（测试计量技术及仪器专业论文）基于具有面部明显色差特征的人脸识别方法研究.pdf

l 一 河北科技大学学位论文原创性声明 川i l lllii l lii ii l li lll li y 1714 4 19 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工 作所取得的成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方 式标明。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发 表或撰写过的作品或成果。本人完全意识到本声明的法律结果由本人承担。 学位敝储虢碱睇两阜 7 句加年j 月岁p 日a 勺f 口年，月弓p 日 河北科技大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 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 人授权河北科技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，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 口保密，在一年解密后适用本授权书。 本学位论文属于 、 囤不保密。 ( 请在以上方框内打“) 学位论文作者签名： 可 指导教师签名： 黼两靠 仉加年上月；de l洲d 年厂月罗。日 摘要 摘要 进入新世纪的今天，我们越来越需要解决身份识别的问题。目前通用的身份识 别手段大致分为两类，一类是实物性标志物，如印章、钥匙、卡片等等：另一类是 数据性标志物，如i d 号、密码、账号、编码等等。但上述识别手段都存在这样那样 的缺点，如印章易被仿制，钥匙可能丢失而被别人捡到，密码可能被泄露或破解， 凡此种种，都使这些标志物失去身份识别的意义而且有极大的风险性，即将非法者 认定为合法用户而造成财产和信息损失。近年来出现的生物特征身份识别技术较好 地解决了此类问题，为人们所接受，在社会生活中越来越多的领域得到了应用和发 展。 生物识别是近年来发展起来的一项身份鉴别技术，是指根据人类生物信息中具 有唯一性和相对不变性的特征，使用现代科技手段加以识别的技术。生物特征一般 是指人的脸部特征、指纹特征、眼底虹膜血管图案、d n a 序列、血型等，是人所具 有的自然特征，不易改变，难以伪造，具有高度的稳定性；同时这些特征大都因人 而异，例如指纹图案，世界上没有任何两个人的十指指纹完全相同，可区分度很高， 这是我们可以利用生物特征进行人的身份识别的基础。一个人具有的生物特征只有 他( 她) 自己能够提供，可以保证这种特征的识别确保结果的正确性，不可能像钥 匙一样被遗失，不存在类似密码遗忘或泄漏的情况，相比传统的身份识别手段，生 物特征识别的优势是显而易见的。 我们在社会生活中去识别、分辨某一个人，最广泛应用的就是照片对比法，即 利用人的脸部特征进行身份的识别。基于此，人脸识别成为我们多年来研究的重要 方向，但是人的面部特征( 人脸) 是一个特殊的不规则变形体，存在着主动形变和 被动形变，人脸识别一般是对照片进行分析，而照片是由人脸的三维信息投影至二 维平面而成，在投影的过程中，会损失一些信息，加之摄像时人的头部姿态、倾斜 角度、旋转角度、光照条件等诸多因素的影响，将会使照片信息与真实人脸信息之 间的差距加大，呈现出非常复杂的转化模式，无疑增大了识别的难度，影响了识别 的效率。而且用计算机处理人脸识别还涉及到数学、光学、心理学、计算机视觉、 图形图像处理、神经网络等诸多领域，因此人脸识别在国内外的研究虽然处于迅速 发展的时期，但也还存在许多亟待解决的技术问题。 随着科学技术的日新月异，在这个领域中应用的技术手段也被大大扩展和增强， 使用计算机进行数据处理可以实现在瞬间对大量、复杂的信息分析、计算、统计， 并迅速给出有价值的结论。当前，国际上人脸识别技术的研究成果很多，大家摸索 了一系列的比较成熟的识别算法和方法，在不同的条件下，识别的准确率也有所不 t 河北科技人学硕十学位论文 同。有些优秀的算法可以达到令人满意的识别率。现在人们选耿研究方法，一般是 根据所需要的精度，所识别对象的特点选择不同的识别方法，以期达到有针对性的 识别，提供识别的准确度与速度。在日常生活中，人们对于某些面部有明显色差特 征的人群格外注意，比如面部有明显痣或色斑，作为识别此人的特点会大大提高识 别率。也就是我们常说的，看见了他的这个痣，就认出了他。如果我们把这项特征 点的检测与识别应用于大量人群的排查，对于快速排除不含此特征的大量样本起到 了重要作用，为后续的精细比对做了前期初筛的工作，其对于提高识别效率的贡献 不言而喻。