（计算机软件与理论专业论文）基于低对比度图像和小波网络优化的人脸识别研究.pdf

四川师范大学硕士学位论文 基于低对比度图像和小波网络优化的人脸识别研究 计算机软件与理论专业 研究生欧阳俊林指导教师王玲 人脸识别是模式识别研究领域的重要课题。在过去几十年，人脸识别的研 究更多地停留在理论意义之上，自2 0 世纪8 0 年代末9 0 年代初以来，随着信息安 全的重要性日益突出，人脸识别技术在应用方面的研究逐渐成为热门课题。 一个完整的人脸自动识别系统分为三个主要的环节：从图像中检测、分割 人脸；提取人脸特征；人脸识别。目前，摄像头的使用越来越普遍，但摄像头 受各种条件限制所采集的图像存在光照不足、对比度较低的情况，要对这些图 像进行识别，首先要解决的是人脸的检测和精确定位 本文对低光照、低对比度的人脸图像进行检测及识别技术进行了研究，主 要工作有：( 1 ) 对人脸识别的研究工作进行了综述，把当前研究比较少的低光照、 低对比度的人脸图像的检测及识别作为本文的研究方向。( 2 ) 采用适当增加图像 的亮度和对比度的方法，突出其边缘，以便于检测。将检测到的图像中的边缘， 利用h o u g h 变换对图像中椭圆的检测来实现人脸的定位。试验表明，该方法能准 确地定位入脸，去除与入脸无关的信息( 3 设计了一种基于遗传算法的分割人 脸的方法，进一步确定人脸的范围，去除图像中的噪声，精确定位人脸面部器官 该方法定位人脸面部器官时对人脸的表情、姿态不敏感，具有较好的鲁棒性。 ( 4 ) 提取人脸的面部器官特征，应用基于小波神经网络的人脸识别模型进行人脸 识别，并采用遗传算法对小波神经网络进行了优化，加速了网络的收敛速度。 关键词：低对比度，人脸识别，遗传算法，图像分割，小波网络 四川师范大学硕士学位论文 r e s e l r e l l 蚰f a c er e e o g u i t i o r b a s e d 帆l o wc o n t r a s ti m a g eu do p t i m i z i n go f w a v e l e tn e t w o r k ， l v l a l o r ：c o m p u t e rs o t t w a r ea n dt h e o r y a u t h o r ：o u y a n gj u n l i n $ t t p e r v i s o r ：w a n gl i n g a b s t r a c t t h ef a c er e c o g n i t i o ni sa ni m p o r t a n tt o p i ci nt h ep a t t e r nr e c o g n i t i o nr e s e a r e l a 羽瓿i nt h ep a s td e c a d e s , t h er e s e a r c ho ft h eh u m a nf a c er e e o 粤a i t i o nw a l tm a i n l y l i m i t e dt ot h e o r e t i c a lf i e l d s f r o m1 9 8 0 st ot h ee a r l y1 9 9 0 。s ，t h ef a c er e c o g n i t i o n t e e l a n o l o g yh a sg r a d u a l l yb e c o m eah o ti s s u ei nt h ea p p l i c a t i o na s p e c t ac o m p l e t ea u t o m a t i cf a c er e c o g n i t i o ns y s t 咖c o n s i s t so ft h r e em a i np a r t s ： d e t e c t i n gt h eh u m a nf a c ef r o mt h ei m a g e , o x t r a e t i n g t h ef a c ef e a t u r ea n dr e c o g n i z i n g f a c e a tp r e s e n t , v i d e oo a l ni su s e dl n o r ea n d ! 1 1 0 1 1 ep o p u l a r , b u tr e s t r i c t e db yv a r i o u s c o n d i t i o n s 。