是否占有较小的存储空间； 价格：是否达到用户所接受的价格： r 7 )速度：是否具有较高的注册和识别速度； ( 8 1是否具有非侵犯性。 1 2 人脸识别技术 人脸识别是人类视觉的重要功能之= 一，在众多种生物认证技术中，人脸识别技术一直是 一个非常活跃的研究领域。虽然人脸识别的准确性要低于虹膜、指纹的识别翻，但由于它的 无侵犯性和对用户最自然、最直观的工作方式，使人脸识别成为最容易被接受的生物特征识 别方式。 3 余其兵：基于t r a c e 变换的入脸认证系统及相关技术的研究 1 2 1 人脸识别的主要流程 一个完整的人脸识别系统的结构及流程如图1 3 所示。它主要包括人脸检测( f a c e d e t e c t i o n ) 和人脸识别( f a c er e c o g n i t i d n ) 两大模块。 注册的过程 人脸检测 人脸识别 图1 3 人脸识别系统简图 f i g 1 3f l o wc h a r to f f a c er e c o g n i t i o ns y s t e m f 1 ) 人脸检测模块 人脸检测是指在输入图像中确定所有人脸( 如果存在) 的位置、大小、位姿。它包括如 图1 4 所示的三个过程：首先，对输入的图像进行增强处理以便提高检测的准确率；其次， 判断输入图像中是否存在人脸，如果有，则给出每个人脸的位置及大小；最后，对找到的每 个人脸，检测其主要器官的位置和形状等信息。人脸检测是人脸识别系统中的一个关键环 节。没有精确的人脸和面部特征( 眼睛等) 定位，人脸识别的性能会有明显的下降州。 人脸识别模块 人脸识别是指将待识别人脸的特征和数据库中已知人脸的特征进行比较，选择适当的匹 配策略，从数据库中检索出与待识别人脸相匹配的己知人脸，给出识别结果。它包括如图 1 5 所示的三个过程：首先，对已检测到人脸的图像进行几何、光照的预处理；然后，提取 预处理后人脸图像的识别特征：最终，将提取的特征与已有的数据进行匹配比较，并给出接 受或拒绝的结果。 4 大连理1 二大学硕士学位论文 图1 4 人脸检测模块 f i g 1 4f l o wo f f a c ed e t e c t i o n 图1 5 人脸识别模块 f i g i 5f l o wo f f a c ed e t e c t i o n 人脸识别又细分为两类问s t6 1 ：( i ) 人脸认证( a u t h e n t i c a t i o n ) 和( i d 人脸辨识 ( i d e m m c a t i o n ) 。在美国标准技术研究院组织的2 0 0 2 年人脸识别厂商比赛f v r t 2 0 0 2 ( f a c e r e c o g n i t i o n v e n d o r t e s t 2 0 0 2 ) 7 1 中还增加了第三种类别称为“监控( w a t c h l i s t ) ”。 。5 余其兵：基于t r a c e 变换的人脸认证系统及相关技术的研究 人脸认证：认证回答“这是否为某人? ”( a mw h ois a yi 眦? 1 。这是一对一的匹配过 程。系统先按照待识别者所声称的身份( 如通过输入姓名、身份密码等形式) ，查找出己 存储的该人的人脸信息，然后按照某一决策或匹配方法，将这一信息与待识别者的人脸 信息进行对比核对，从而判定待识别者身份的真实性，接受或拒绝待识别者声明的身 份。 人脸辨识：鉴别回答“这是谁? ”( w h oa mi ? ) 。这是一对多的匹配过程。系统将待识别 人脸图像与数据库中存储的所有已知身份的模板图像进行一一比较来决定待识别者的身 份，通过在数据库中寻找与测试图像相似度最高的图像来完成对测试图像的识别。 监 控：监控同时具有识别和认证，回答“这是否为要找的人? ”( a r ey o ul o o k i n gf o r r n e ? ) 。该方法是一个开放式( o p e n - u n i v e r s e ) 测试。被测试对象可能在也可能不在系统的 数据库中。测试图像与系统数据库中每一张图像进行比较得出相似度，然后将相似度按 照数值大小从大到小排列，这样相似度最大的将排在第一位。如果相似度高于一个预先 给定的阈值，产生一个警告，系统就认为被测试个体在数据库中存在。 从人脸识别技术所依据的理论来讲，人脸检测与人脸识别都是模式识别问剐8 1 。人脸检 测是把所有的人脸作为一个模式，而非人脸作为另一个模式，人脸检测的过程就是将人脸模 式与非人脸模式区别开来。