本文的研究目的是希望选择一项有效的方法，可以高效迅速准确地利用 人脸的明显色差特征对人脸进行识别。 对图像进行处理之前，都必须对图像大小和灰度进行归一化处理，使其分辨率、 灰度与数据库中的标准相匹配；然后通过图像灰度增强、图像灰度拉伸使图像的细 节更清晰，更易于分析和处理；再用阈值分割和区域生长的方法进行分割得到特征 区域的图像。 特征提取时，在了解了颜面皮肤的面部明显色差特征的医学生理学、病理学知 识之后，对比主分量分析法( p c a ) 、独立分量分析法( i c a ) 、几何特征方法、隐马 尔可夫模型方法( h m m ) 、小波变换法，这几种方法各有其优缺点和适宜的情况。 几何特征法不受姿态等因素对人脸的影响，但对人脸各个器官的特征的信息；局部 p c a 方法算法复杂，不利于开发和应用；小波变换的方法已经比较成熟，有效的提 取图像中的细节信息，缺点是小波变换必须先做降维的处理。经过比较最后我们选 用小波变换的方法来表示人脸明显色差面部特征，提取局部图像的g a b o r d , 波函数特 征。 最后在决策分类的阶段我们采用了小波神经网络的方法。小波神经网络是把小 波变换理论和人工神经网络系统相结合，通过有教师学习的方式，不断优化小波基 的形状，最终选择一个最优的小波基函数来完成小波变换。充分发挥了神经网络系 统函数逼近能力。最大限度地发挥了小波变换优秀的时频局部化特性，将信号中的 细节特征完整的解析出来，体现出小波神经网络的在决策分类上的优越性。本文采 用全局特征和局部特征相结合的特征融合方法，作为小波神经网络的输入层节点向 量。我们实验的结果证明，以上方法可以有效解决利用人脸面部明显色差特征快速 识别人脸图像的问题。 关键词人脸自动识别；面部明显色差特征：g a b o r 小波变换；特征融合；小波神经 网络； a b s t r a c t a b s t r a c t w i t ht h ea d v e n to ft h ei n f o r m a t i o na g e ，p e o p l em o r ea n dm o r ef a c e dw i t ht h e p r o b l e mo fi d e n t i t ya u t h e n t i c a t i o ni nt h e i rd a i l yl i v e s b i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y a san e wi d e n t i f i c a t i o nm e t h o d ，c a l lo v e r c o m et h es h o r t c o m i n g so ft r a d i t i o n a lm e t h o d s ， a n di sm o r es e c u r e ，r e l i a b l e ，a c c u r a t ea n dc o n v e n i e n t b i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y r e f e r st ou s i n gt h eh u m a ni n h e r e n tp h y s i c a lc h a r a c t e r i s t i c so rb e h a v i o r a lc h a r a c t e r i s t i c st o c a r r yp e r s o n a li d e n t i f i c a t i o nb yc o m p u t e r f a c er e c o g n i t i o nw a st h em o s ta c c e p t a b l e m e t h o do fa u t h e n t i c a t i o n ，b e c a u s ei th a df e a t u r e so fn o n i n v a s i v e ，d i r e c t ，f r i e n d l y ， c o n v e n i e n t ，a n dd i dn o tr e q u i r es p e c i a le q u i p m e n t t h e r e f o r e ，t h ef a c er e c o g n i t i o nb e c a m e t h eh o ts p o ti nb i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y a tp r e s e n t ，t h e r ea r em a n yw a y so ff a c er e c o g n i t i o na th