t h ei m a g e st h a tv i d e oc a l nc o l l e c ta l t cl o wb r i g h t n e s sa n dl o wc o n t r a s t i f w ew a n tt o 舢幽t h e s ei m a g e s , w em u s td e t e c ta n da c c u r a t e l yp o s i t i o nf a c e f r o mt h e s ei m a g e sa tf i r s t i t sr e s e a r c h e dt od e t e c ta n dr e c o g n i z ef a c ei m a g e so fl o wb r i g h t n e s sa n dl o w c o n t r a s t m a i n l yi n c l u d i n g ：0 ) s u m m a r i z i n gt h er e s e a r c ho f f a e cr e c o g n i t i o n , a n do n a e c o t m to ft h er e s e a r c ho fd e t e c t i n ga n dr e c o g n i z i n gt h ei m a g c so fl o wb r i g h t n e s s a n dl o wc o n t r a s ti sl a c k , t h i sp a p e rm a k ei ta sr e m a t c hd i r t i o n ( 2 ) e n l u m e i n gt h e b r i g h t n e s sa n dc o n t r a s to ft h ei m a g e sb y8 0 1 1 3 em e a 璐m a k et h o s ec , i g e sc l e a i 既 g e t t i n gt h ee d g e so ft h ei l l l a g l ：sa n dl o c a t i n gf a c e sb yt h a th o u g ht r a n s f o r mc 缸 d e t e c te l l i p s e sf r o mi m a g e 8 i ti si n d i c a t e db ye x p e n m e n t a t i o mt h a tf a c e s 啪b e l o c a t e df r o mi m a g e sb yt h i sm e t h o d , a n di n f o r m a t i o nt h a ti sn 0r e l a t e dw i t hf a c e s c a l la l s ob cr e m o v e d o ) d e s i g n i n gam e t h o db a s e d 吼g e n e t i ca l g o r i t l m af o rf a e o s e g m e n t a t i o nt oa s c e r t a i nt h e1 1 1 伐1 o ff a c e s , a n da c c u r a t e l yl o c a t i n ga p p a r a t u so f m 一一璺型墅堕查塑圭竺垡丝苎 f a c e sa n dr e m o v i n gt h ee d g en o i s e w h e nl o c a t i n ga p p a r a t u so f f a c e s , t h ef k i a l e x p r e s s i o na n dp o s eh a v et i t t l ea f f e c t e dt ot h i sm e t h o d i th a sg o o dr o b u s t n e s s ( 4 ) d i s t i u i n gf e a t u r eo f f a c e s , a p p l y i n gam o d e lo f f a c er e c o g n i t i o nb a s e do nw a v e l e t n e t w o r kf o rf a c er e c o g n i t i o n , o p t i m i z i n gw a v e l e tn e l l r a ln e t w o r kw i t hg e n e t i c a l g o r i t h m , a n da c c e l e r a t i n gc o n v e r g e n c eo f w a v e l e tn c i h a ln e t w o r k k e yw o r d sll o wc o n t r a s t , f a c er e c o g n i t i o n , s e g m e n t a t i o n , w a v e l e tn e t w o r k 旧川师范大学硕士学位论文 四川师范大学学位论文独创性及使用授权声明 本人声明：所呈交学位论文，是本人在导师王验指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个 人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人 和集体，均己在文中以明确方式标明。 