人脸识别是把每一个人的人脸作为一个模式来对待，不同人的脸 属于不同的模式类，人脸识别的过程是将属于不同人的脸归于各自的模式。换言之，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。 1 2 2 人脸识别的技术关键 人类的人脸识别能力很强，能够记住并辨别上千个不同人脸，可是计算机则困难多了。 人脸识别本质上是三维可变形体二维投影图像的匹配问题，它的困难体现在： ( 1 )人脸变化( 如表情丰富与人脸随年龄增长变换等) 的不确定性； ( 2 ) 人脸模式的多样性( 胡须、发型、眼镜、化妆等) ； ( 3 )图像成像环境与条件的不确定性( 如光照强度、光源方向、成像角度及成像距离 等) ： ( 4 )由二维图像重建三维人脸是个病态问题。而且目前缺少描述人脸的三维模型。 从人脸图像的频谱分析1 9 来看，如图1 6 所示，人脸图像能量大部分集中在低频部分， 而高频部分能量极少。这表明人脸图像的灰度变化不是很明显，也就意味着人脸具有高度的 相似性，而这正是人脸识别的困难所在。另外，人脸识别还涉及到图象处理、计算机视觉、 6 大连理t 大学硕士学位论文 ( a )c o ) 图1 6 ( a ) 人脸图像( b ) 人脸图像的傅立叶频谱 f i g 1 6 ( a ) f a c ei m a g e ( b ) f o u r i e rs p e c t r u mo fl e l lf a c ei m a g e 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。 1 2 3 人脸识别的研究现状 人脸识别的研究始于6 0 年代末瑙j ，b l e d s o e 等人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。早期人脸识别研究主要有两大方向：一是提取人脸 几何特征的方法，主要采用的是人脸部件规范化的点间距离和比率以及人脸的些特征点， 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 模板和图像狄度的自相关性来实现识别功能。文献【l0 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。 目前的研究主要有两个方向： 其一是基于整体的研究方法，它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、 s v d 分解的方法、人脸等密度线分析匹配方法、弹性图匹配( e l a s t i eg 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 vm o d e l ) 方法以及神经网络的方法等； 其二是以局部性特征为主的分析方法，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 了人脸部件之间的拓扑关系，而且也保留了各部件本身的信息，而基于部件的识别则是通过 提取出局部轮廓信息及灰度信息来设计具体识别算法。 不同人脸在宏观上大体是相似的，其之间的区别主要是各个局部的差异。当然，局部微 观特征往往易受局部噪音和畸变的干扰。因此，如何综合考虑整体的分析和局部的差异是人 脸识别中需要解决的问题。 1 2 4 人脸识别的应用现状 由图1 2 可以看出，在所有的生物识别技术中，指纹识别是最传统的发展相对成熟的 技术，目前的应用也是最广泛的。然而与其他生物特征相比，人脸识别具有方便、非侵犯性 一7 一 余其兵；基于t r a c e 变换的人脸认证系统及相关技术的研究 和对用户友好、不易伪造、数据采集手续简单等许多优点，因而越来越受到各国政府的重 视。在人脸识别系统应用方面，其价格与指纹识别相当，不仅可以应用于公安系统的人脸查 询，而且可以用于基于人脸识别的门禁系统和考勤系统等多种应用场合，作为最容易隐蔽使 用的识别技术，人脸识别成为当今国际反恐和安全防范最重要的手段之一。 国外从1 9 9 5 年后有多家公司相继推出了一系列的人脸识别产品1 8 j 。由从m i t 出来的神 经网络专家d r m i c h a e lk u p e r s t 创建的m i r o s 公司从事人脸识别系统的软件开发和应用，主 要采用神经网络的方法。该公司有两个主要产品，一个是t r u e f a c ec y b e rw a t c h ，是世界上 第一套用于计算机、网络和数据安全保障的软件；另一个是t r u e f a c eg a t e w a t c h ，是一套专 用的入口控制系统( 包括软硬件) ，可用于楼宇和房屋的入口验证。