o m ea n da b r o a d t h e s ew a y s c a ng e tr e l a t i v e l yh i g hr e c o g n i t i o nr a t ei nt h ec o n t r o l l e do b s e r v a t i o nc o n d i t i o n s a st h e e f f e c t so fl i g h t ，g e s t u r e ，e x p r e s s i o n ，a n dm a t e r i a l ，p e o p l es t u d i e dt h ef a c er e c o g n i t i o ni n p a r t i c u l a rc o n t e x t s ，a l s or a i s e dan u m b e ro ff a s ta n de f f i c i e n ta l g o r i t h m sf o rd i f f e r e n t e n v i r o n m e n t s d y es p o ta n dd y eb i r t h m a r ka r er e f e r r e dt oa s ”f e a t u r ep o i n t ”w h i l et h e r e l a t i v e l ys m a l ln u m b e ro ft h e s ep e o p l e ，b u ti nr e a ll i f e ，a f t e ra l lt h e r ea r es o m ep e o p l e p a r t i c u l a r l y ，s u c hg r o u p so f t e ne n c o u n t e ri nt h ep e r i o do ft h e s i sr e s e a r c h f r o mt h e p e o p l e sp r i o rk n o w l e d g e ，t h e s ec h a r a c t e r i s t i c sf o ri d e n t i f y i n gap e r s o n si d e n t i t yi sv e r y i m p o r t a n t ，b e c a u s et h e s ef e a t u r ep o i n t si san e c e s s a r yc o n d i t i o nf o rf a c er e c o g n i t i o n i fa p e r s o nw i t h o u tf e a t u r ep o i n t sc a nb eq u i c k l yr u l e do u t ，s of e a t u r ep o i n t sh a v ea ni m p o r t a n t r o l ei na c c e s sc o n t r o l ，s e c u r i t y ，d e f e n s e ，p u b l i cs e c u r i t ya n dc r i m i n a li n v e s t i g a t i o n s ow e h a v ean e e df o rt h e t y p eo fp e o p l et os t u d yar a p i da n de f f i c i e n ta p p r o a c hf o rf a c e r e c o g n i t i o n t h ep u r p o s eo ft h i sr e s e a r c hi st of i n daw a yt oe f f e c t i v l yu s et h ef a c i a l f e a t u r ep o i n t sf o rf a s ta n da c c u r a t ef a c er e c o g n i t i o n i nt h ei m a g ep r e - p r o c e s s i n gs t a g e ，f i r s t l yi m a g es i z ea n dg r a y s c a l em u s tb ee q u a l s e c o n d l y ，h i g h l i t h tt h ei m p o r t a n tf a c i a li m a g ef e a t u r ep o i n t sb ye x t e n d i n gg r a y f i n a l l y ， f a c ec h a r a c t