本人承诺：1 己提交的学位论文电子版与论文纸本的内容一致。如因不符而 引起的学术声誉上的损失由本人自负。 本人同意所撰写学位论文的使用授权遵照学校的管理规定： 学校作为申请学位的条件之一，学位论文著作权拥有者须授权所在大学拥 有学位论文的部分使用权，即：1 ) 已获学位的研究生必须按学校规定提交印刷 版和电子版学位论文，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；2 ) 为教学和科研目的，学校可以将公开的学位论文或解密后的学位论文 作为资料在图书馆、资料室等场所或在校园网上供校内师生阅读、浏览。 论文作者签名：2 丘懈 扩噼f 月乡日 四川师范大学硕士学位论文 第一章概述 1 1 人脸识别技术简介 人脸识别技术是上世纪末期才兴起并活跃起来的一个研究领域，它跨越了 图像处理、模式识别、计算机视觉、生物学、神经生理学和神经网络等诸多学 科，是一个典型的多学科交叉的边缘应用，广泛应用于国家安全、智能门禁、 视频监控、公安布控、身份验证等多种场合。作为一种重要的个人身份鉴别方 法，人脸识别技术除了拥有不易遗忘或丢失、不易被盗用或仿制、随身携带等 优点以外，与其他身份鉴别方法相比，具有直接、友好、方便和鲁棒性强等特 点，更因其人脸图像采集的非接触性、非侵犯性、非强制性、自由灵活、支持 批量采集等优势更乐于为人们所接受。因此，人脸识别问题的研究不仅在模式 识别中具有重大的理论意义，而且具有很强的实用价值。 人脸识别技术( f a c er e c o g n i t i o nt e c h n o l o g y ，简称f r t ) 就是指使用计算 机技术输入的人脸图像或者视频，首先判断其中是否存在人脸，如果存在人脸， 则进一步给出每个人脸的位置、大小和各个主要面部器官的位置等信息，并依 据这些信息，提取每个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，从而识别每个人脸的身份的一种生物认证技术它包含人脸检测、 人脸跟踪、人脸比对等课题。人脸检测是指在复杂的背景或动态的场景中，判 断是否存在人脸并分离出人脸。人脸跟踪是指对被检测到的人脸进行动态目标 跟踪。人脸比对则是指对被检测到的人脸进行身份确认或在人脸库中进行目标 搜索。 1 1 1 人脸识别的研究内容 人脸识别( f a c er e c o g n i t i o n ) 一般可描述为：给定一静止或动态图像，利 用已有的人脸数据库来确认图像中的个或多个人从广义上讲，其研究内容 包括以下五个方面”f l 一； ( 1 ) 人脸定位和检测( f a c ed e t e c t i o n ) ：即从静态图片或者视频序列中检测 出人脸是否存在并且确定其位置，最后分离出来。这一任务主要受到光照，噪 声、而部倾斜以及各种各样遮挡的影响。 ( 2 ) 人脸表征( f a c er e p r e s e n t 8 t i o n ) ( 也称人脸特征抽取) ：即采用某种表 四川师范大学硕士学位论文 示方法表示检测出的人脸与数据库中的已知人脸。通常的表示方法包括几何特 征( 如欧氏距离、曲率、角度) 、代数特征( 如矩阵特征向量) 、固定特征模板、 特征脸等 ( 3 ) 人脸识别( f a c ei d e n t i f i c a t i o n ) ；即将待识别的人脸与数据库中已知 人脸比较，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 ) 表情姿态分析( e x p r e s s i o n g e s t u r ea n a l y s i s ) ：即对待识别人脸的表 情或姿态信息进行分析，并对其加以归类。到目前为止，由于该问题的复杂性 对表情分析的研究还处于初步阶段。 ( 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，得出其年龄、性别等相关信息，或者从几幅相关的图像推导出希望得 到的人脸图像，如从父母图像推导出孩子的脸部图像、基于年龄增长的人脸图 像估算等。 ， 人脸识别系统结构如图1 1 所示 图1 1 人脸识别系统结构 从图1 1 可以看出人脸识别的第一步是人脸检测与定位，也就是在输入的 图像里检测有没有人脸出现，如有人脸，则将其从背景中分割出来，并确定其 在图像中的位置。在某些场合，拍摄图像的条件是可以控制的，比如警察拍罪 犯或犯罪嫌疑人的照片时要求他们将脸的某一部分靠近标尺，这时人脸的定位 很简单一些普通的证件照片如身份证照片，这些照片中头部占据了照片中央 的大部分地方，定位也比较容易。在另一些情况下，人脸在图像中的位置预先 是未知的，比如在一些复杂背景中拍摄的照片，此时人脸的检测与定位将受到 以下因素的影响：1 ) 人脸在图像中的位置、旋转角度和尺度不固定；2 ) 发型和 化妆会遮盖某些特征；3 ) 图像中出现的噪声；4 ) 拍摄时的光照条件及背景与人 四川师范大学硕士学位论文 脸有相似的地方等 第二步是特征提取。特征提取之前一般需要做几何归一化和灰度归化的 工作。其中前者是指将从输入图像中定位出来的人脸图像中的人脸变化到同一 位置和大小；后者是对定位的人脸图像进行光照补偿等处理，以克服光照变化 的影响。 最后是人脸识别。数据库里预先存放了已知的人脸图像或有关的特征值， 识别的目的就是将待识别的图像或特征与数据库里的进行匹配。识别的任务主 要有两个：个是人脸辨认，即确定输入图像是否为数据库中的人，是哪一个 人，是一对多的匹配过程；另一个是人脸证实，即验证某个人的身份是否属实， 是一个一对的匹配过程。根据输入图像的性质，可以将人脸识别分为静态图 像的人脸识别和动态图像序列的人脸识别两大类。 1 1 2 人脸识别的应用范围 人脸识别技术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。受到商业应用需求的推动以及相关技术的发展而得到空前的重视，人脸识 别技术成为图像识别和理解领域中的研究热点。现在这种技术在安全系统和商 贸系统及企业都有很多的应用。主要有以下几类应用队日： ( 1 ) 刑侦破案、网上追逃。当公安部门获得案犯的照片后，可以利用人脸识 别技术，；在存储罪犯照片或户籍系统的数据库中找出最相像的人为嫌疑犯。还 有一种应用就是根据目击证人的描述，先由警察画家画出草图，然后用这张图 到库里去查找嫌疑犯。罪犯数据库往往很大，由几千幅图像组成。如果这项搜 索工作由人来完成，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，记忆力会急剧下降，而由计算机来完成则不出现这种情况。网上追逃， 指的是犯罪分子作案后逃跑，公安部将这些人的资料收集，组成一个在逃犯数 据库，供公安人员在查暂住人口，及宾馆住宿人员对比查询。一般的情况下是 通过查对身份证，但在逃犯数据有的只有照片，或绰号，查看身份证是没有多 大用处的，这种情况利用人脸识别技术将逃犯无处藏身。 ( 2 ) 证件验证。身份证、驾驶执照以其他很多证件上都有照片，现在这些证 件的验证工作基本上是由人工来完成的如果用了人脸识别技术，这项工作就 3 四川师范大学硕士学位论文 可以交给机器来完成，从而实现自动化智能管理。当前普遍使用的另类证件 是用符号或条形码标记的，比如信用卡、自动提款机等。这类卡的安全系数比 较低，因为卡可能丢失，密码可能遗忘或被窃取如果在这类卡上加上人脸特 征信息，或直接采用人脸识别技术，则可以大大改善其安全性能。 ( 3 ) 入口控制。入口控制的范围很广，它可以是设在楼宇、单位或私人住宅 入口处的安全检查，也可以是计算机系统、情报系统或安全部门等的入口控制。 在楼字或某些安全部门的入口处，比较常用的检查手段是核查证件。当人员频 繁出入时，请保安人员再三检查证件是很麻烦的，而且安全系数也不高。在一 些保密要求非常严格的部门，除了用证件，还要加上另外一些识别手段，如指 纹识别、手掌识别，视网膜识别和语音等。人脸识别与之相比，具有直接，方 便和界面友好的特点。当前计算机系统的安全管理也倍受重视，通常使用由字 符和数字组成的口令可能会被遗忘或破解，但是如果把人脸当作口令则又方便 又安全。美国“9 1 1 ”事件后，使得人脸识别技术的应用得孤了极大的重视，现 在美国多个机场使用了人脸识别系统，以防恐怖分子再次进行恐怖活动 ( 4 ) 视频监视。在许多银行、公司、公共场合等处都设有2 4 小时的视频监 视。另外侦察员在破案时有时也要用摄像机对人进行跟踪在对图像进行集体 分析时，就要用到人脸的检测、跟踪和识别技术 ( 5 ) 考勤。以前人员是否上班都是有个专门的人来考勤，如果是熟人或上级 就有弄虚作假的行为如果我们采用人脸识别系统来考勤时，员工在上下班时 只要在考勤系统中输入工号，并在摄像设备前站立几秒钟，考勤系统就可以自 动对员工的身份进行验证，并进行考勤记录，这样就可以大大减少弄虚作假的 行为。 ( 6 ) 银行安全防范管理系统。银行金融系统对安全控制有着极高的要求。由 于近年来金融诈骗、抢劫的发生率日益增加，传统的安全措施受到新挑战。人 脸识别技术不需要任何电子或机械的“钥匙”，可以杜绝丢失钥匙，密码的现象。 如果再加上i c 卡、指纹识别等技术可以使安全系数成倍增加。目前银行系统正 在开展保险柜出租、托管业务，使用人脸识别系统将不仅可以大大提高银行的 安全系数，还可提高银行在客户中的可信度。 除了这几部分应用外，人脸识别技术还可用在视频会议、会议代表身份认 4 四川师范大学硕士学位论文 证系统、机器人的智能化研究、虚拟现实以及医学等方面。这些应用包括了从 静态的受控背景的照片到动态的、非控背景的录像等各个方面，各项应用都有 着不同的技术难度、处理方法和分析理解方式。它们基本上可以分为两类；静 态( 非视频) 匹配和动态( 视频) 匹配。 1 1 3 人脸识别的技术难题 ，。 人脸识别对于正常的人来说，是一件轻而易举的事，但是对于计算机而言， 人脸识别仍然是件很困难的任务，这是因为人脸图像主要受到以下因素的影响； ( 1 ) 图像质量：图像质量的高低将影响到脸部特征的精确定位和抽取。如果 图像的质量较差，如公众场所监控，将严重影响人脸的定位和识别的精确性 ( 2 ) 复杂背景：从复杂背景中分离出人脸要比从简单背景中分离出人脸困难 得多，尤其是在人脸数目、大小未知的情况下利用视频图像序列当中的运动 信息以及无人背景的差分图像，可以简化人脸检测算法，但同时运动信息的存 在也有可能造成图像的质量较差。 ( 3 ) 光照条件：光照条件的变化通常会影响图像的信息结构，使图像原始特 征的提取和匹配变得困难。若能找到一个对于光照不变的算法那将大大提高人 脸的识别率 ( 4 ) 头部旋转：头部在不同的平面上的不同角度的旋转都将给特征的提取与 匹配造成一定程度的困难。 ( 5 ) 脸部表情：在人脸识别的研究中，脸部表情的变化经常被看成是一种模 板形变，它经常会影响到人脸图像的结构信息，使识别变得困难，系统的识别 率降低。 ( 6 ) 装束变化：人体头部的装束变化经常会隐藏或遮盖了某些脸部特征。比 如：发型、眼镜、胡须、化妆以及整容等。对于这种变化不同于其它的一些变 化，如果没有相关于这个人脸的先验信息，是无法通过某些算法进行补偿的。 这些因素的变化，都会导致人脸图像的明显改变，目前还没有通用的识别 算法能够有效地解决这些因素的影响。因此，在人脸识别的研究中，更好地进 行特征选择、降低计算复杂度以及寻找一个更有效的人脸识别技术是今后研究 的方向 四川师范大学硕士学位论文 1 2 人脸识别技术的研究现状 计算机人脸识别研究始于1 9 6 6 年p r i 的b l e d s o e 的工作旧早期人脸识别 研究主要有两大方向：一是提取人脸几何特征的方法，包括人脸部件归一化的 点间距离和比率以及人脸的一些特征点等，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灰度的自 相关性来实现识别功能。目前的研究也主要有两个方向：其一是基于整体的方 法，它考虑了模式的整体属性，包括特征脸方法、s v b 分解方法啪、人脸等密度 线分析匹配方法伽、弹性图匹配方法啪隐马尔可夫模型方法“”以及神经网络的方 法n 1 1 等；其二是基于特征分析的方法，也就是将人脸基准点的相对比率和其他 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 体识别算法文献 1 2 认为基于整个人脸的分析要优于基于部件的分析，理由 是前者保留了更多信息，但是这种说法值得商榷，因为基于人脸部件的识别要 比基于整体的方法来得直观，它提取并利用了最有用的特征，如关键点的位置 以及部件的形状分析等，而对基于整个人脸的识别而言，由于把整个人脸作为 模式，那么光照、视角以及人脸尺寸会对人脸识别有很大的影响，因此如何能 够有效的去掉这些干扰非常关键虽然如此，但对基于部件分析的人脸识别方 法而言也有困难，其难点在于如何建立好的模型来表达识别部件近年来的一 个趋势是将人脸的整体识别和特征分析的方法结合起来。如k i n m a nl a i n 提出的 基于分析和整体呦1 的方法，a n d r e a sl a n i t i s 提出的利用可变模型嘲来对人脸 进行解释和编码的方法。 国外有许多学校在研究人脸识别技术，研究涉及的领域很广其中有从感 知和心理学角度探索人类识别人脸机理的，如美国t e x a s a td a l l a s 大学的a b d i 和t o o l e 小组“”，由s t i r l i n g 大学的b r u c e 教授和g l a s g o w 大学的b u r t o n 教 授合作领导的小组n ”等；也有从视觉机理角度进行研究的，如英国的g r a w 小组 “”等。