另外，它还和 m r p a y r o l l 公司合作，将t r u e f a c e 与m r p a y r o l l 的支票兑换现金系统相结合，确保2 4 小 时工作的自助兑钞机只对合法使用者有效。 德国的s i e m e n sn i x f o r d 高科技公司开发的f a c ev a c s ( v a c s = v i s u a la c c e s ss y s t e m ， 视频入口控制系统) 是一个配合卡片使用的入e l 控制系统。f a c ev a c s 可以配合卡片和p i n 使用，或干脆代替p i n 使用，可用于a t m ( 自动取款机) ，它也可以代替计算机常用的入 口口令( p a s s w o r d ) 。银行现在开始采用一种新式的名为s a f e b o x 的自我服务终端，它要求 有更高的入口安全系数，能认识银行的客户并拒绝冒充的人。f a c ev a c s 能满足这样的需 求。系统的终端用读卡机和触摸屏，这与银行里的普通用户交流终端一样。在使用时，用户 先把卡插入读卡机，输入正确的p i n ，摄像机拍下这个人的照片，并与库存里存储的用户特 征信息进行比较。 隶属于i v s ( i n t e l l i g e n tv i s i o ns y s t e m ) 公司的i v i ( i d e n t i f i c a t i o na n d v e r i f i c a t i o ni n t e m a t i o n a l ) 是美国的一家规模较大的从事人脸识别软硬件的科研开发公司，目前已经申请了若干项人脸 识别方面产品的专利。例如i c 卡验证系统、f a c e k e y 等。1 9 9 6 年，i 与主要生产由m i t 的a l e xp e n f l a n d 开发的人脸识别软件的f a c i a lr e c o 签署合同，以便使i v i 能把a l e x p e n t a n d 设计的一部分算法放入它自己的人脸识别系统中，i 正努力使自己成为全球最具 实力的从事高精度自动人脸识别系统的公司。 德国的z nb o c h u mg m b h 由s t r a s s e 大学的w o f g a n gk o n e n 领导，用基于神经信息处 理的方法开发了两套人脸识别系统，一套是视频入口控制系统z nf a c e ，另一套是执法部 门用于从大型人脸数据库中进行人脸搜索的软件系统p h a n t o m a s 。m i t 的t u r kp e n f l a n d 研究小组是当今在人脸识别研究领域很有影响的“特征脸”( e i g e nf a c e ) 的主要研究机构 h 1o 同在麻省的v i i s a g e 公司基于这种思想设计了一个人脸识别软件e n r o l l 配合p i n 或条 形码进行身份认证。这种方法的优点在于每个人只需存放1 2 8 个整数作为特征矢量，但是每 8 大连理工大学硕士学位论文 个要登记的人预先需要在库里存储很多张照片，所以其实用化的性能面临其他新方法的挑 战。 1 3 本文的研究内容和主要工作 本文主要对人脸检测图像的增强处理、人脸识别图像的预处理、和新的人脸认证方法等 三个方面做了相应的研究。主要的工作包括： ( 1 )引入了一种新的图像对比度增强技术c l a h e 方法，它结合自适应直方图均衡与 对比度受限两种方法，能够在最大限度提高图像对比度的同时，对图像的视觉表现 产生较小的影响。这使得人脸检测的准确率得到显著的提高。 ( 2 )提出了一种新的椭圆模板规范化的方法。它利用一个标准的椭圆模板，代替传统的 矩形模板以截取主要的人脸区域。通过几何校正、图像掩模、灰度归一化等过程， 规范了人脸的方位和大小，消除头发、背景等干扰信息的影响，减弱光照变化对图 像的影响，使待认证人脸图像规范化，并得到了固定尺寸大小的匹配模块 ( 3 )研究了一个新的人脸认证方法。基于具有高区分度的人脸t r a c ) e 变换特征和新的有 效形状区分特征，利用强化学习算法和改进的h a u s d o r f f 距离的形状匹配算法，实 现了一个人脸认证系统。 9 余其兵：基于t r a c e 变换的人脸认证系统及相关技术的研究 2 1 引言 人脸检测的精确度在很大程度上取决于待匹配的人脸图像的质量。