e r i s t i ci sp a r t i t i o n e di nt h em e t h o do ft h r e s h o l do ra r e a g r o w t h i nt h es t a g eo ff e a t u r ee x t r a c t i o n ，a c c o r d i n gt ot h et r a n s c e n d e n tk n o w l e d g eo ff a c e c h a r a c t e r i s t i c ，t h r e em e t h o d s ：s h a p ef e a t u r e ，l o c a lp e a ，w a v et r a n s f o r i l la r es t u d i e d w e c o m p a r ew i t ht h e s et h r e em e t h o d s i ti sk n o w nt h a tt h e yh a v ec o m m o ng r o u n di n d e c r e a s i n gt h ed i m e n s i o na n dk e e p i n gd o w nt h em a i nf e a t u r eo fi m a g e t h es h a p ef e a t u r e m e t h o di sr o b u s ti nf a c eg e s t u r e b u ti t i g n o r e st h eo t h e rm a i ni n f o r m a t i o ni nt h ef a c e ，f f j j ：， i m a g e s ot ii so n l yf i tt ot h er o u g hc l a s s i f i c a t i o n l o c a lp c a i su n c e r t a i n t yi nd 1 v i s l o n f u n h e 咖o r e i ti sc o m p l e xi nc a l c u l a t i n g w a v e l e tt r a n s f o r m c a ne x t r a c tt h el o c a l i n f o 肌a t i o nf r o mi m a g e f u r t h e r m o r e ，i ti sr o b u s ti nl i g h t n e s sa n ds i m p l e i ni m p l e m e n t t h i n k i n go v e rt h e s et h r e em e t h o d s ，t h i st e x t u s e sw a v e l e tt r a n s f o r mi ne x p 。e s s m gt a c e i m a 2 e b a s eo nw a v e l e tt r a n s f o r n l ，f e a t u r ep o i n t si su s e di d e n t i f i a b l ep i x e l sa n de x t r a c t e d l o c a la n dg l o b a lg a b o rf e a t u r e i nt h ep h a s eo fc l a s s i f i c a t i o n ，w a v e l e tn e u r a ln e t w o r ka p p r o a c h i sa d o p z e d w a v e l e t n e u r a ln e t w o r kh a si n h e r i t e da d v a n t a g e so fb o t hw a v e l e ta n d n e u r a ln e t w o r k lh r o u g ht h e t r a i n i n go fa d a p t i v e w a v e l e tb a s i st oa d ju s tt h es h a p eo ft h er e a l i z a t i o no f w a v e l e t t r a n s f o m a n dh a sag o o da b i l i t yt o f u n c t i o na p p r o x i m a t i o na n dp a t t e r nc l a s s i f i c a t i o n c a p a b i l i t i e s i nt h es a m et i m e ，t a k i n gf u l la d v a n t a g eo f w a v e l e tt r a n s f o r mt i m e 。