在用静态图像或视频图像做人脸识别的领域中，比较有影响的有m i t 的 m e d i a 实验室的p e n t l a n d 小组，他们主要是用基于i 【l 变换的本征空间的特征 四川师范大学硕士学位论文 提取法，名为“本征脸( e i g e n f a c e ) “帅；c v e n d e r m a l a b u r g 小组领导了美国 的s o u t h e r nc a l i f o r n i a 大学和德国的b o c h u m 大学合作，采用动态链接结构和 弹性图像匹配嘲等方法；从1 9 9 4 年开始，一些科研单位和公司开始将研究成果 转移为实用产品，如m i r o s 公司的t r u ef a c e ，v i s i n o c s 公司的f a c e l t ， z n b o c h u mg m b h 公司研制的z n f a c e 等。 国内在这方面的研究起步于8 0 年代，但发展较快，主要是在国际上流行方 法基础上作了发展性工作四川大学周激流等实现了具有反馈的人脸正面识别 系统，运用积分投影法提取面部特征的关键点并用于人脸识别，获得了较为满 意的效果。他们对人脸侧面剪影识别做了一定研究，并实现了正、侧面互相参 照的识别系统“7 。中国科技大学的杨光正等“”1 提出一种基于镶嵌图的人脸自 动识别方法，采用基于知识的三级金字塔结构对人脸进行分割和定位，前两级 建立在不同分辨率的镶嵌图基础上，用于对人脸进行基本定位，第三级用一种 改进的边缘检测方法进一步检测眼睛和嘴。清华大学张长水等。”对特征脸的方 法做了进一步研究和发展，提出采用类间散布矩阵作为产生矩阵，进一步降低 了产生矩阵的维数，在保证识别率的情况下，大大地降低了算法的运算量。他 们对多模板的人脸检测问题也进行了研究。南京理工大学杨静宇等圆主要是采 用了奇异值分解的方法进行人脸识别研究。他们还研究了基于f i s h e r 最佳鉴别 向量的人脸识别方法，并对神经网络用于人脸识别也进行了研究。上海交通大 学李介谷等则专门对人脸斜视图像的集合特征提取与恢复进行了研究。他们还 研究了基于计算机视觉场模型的人脸识别技术。戚飞虎等嘲在单样本正面人脸 的识别以及人脸椭圆特征和眼睛特征的提取方面也做了大量研究工作。东南大 学何振亚等伽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。该方法所用特征数据量小，特征提取运算量也较 小，比较好地实现了大量人脸样本的存储和人脸的快速识别。富煌清等用基 于神经网络的主成分分析法提取人脸的主特征向量，并将之用于人脸识别和恢 复。南京邮电大学顾庆寿等提出一种基于自适应神经网络判决树的人脸识别 方法，综合利用多种神经网络模型和特征提取算法，并基于此算法开发了一套 人脸识别实验系统。哈尔滨工业大学高文等啪，等提出一种处理多姿态人脸识别 的多候选类加权识别方法，他们对彩色图像的人脸跟踪和识别也进行了大量研 7 四川师范大学硕士学位论文 究。浙江大学章高清等酬基于特征曲线对人脸进行快速识别。该方法首先对不 同姿态和大小的人脸进行定位和归一化，然后在归一化后的图像上建立多重特 征曲线，再利用傅里叶描绘了对特征曲线进行解析提取人脸的关键特征。 与此同时，中科院自动化所、公安部等单位也进行了人脸识别方面的研究 工作，并取得了一定的成果。相比之下，国内对人脸识别的研究和重视程度还 很不够，研究成果与国际水平还存在相当距离。 1 3 本文的内容与安排 目前，摄像头使用比较普遍( 比如网络视频聊天，公安部门的“天网”工程， 小区物业出入监控等) 且摄像头受各种条件限制所采集的图像存在光照不足、对 比度较低，要对这些图像进行识别，首先要解决的是人脸的检测和精确定位。 而目前这方面的研究还不是很多，为此本文把这种由摄像头所采集的低光照、 低对比度的图像作为研究对象。 本文从扫描整幅图像获取光线补偿系数、增加图像的亮度和对比度开始， 用c a n n y 算子得到图像的边缘，用h o u g h 变换进行人脸的定位。设计了一种基于 遗传算法的分割人脸的方法确定人脸的范围，再用投影法和边缘去噪法精确定 位人脸面部器官在人脸识别方法上使用b p d x 波网络对人脸图像进行识别利 用小波网络的特性进行识别分类，针对b p t b 波网络具有的b p 算法所固有的缺点： 收敛速度慢、易陷入局部极小、对初始值敏感等，运用遗传算法对小波网络进 行优化，并将此方法运用到人脸识别中此方法提高了人脸识别的精度和灵敏 度，并且提高了网络的收敛速度 本文的内容安排如下： 第一章介绍了人脸识别的一些研究现状和应用以及所面临的技术难题。 第二章首先对图像进行光线补偿，适当增强图像的亮度和对比度，突出其 边缘。