然而，由于人脸i 蛩像 采集过程中的种种不确定因素包括图像的环境背景、光照条件以及图像采集工具等的影响， 导致获得的人脸图像往往会出现各种缺陷，如光照不均、对比度不足等。图2 1 ，：l j 举了一些 有缺陷的人脸图像。这些缺陷会大大降低人脸检测的准确率。 图2 1 一些有缺陷的人脸图像 f i g 2 1s o u r c ei m a g e sw i t ht o wq u a l i t y 通过分析这些图像的狄度统计分布直方图，我们可以发现它们的灰度值大都集中在很 窄的范围内。因此，一种常用的解决方法就是将灰度值重新标定，使整张图像的灰度充分分 布在整个可用的灰度范围内，就能够使得图像的层次变得清晰，从而改善图像的质量。重新 调整标定灰度的过程又称为灰度直方图均衡化1 2 】。 1 0 大连理工大学硕士学位论文 灰度均衡化可以在整张图像内进行，也可以分区域进行。一般我们分别称二者为全局的 方法和局部的或称自适应的方法。全局性的方法般比较简单，对常见的问题也非常有效。 但由于其使用整个图像的直方图信息，对那些光照不均的人脸图像适应性较差，这就限制了 在图像局部区域对比度的扩展，使得对比度的搞高并不显著。相反，自适应方法包括自适应 直方图均衡( a h e ) j 3 、子块不重叠直方图均衡( n o s h e ) 1 4 j 和子块部分重叠直方图均衡 ( p o s h e ) 15 1 等克服了这一缺陷，能更大的提高图像的对比度。然而，因为自适应方法的输出 像素点一般需要对相邻的几个区域进行插值。而各个区域在直方图均衡化时通常使用不同的 映射函数，导致在区域的相邻处产生明显的边界效应，如图2 2 所示。边界效应会显著的影 响人脸检测的识别率，这一点在我们的实验中也得到了证实。 图2 2 边界效应 f i g 2 2b l o c k i n ge f f e c t 此外，如图2 3 ( a ) 所示，当图像灰度值分布出现非常集中的情况时，如使用完全的直 方图均衡，图2 3 ( c ) ，并不能取得令人满意的效果。这是由于两个即使非常接近的灰度值也 有可能映射到明显不同的灰度级中。此种情况下，在进行直方图均衡时，就要对图像对比度 增强的幅度进行限制，如图2 3 ( d ) 。 这里，我们引入另一种自适应的图像增强方法一对比度受限自适应直方图均衡方法【l “。 它结合自适应直方图均衡与对比度受限两种方法，因而能够在最大限度提高图像对比度的同 时，对图像的视觉表现产生较小的影响，从而使人脸检测的准确率得到显著的提高。 余其兵：基于t r a c e 变换的人脸认证系统及相关技术的研究 ( a ) 原始的图片( b ) 灰度直方图 ( c ) 完全的直方图均衡( d ) 受限后的直方图 图2 3 对比度受限直方图均衡 f i g 2 3c o n t r a s tl i m i t e dh i s t o g r a me q u a l i z a t i o n 2 2 对比度受限自适应直方图均衡( c l a h e ) 对比度受限自适应直方图均衡( c o n t r a s tl i m i t e da d a p t i v eh i s t o g r a me q u a l i z a t i o n ， c i ，a h e ) 方法最早被提出用以对低对比度的医学图像进行增强处理，且已经取得了显著的效 果【l “。这种方法使观测者可以更容易地把注意力集中在自己感兴趣的区域。通过受限的对比 度增强，可以减少在某些灰度值比较均匀的区域使用自适应直方图均衡方法所造成的噪声问 题。由于大量的像素点落入某一较小的灰度范围内，这些区域的直方图通常有一个非常高的 尖峰，如图2 - 3 f b l 所示。 c l 伽方法的步骤如下： ( 1 )首先把输入图像分成大小基本相等几个的不重叠子块。为获得较好的统计结果， 通常对尺寸为5 1 2 5 1 2 的图像，一般分成8 8 共6 4 个子块，如图2 4 所示，每个子 块的尺寸为6 4 6 4 。其中c r 代表角点区域，b r 代表边界区域，瓜代表内部区域。 1 2 大连理工大学硕士学位论文 j 噼：日r ：豫：6 r ： 堡i ， 硪： r 畹 。_ _ 陬：r i r ： r ： 吼r 啦i 噼 n 吼 一r 一 魄 fllitl i 豫： r ：n ：r ：r ir ： r ： 熙 图2 4 图像的分块结构 f i g 2 4s t r u c t u r eo f r e g i o n s ( 2 )计算截断前直方图相应的累积分布函数c d f ，并根据设定的对比度增强幅度，计算 用于进行直方图均衡的截断受限值。 