f r e q u e n c y l o c a l i z a t i o nc h a r a c t e r i s t i c so ft h es u b t l ec h a r a c t e r i s t i c so ft h es i g n a le x t r a c t i o ni m p r o v e d f r e a u e n c yl o c a l i z a t i o np r o p e r t i e sa n dm u l t i s c a l ef e a t u r e so f w a v e l e tn e u r a ln e t w o r k i nt h i sp a p e r ，f e a t u r e sf u s i o nm e t h o do ft h ec o m b i n a t i o no fg l o b a la n dl o c a lf e a t u 。e 8 i sa d o d t e df o rf a c er e c o g n i t i o n l o c a lg a b o rf e a t u r ev e c t o ra n dg l o b a l g a b o rf e a m r e v e c t o rc o m b i n e da i l dw i l l b ea saw a v e l e tn e u r a ln e t w o r ki n p u tl a y e rn o d e v e c t o r e x p e 衄l e n t ss h o wt h a tt h i sm e t h o dc a ne f f e c t i v e l yi d e n t i f yap e r s o nw i t h f a c i a lt e a t u r e p o i n t s k e yw o r d s f a c er e c o g n i t i o n ；f e a t u r ep o i n t s ；g a b o rg a n s f o r m ；f e a t u r ef u s i o n ； w a v e l e tn e u r a ln e t w o r k ； i v 目录 目录 摘要i a b s t r a c t i i i 第l 章绪论1 1 1 人脸自动机器识别技术现状1 1 1 1人脸自动识别的研究范围2 1 1 2 人脸自动识别技术的应用3 1 2 人脸识别的优势与难题3 1 2 1 人脸识别技术的优点3 1 2 2 人脸识别技术的难点4 1 3 本文内容4 1 3 1研究的目的4 1 3 2 主要内容：4 第2 章人脸识别的几种经典方法”6 ， 2 1 特征提取7 。 。 2 1 1主分量分析法( p c a ) “7 2 1 2 独立分量分析法( i c a ) 8 2 1 3 几何特征方法”8 。： 2 1 4隐马尔可夫模型( h m m ) 9 2 1 5 小波变换法”9 2 2 分类决策9 2 2 1人工神经网络( a n n ) 1 0 2 2 2 支持向量机( s v m ) 10 2 2 3 频谱分析1 0 2 3 人脸识别评价标准1 0 2 4 本章小结1l 第3 章人脸局部明显色差特征检测1 2 3 1 人脸颜面皮肤的医学、病理学知识1 2 3 2 常见人脸图像数据库1 3 3 3 图像预处理13 3 3 1使用直方图均衡化1 4 3 3 2图像的尺度归一化1 7 v 河北科技大学硕+ 学位论文 3 3 3 灰度归一化1 8 3 3 4 灰度拉伸l8 3 4 图像分割1 9 3 4 1图像边界分割1 9 3 4 2 图像区域分割1 9 3 5 本章小结2 1 第4 章人脸特征的表示及提取方法2 2 4 1 特征值的表示2 2 4 2 改进的p c a 方法2 2 4 2 1 主分量分析方法2 3 4 2 2改进的p c a 方法2 3 4 3 几何特征法2 4 4 4 小波变换2 4 4 4 1小波变换2 5 4 4 2 小波变换在图像的应用2 6 4 4 3 加权小波系数2 7 4 5 特征提取方法对比2 8 4 6 本章小结2 8 第5 章基于小波神经网络的人脸图像2 9 分类识别方法研究一“2 9 5 1 神经网络及其实现方法2 9 5 1 - 1神经网络结构及学习过程2 9 5 1 2 模式识别中的神经网络应用3 0 5 1 3 神经网络实现方法3 1 5 2 小波神经网络3 2 5 2 1 小波神经网络实现原理3 