用c a n n y 算子检测图像的边缘用，再用h o u g h 变换对人脸进行初步定位。 这种方法能准确定位人脸，并去除一部分噪声。 第三章运用基于遗传算法的人脸分割算法对人脸进一步检测和定位，这种 算法对图像的亮度和对比度要求不是很高，有较好的效果。实验证明，用投影 法和边缘去噪法对于面部器官的精确定位，具有高效率、低计算量的特点，并 四川师范大学硕士学位论文 且受人脸表情、图像角度和背景的影响较小，具有较好的鲁棒性。 第四章介绍了小波网络的相关知识，把提取的人脸特征用基于小波网络的 人脸检测和识别的模型进行识别，并运用遗传算法对该小波网络进行优化，以 提高小波网络的精度和收敛速度。 第五章对正篇论文进行总结以及对今后的研究提出方向。 9 四川师范大学颈士学位论文 第二章人脸图像的预处理 对于人脸识别系统，预处理是一个非常重要的步骤。输入的人脸图像由于 摄制条件的不同，如光照明暗程度以及设备性能的优劣等，往往存在有噪声， 对比度不够等缺陷另外，摄制距离远近、焦距大小不等又使得人脸在整幅图 像中的位置和大小都不是确定的。因此我们希望通过预处理得到的人脸图像数 据，能在一定程度上消除光照、焦距和距离等条件的影响。同时，还希望通过 某种不变性变换，减轻因摄像时头部姿态的变化对人脸识别系统带来的影响。 人脸图像的预处理主要是彩色图像到灰度图像的转换、图像增强、图像归 一化等图像增强是不考虑图像降质的原因，只是将图像中感兴趣的特征有选 择的突出，而衰减其他不需要的特征，故改善后的图像不一定逼近原图像，如 突出目标物轮廓和去除各类噪音等。从图像质量评价观点来看，图像增强的主 要目的是提高图像的可读性归一化工作的目标是使得人脸图像标准化，通常 即，使人脸图像是正面端正的，具有固定尺寸大小和灰度取值范围归一化的图 像。 2 1 人脸图像的归一化处理 人脸图像的归一化，目的在于是使不同成像条件( 光照强度、方向、距离、 姿势等) 下拍摄的同一个人的照片具有一致性。良好的归一化，会有效增强系统 抗干扰能力。归一化包括两方面内容，一是几何归一化，也称为位置校准，它 将有助于解决由于成像距离和人的姿势造成的人脸尺寸和歪头角度上的差异 二是灰度归一化，它用来对不同光强、光源方向下得到的图像进行补偿，以减 弱单纯由于光照变化造成的图像信号的变化。经过上述处理，我们就得到了所 谓的“标准图像”后面的其他环节都是对于“标准图像”进行的。 2 1 1 几何归一化 图像的几何归一化伽主要是指在各幅人脸图像中，人脸的关键部位在图中 的相对位置是否都是一样的。其目的是对于不同位置、不同大小的人脸图像通 过定位出两只眼睛的中心，然后通过旋转、缩放、平移随”1 对图像加以矫正， 使不同大小的人脸图像具有相同的比较基准。 l o 四川师范大学硕士学位论文 图像旋转就是把原始图像中人脸图像进行平面内的旋转处理，主要目的是 使人脸上双眼的连线保持在水平的位置。 图像剪切就是通过固定所有人脸双眼的距离来剪裁图像，保证人脸位置的 一致性，在一定程度上克服头发和背景的干扰，体现人脸在图像平面内的平移 不变性。 图像缩放就是把原始图像中包含的人脸缩放到统一的像素大小依据是人 眼坐标。比如规定图像大小是1 2 8 1 2 8 ，则缩放倍数为b = 2 d 1 2 8 ，其中d 为两 眼之间的距离。这样通过固定人眼坐标，就保证了其他部位如鼻、嘴、脸颊等 的位置都保持在相对标准的位置。体现了人脸在图像平面内的尺度不变性。 2 1 2 灰度归一化 ” 灰度归一化嘲的目的是将人脸图像的灰度变化调整到一个统一的范围，使 不同图像具有相同的灰度平均和方差，从而使后续处理具有相同的基准归? 化公式如下： + 乒呼五，玎l ( i | j pp 乒孚五， 其中i ( i ，j ) 为原始人脸图像像素点( i ，j ) 的灰度值，g ( i ，j ) 为规格化后像 素点( i ，j ) 的灰度值，i i 和0 分别为原始人脸图像灰度的平均值和方差，l l 和 0 分别为期望的灰度平均值和方差，有： 1 1 2 由，( f ，) 脚j - o o k 面杀( j ( 一，) 2 n m 柚 m * n 为二维图像的大小 ( 2 2 ) ( 2 3 ) u p 厂j、l 、产：i j0 g 四川师范大学硕士学位论文 2 2 光线补偿 光线补偿主要是考虑到肤色等色彩信息通常受到光源颜色、图像采集设备 的色彩偏差等因素的影响，即色彩偏冷、偏暖，照片偏黄、偏蓝等等h s u 等 人提出为了抵消在整个图像中存在的色彩偏差，将整个图像中所有象素的亮 度从高到低进行排列，取前5 的象素，如果这些象素的数目足够多( 如大于 1 0 0 ) ，将它们的亮度作为。参考白”，即将它们的色彩的r ，g b 分量值都调整 为最大值2 5 5 。