设子块区域的象素数和灰阶数分别为m 和n ，a 为控制系数，s m 。为设定的对比 度增强幅度，值域为 o ，1 1 ，h ( x ) i 1 f ( x ) 分别表示截断前的直方图函数和累积分布函 数，则： 截断受限值口为 学魏k = o ) ，2 ，s ， ， 舻等( - + 而t 2 c 。， 1 3 ( 2 2 ) 余其兵：基于i r a t e 变换的人脸认证系统及相关技术的研究 ( a ) 截断受限箭c d f 截断受限前c d f 图2 5 截断受限前后的累积分布函数c f i g 2 , 5c u m u l a t i v ed i s t r i b u t i o nf u n c t i o n s ( 3 )根据值，对子块的直方图进行截断重分布，并计算其累积分布函数c d f ，如图 2 5 右边所示。 ( 4 ) 对每个子块进行直方图均衡，使输出图像直方图的累积分布函数c d f 与修正后的相 同。 ( 5 )对某一象素点最近的相邻区域进行线性插值，得输出图像中该点的灰度值。 以下给出瓜中的象素值的求解函数，其他的区域的方法和r 中的类似。 j - 1 j j + l i i 管f 薯 3 ；| l i - - + - 一 ： i ： i 趣。 ( 。 i 秘 “ 图2 6 线性插值计算：( a ) 一个给定的i r 区域以及它的所有邻域；( b ) 区域( f ，j ) 中第一象限内的 象素p 和它相对应于最近邻区域的中心的关系 f i g 2 6b i l i n e a ri n t e r p o l a t i o n ：( a ) ag i v e ni rr e g i o nw i t ha l lo f i t sn e i g h b o r i n gr e g i o n s ( b ) p i x e lp f r o m q u a d r a n t1o f ( f ，) r e g i o na n d i t sr e l a t i o n s w i t hr e s p e c t t o t h ec e n t e r s o f i t s f o u r n e a r e s tr e g i o n s 1 4 大连理工大学硕士学位论文 图2 6 ( a ) 为r 区域中象素的位置关系。对于图中的象素p ，其新的灰度值可以计 算如下： = 去( 专凡( p o ，+ 考“( p o 甜) ) + 南( 专扎c ，+ 考屯c c l a h e 方法的效果如图2 7 所示。可以看出，利用c l a h e 方法能够使大幅度地提高 了图片的对比度，且边界效应并不十分明显，因而图像的质量和视觉效果得到了显著的改 善。 图2 7c l a h e 方法的效果 f i g + 2 7e f f e c to f c l a h e 2 t 3 实验设计 为评估c l a h e 方法在人脸检测上的有效性，并和常用的人脸图像增强处理方法进行对 比。我们需要在具有代表性的人脸图像数据库上进行了测试，并选择合适的人脸检测算法。 2 3 1 人脸库的选择 测试用的图像库为第二届中国生物特征识别竞赛( b a c 2 0 0 5 ) 【提供的f d i b b 人脸图像 库。f d i b 人脸库图像来自于1 0 0 个不同年龄、不同性别的人，每人2 0 幅图像，共2 0 0 0 幅人 脸图像，图像大小包括6 4 0 4 8 0 像素和4 8 0 6 4 0 像素两种，格式为2 4 位真彩色。f d i b 人 一1 5 余其兵：基丁t r a c e 变换的人脸认证系统及相关技术的研究 脸的库中的人脸基本上都为正面人脸，特点是光照变化比较大。附录a 列举了该人脸图像库 的部分图像。 2 3 2 人脸检测算法的选择 目前，从一副图像中检测人脸的方法大体上可以分为以下四类“： ( 1 )基于知识的方法( k n o w l e d g e - b a s e dm e t h o d s ) 。这些基于规则的方法对人关于典型人 脸的形成规则的知识进行编码。通常，这些规则是基于面部特征之间的关系。 ( 2 )特征不变方法( f e a t u r ei n v a r i a n ta p p r o a c h e s ) 。这些算法的目的是找到即使在姿势视 角或者光照条件改变的情况下仍然存在的结构特征，然后用这些结构特征定位人 脸。 ( 3 )模板匹配方