2 5 2 2 双正交小波的构成原理”3 4 5 2 3 小波神经网络的拓扑结构3 6 5 2 4 网络结构及权系数确定3 7 5 3 基于小波神经网络的人脸识别4 0 5 3 1小波神经网络实现4 1 5 3 2 实验结果及分析“4 2 5 4 本章小结4 3 结论4 4 v l 目录 昌| _ 昌昌；昌昌= 昌盲皇_ 一墨_ 置昌量目皇昌昌： 昌：i ：= 昌昌昌= = 皇皇皇昌墨墨篁墨昌昌墨置昌昌昌昌= 鲁昌= = 昌= = = = 皇蛊葛昌昌昌昌昌昌昌 # 参考文献4 5 攻读硕士学位期间所发表的论文4 9 致谢5 0 v i i 第1 章绪论 第1 章绪论 1 1 人脸自动机器识别技术现状 进入新世纪的今天，我们越来越需要解决身份识别的问题。目前通用的身份识 别手段大致分为两类，一类是实物性标志物，如印章、钥匙、卡片等等；另一类是 数据性标志物，如i d 号、密码、账号、编码等等。但上述识别手段都存在这样那样 的缺点，如印章易被仿制，钥匙可能丢失而被别人捡到，密码可能被泄露或破解， 凡此种种，都使这些标志物失去身份识别的意义而且有极大的风险性，即将非法者 认定为合法用户而造成财产和信息损失。近年来出现的生物特征身份识别技术较好 地解决了此类问题，为人们所接受，在社会生活中越来越多的领域得到了应用和发 展。 生物识别是近年来发展起来的一项身份鉴别技术，是指根据人类生物信息中具 有唯一性和相对不变性的特征，使用现代科技手段加以识别的技术。生物特征一般 是指人的脸部特征、指纹特征、眼底虹膜血管图案、d n a 序列、血型等，是人所具 有的自然特征，不易改变，难以伪造，具有高度的稳定性；同时这些特征大都因人 而异，例如指纹图案，世界上没有任何两个人的十指指纹完全相同，可区分度很高， 这是我们可以利用生物特征进行人的身份识别的基础。一个人具有的生物特征只有 他( 她) 自己能够提供，可以保证这种特征的识别确保结果的正确性，不可能像钥 匙一样被遗失，不存在类似密码遗忘或泄漏的情况，相比传统的身份识别手段，生 物特征识别的优势是显而易见的。 我们在社会生活中去识别、分辨某一个人，最广泛应用的就是照片对比法，即 利用人的脸部特征进行身份的识别。基于此，人脸识别成为我们多年来研究的重要 方向，但是人的面部特征( 人脸) 是一个特殊的不规则变形体，存在着主动形变和 被动形变，人脸识别一般是对照片进行分析，而照片是由人脸的三维信息投影至二 维平面而成，在投影的过程中，会损失一些信息，加之摄像时人的头部姿态、倾斜 角度、旋转角度、光照条件等诸多因素的影响，将会使照片信息与真实人脸信息之 间的差距加大，呈现出非常复杂的转化模式，无疑增大了识别的难度，影响了识别 的效率。而且用计算机处理人脸识别还涉及到数学、光学、心理学、计算机视觉、 图形图像处理、神经网络等诸多领域，因此人脸识别在国内外的研究虽然处于迅速 发展的时期，但也还存在许多亟待解决的技术问题。 随着科学技术的日新月异，在这个领域中应用的技术手段也被大大扩展和增强， 使用计算机进行数据处理可以实现在瞬间对大量、复杂的信息分析、计算、统计， 并迅速给出有价值的结论。当前，国际上人脸识别技术的研究成果很多，大家摸索 1 河北科技人学硕十学何论文 了一系列的比较成熟的识别算法和方法，在不同的条件下，识别的准确率也有所不 同。有些优秀的算法可以达到令人满意的识别率。现在人们选取研究方法，一般是 根据所需要的精度，所识别对象的特点选择不同的识别方法，以期达到有针对性的 识别，提供识别的准确度与速度。在日常生活中，人们对于某些面部有明显色差特 征的人群格外注意，比如面部有明显痣或色斑，作为识别此人的特点会大大提高识 别率。也就是我们常说的，看见了他的这个痣，就认出了他。如果我们把这项特征 点的检测与识别应用于大量人群的排查，对于快速排除不含此特征的大量样本起到 了重要作用，为后续的精细比对做了前期初筛的工作，其对于提高识别效率的贡献 不言而喻。本文的研究目的是希望选择一项有效的方法，可以高效迅速准确地利用 人脸的明显色差特征对人脸进行识别。 1 1 1人脸自动识别的研究范围 人脸识别是指使用计算机系统分析人脸图像，采用行之有效的图像处理方法， 用恰当的方式与人脸数据库进行比对，确认图像所属人是否是数据库中的某个人， 或证明其并不属于该数据库。 人脸识别包括以下三个主要过程，如下图1 1 所示。 到人脸检测与定位l l 特征表示与提取u 分类识别鬯 一人脸检测与定位 h 特征表示与提取h 分类识别l 图卜l 自动识别过程 f i g i is y s t e mo f a u t of a c er e c o g n i t i o n 第一步是进行人脸检测与定位，也就是判断图像中是否存在人脸。如果不存在， 就不必识别了；如果存在人脸，就需要把人脸部分合理地分割成为一个子图像。在 进行人脸识别之前，我们要求在不同成像条件( 光照强度，噪声干扰等) 下得到的 图像具有一致性，这样才能取得较好的识别效果。良好的预处理可以使识别的过程 能够消除一些不确定因素的影响。本文的预处理主要包括三个方面：第一个是几何 预处理，它能得到固定大小的人脸图像。第二是灰度预处理，它能够对不同光源和 不同光照条件下得到的图像进行光线补偿，从而减弱光照变化对图像的影响，同时 还包括灰度归一化和灰度增强。第三是图像滤波去噪，人脸图像中的噪声往往以孤 立点的形式出现，而使用非线性滤波可以有效的去除椒盐噪声( 孤立噪声) 的影响。 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。这种 滤波器的优点是运算简单而且速度较快，在滤除叠加白噪声和长尾叠加噪声方面显 示出了极好的性能。 图像分割方法可分为基于阈值的方法、基于边缘的方法和基于区域的分割方法。 基于阈值的分割方法先把图像灰度分成不同的等级，然后用设置阈值的方法确定有 2 第1 章绪论 意义的区域或分割物体的边界：基于边缘的分割方法，这种方法以图像局部亮度变 化最显著的部分，如灰度值的突变、颜色的突变等作为不同区域的边缘交界处；基 于区域的分割方法将具有相似性质的像素集合起来构成区域，先找一个种子点，然 后把附近区域的相近像素也合并起来，直到没有相近的点可以合并为止。 第二步是对图像进行特征提取。不同方法的特征表示形式也不同。 几何特征法一般使用弹性模板来提取特征矢量作为特征值。 、 本征脸法将数据库中的人脸图像求灰度均值，将每幅图像与之相减并映射为一组 特征矢量，将待识别图像也如此转换，再与数据库中的各矢量相匹配。在这种方法 中，需要解决大尺度矩阵的计算问题，故常将大矩阵分解为若干小矩阵在处理，结 果分别是特征脸矩阵和隐马尔科夫模型的参数。 小波变换方法应用小波函数对图像进行转换，得到4 各子块频带区域，其中低频 子带图像保留了原图像的绝大多数内容信息，而数据量大为减少，如再进行一次小 波变换，则可得到更高质量的信息，有效地降低了图像的维数，提高计算效率。 神经网络方法只是把原始图像经过尺度归一化和灰度归一化的狄度图像所有像 素点矩阵作为输入，将神经网络的输出矩阵作为输出结果。 第三步是人脸分类识别。将处理得到的待测图像的特征值，与人脸数据库中已 存储的所有图像的特征值进行逐一比对，判断是否匹配。最终结果往往是一个匹配 概率值，值越大，则识别的确定性越高。 1 1 2 人脸自动识别技术的应用 人脸识别技术的应用领域十分广泛，主要有如下几个方面： 1 ) 公共安全：公安系统追捕犯罪嫌疑人，嫌疑人识别，海关边防安检； 2 ) 信息安全：重要计算机系统的登录，关键设备的进入，文件加密； 3 ) 商业管理：电子商务，网上金融系统，考勤管理； 4 ) 门禁控制：重要机构、军事机要部门、金融机构进出： 5 ) 证件鉴别：重要证件、护照、学历证明的真伪鉴别。 随着人脸识别技术的不断发展，它的应用领域还会更加广泛。 1 2 人脸识别的优势与难题 1 2 1人脸识别技术的优点 生物特征具有唯一性和相对不变性的特征，主要包括脸部特征、指纹特征、眼 底虹膜血管图案、d n a 序列、血型等，是人所具有的自然特征，不易改变，难以伪 造，具有高度的稳定性。其中人脸特征识别相比之下具有更多优点。 1 ) 不需识别对象的配合，可以在隐蔽的情况下发挥很好的效果，尤其适用于刑 侦破案，罪犯追逃等情况； 3 河北科技人学硕七学位论文 2 ) 没有欺负性，易于受试者接受，不存在交叉接触的卫生隐患问题： 3 ) 设备易于取得，操作性好，便于普及。 1 2 2 人脸识别技术的难点 人的面部特征( 人脸) 是一个特殊的不规则变形体，存在着主动形变和被动形 变，人脸识别一般是对照片进行分析，而照片是由人脸的三维信启、投影至二维平面 而成，在投影的过程中，会损失一些信息，加之摄像时人的头部姿态、倾斜角度、 旋转角度、光照条件等诸多因素的影响，将会使照片信息与真实人脸信息之间的差 距加大，呈现出非常复杂的转化模式，无疑增大了识别的难度，影响了识别的效率。 而且用计算机处理人脸识别还涉及到数学、光学、心理学、计算机视觉、图形图像 处理、神经网络等诸多领域，因此人脸识别在国内外的研究虽然处于迅速发展的时 期，但也还存在许多亟待解决的技术问题。 1 3 本文内容 1 3 1 研究的目的 随着科学技术的日新月异，在人脸识别领域中应用的技术手段也被大大扩展和 增强，使用计算机进行数据处理可以实现在瞬间对大量、复杂的信息分析、计算、 统计，并迅速给出有价值的结论。当前，国际上人脸识别技术的研究成果很多，大 家摸索了一系列的比较成熟的识别算法和方法，在不同的条件下，识别的准确率也 有所不同。有些优秀的算法可以达到令人满意的识别率。现在人们选取研究方法， 一般是根据所需要的精度，所识别对象的特点选择不同的识别方法，以期达到有针 对性的识别，提供识别的准确度与速度。在日常生活中，人们对于某些面部有明显 色差特征的人群格外注意，比如面部有明显痣或色斑，作为识别此人的特点会大大 提高识别率。也就是我们常说的，看见了他的这个痣，就认出了他。如果我们把这 项特征点的检测与识别应用于大量人群的排查，对于快速排除不含此特征的大量样 本起到了重要作用，为后续的精细比对做了前期初筛的工作，其对于提高识别效率 的贡献不言而喻。本文的研究目的是希望选择一项有效的方法，可以高效迅速准确 地利用人脸的明显色差特征对人脸进行识别。 1 3 2 主要内容 本文的第1 章绪论，介绍了人脸自动机器识别技术的历史发展，现状，主要技 术、应用领域，识别技术的优势和目前影响识别技术发展的问题，并介绍本文的目 的、内容等。第2 章总结了本领域科研人员常用的几种图像的典型特征值准确提取， 以及利用特征值进行识别的方法。第3 章通过研究有关颜面明显色差特征的医学知 识，设计适合于本课题的图像预处理，图像分割的处理方法。第4 章因为本文的研 4 第1 章绪论 究对象是带有颜面明显色差特征的人脸图像，在比较了常见的三种图像特征值提取 方法之后，选择合适的表示。第5 章从神经网络和小波神经网络的概念入手，建立 起适合本课题的小波神经网络架构。小波神经网络继承了小波的多分辨率的特性， 也继承了神经网络自学习能力好、鲁棒性强的优点，将二者结合起来，得到很好的 实验效果。本文采用全局特征和局部特征相结合的特征融合方法，将数据融合之后 做为小波神经网络的输入层节点向量，设计了3 种不同的方法，比较后选出最优方 案。 5 第2 章人脸识别的儿种经典方法 第2 章人脸识别的几种经典方法 人脸识别是一个非常具有挑战性而且又令人感兴趣的课题，激起众多学科的科 学家的极大兴趣，经过多年的积累，总结了众多不同的关于人脸识别方法的成功方 法。一个优秀的人脸识别系统综合了多个识别技术，交叉学科不同技术的融合使得 我们很难将这些系统简单地归为使用哪种单一技术来进行表征特征或分类。为了对 这些识别的方法，有一个清晰且高水平的分类，我们根据人类怎样使用整体特征和 局部特征，来识别一个对象的原理，而不是心理学家建议的准则，来对人脸识别方 法分类。静态人脸识别有以下几种常见方法，如表2 1 所示。 ( 1 ) 对脸部全部信息进行比较的方法 用脸部图像的所有信息都作为识别系统的原始输入信息。我们现在应用最多的 表示面部图像的特征值，就是p c a 方法的特征脸。 ( 2 ) 利用几何特征进行比较的方法 我们将抽取出来的鼻子、嘴唇、眼睛等器官特征以及各特征间的空间位置关系， 还有局部统计( 几何的或外观的) 数据一起送入一个结构分类器中，进行分类识别。 ( 3 ) 整体特征与部分特征结合法 模拟我们人类的感知系统，把面部图像与局部特征结合起来共同完成比对任 务，人脸自动识别同样结合起来综合识别。当然，这种技术的复杂程度会高于前两 种。 表2 1 识别方法对比表 t a b 2 - ic l a s s i f i c a t i o no fs t a t i cf a c er e c o g n i t i o n 方法 相关研究 特征脸p c a 方法的直接应用 独立分量分析( i c a )基于i c a 特征分析 整体匹配法 概率特征脸根据概率分布测度解决两类问题 支持向量机( s v m )基于s v m 的二分类问题的研究 f i s h e d 征脸子空间l d a基于特，征空间的f l d 方法 纯几何方法 利用相关几何关系 隐马尔科夫模型( h m m )h m m 方法 基于特征的方法 动态链接结构l 鳌i 形匹配方法 卷积神经网络基于s o m 学习 融合的方法模块化特征脸特征脸和特行模型 6 河北科技大学硕+ 学位论文 续表2 1 混合l f a局部特征方法 融合的方法 基于分量脸部区域和分量 我们把这些分类里的每一种，进行更细致的分类都是可以的：基于主分量分析 的思路，我们已开发出许多人脸识别方法，比如使用最近邻分类器的特征脸【2 。7 】；用 连接两个样本点的点，以及特征线间的距离【2 8 1 ，来代替点对点之间简单距离的基于 特征线的方法；还有基于线性f i s h e r 区别分析( f l d l d a ) 的f i s h e r 脸【2 9 - 3 1 】；还有基于 概率距离度量【3 2 】的贝叶斯方法，以及使用支持单位向量机作为分类器的s v m 方法 【3 3 】；另外，利用高阶统计信息的独立分量分析( i c a ) 3 4 】，也被认为l 匕p c a 会有更好的 表征能力，l l p c a 有更好的识别性能。通过利用自我学习功能，达到更好的泛化能 力的神经网络，也可用于人脸识别，比如概率决策神经网络( p d b n n ) 【35 j 方法和，还 有进化追踪的方法( e p li 蚓。 最早人们进行人