整幅图像的其他象素点的色彩也都按这一调整尺度进行变换， 从而消除光照的影响。其合理性可以从两个角度进行解释：一方面，绝大部分的 图像中都包含有纯白色，特别是包含人脸在内的图像中，在眼球外围等处通常 就是纯白色，所以将具有最大亮度的象素色彩值调整为纯白色是合理的；另一 方面，存在色彩偏差的图像在原来是白色的区域有着很明显、直观的体现，所 以按照这些区域的调整方法对整个图像进行调整也是比较合理和有效的 考虑到本文所处理的图像主要是通过摄像头等低像素低光照设备采集的， 图像较暗，不利于特征的提取，故首先应该进行光照补偿处理。本文采用如下 方法： 1 ) 首先扫描整幅图像，对每个像素的r g b 分量根据公式 g r a y = a * ( r * 2 9 9 + b * 5 8 7 + g * 11 4 ) 1 0 0 0( 2 4 ) 得到每个像素的灰度值。其中。为辅助补偿系数，通常取1 。针对本文所 涉及的低光照、低对比度的图像，如果n 的值过小，光线补偿就会过度，图像 会出现白斑，不利于以后的边缘检测和特征提取；反之，o 的值过大，就得不 到补偿效果。经过大量试验表明，q 取1 1 6 8 5 9 时，光线补偿效果较好。 2 ) 统计每个灰度值所具有的像素数，设计一个循环得到满足临界比例系数 ( 本文设为0 0 8 ) 的临界灰度级并统计其数量。 3 ) 用该数量去除灰度级2 5 5 ，得到光线补偿系数。 4 ) 根据这个系数将整个图像的亮度线性放大，从而增强图像的亮度，突出 图像的特征，方便以后的边缘检测和特征提取。 图2 1 给出利用上述方法进行光照补偿后的结果。可以明显看出经过光线 补偿后图像整体亮度变大了。 1 2 四川师范大学硕士学位论文 实验表明，若光线补偿系数过大时进行光线补偿会造成适得其反的效果， 所以本文采用的是自适应的光线补偿。通过大量的实验，我在此处设定了个 门限值( f 1 0 0 8 ) ，在计算出光线补偿系数后将其与门限值相比较，若系数值不 在规则限定的条件范围内则不需对图像进行光线补偿，以避免因不恰当的补偿 而造成肤色在色彩分量上发生过度的偏移。 圈2 1 光线补偿效果 2 3 人脸图像的增强、 图像增强是数字图像处理过程中经常采用的一种方法。为了改善视觉效果 或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的 简单改善方法或者加强特征的措施称为图像增强( i m a g ee n h a n c e m e n t ) 。 。，、 获取和传输图像的过程往往会发生图像失真，所得到图像和原始图像有某 种程度的差别。这种差异如果太大；就会影响人和机器对图像的理解。在许多 情况下，人们不清楚引起图像降质的具体物理过程及其数学模型，但却能根据 经验估计出使图像降质的一些可能原因，针对这些原因采取简便有效的方法， 改善图像质量。例如，图像信号变弱会使人们无法看清图像的细节，而采用增 强对比度的方法可使图像清晰一些；图像的噪声干扰也容易使图像质量变差。 四川师苑大学硕士学位论文 运用平滑技术可以消减噪声：还有一些物理器件或系统工作原理可等效为一积 分过程信号经过这样的器件或系统后要变模糊，这时可使用微分运算突出边 界或其他变化的部分以上这些例子都使用了图像增强的技术。 固2 2 图像增强效果 图像增强的方法很多，比如直方图均化、对比度调 敷g a 蛳 校正等由 于对比度调整方法简单易行，丽且对本文所处理的光线较暗的图像效果明显， 故本文采用对比度调整方法直接对图像的每个像素进行灰度调整，来增加图像 的对比度。通过对比度增强以后i 、如图2 2 所示，相对于图磊n 我们可以看 到图像的边缘等细节更加明显，、便于以后的边缘检测。 2 4 边缘检测 图像边缘检测一直是图像处理中的热点和难点，迄今已有许多边缘检测方 法。但是，由于边缘检测问题固有的复杂性，这些方法在抗噪性能和边缘定位 等方面的应用还不足，这主要是因为边缘和噪声都是高频信号。很难在噪声和 边缘中作取舍。实旌图像处理和识别技术的关键是对图像进行剔除噪声和边缘 提取的工作。一幅图像就是一个信息系统，其主要的信息则是由它的轮廓边缘 提供的。所以边缘提取或检测在图像处理中占有很重要的地位。其算法的优劣 直接影响着系统的测量精度。所谓图像的边缘，直观的解释是当两个区域的灰 度不同时，财称这两个区域之间的边界上出现了边缘。边缘表明了一个区域的 终结和另一个区域的开始，是区域属性发生突变的地方。图像的边缘信息在频 1 4 四川师范大学硕士学位论文 域中表现为高频分量，边缘检测的过程实际上就是一个高频增强过程，因而传 统的高频增强方法微分运算就成了提取边缘信息的主要手段。经典的边缘提取 是以原始图像为基础，对图像中的每个像素考察它的某个领域内灰度的变化， 利用边缘邻近一阶或二阶方向导数变化规律来检测边缘。边缘的种类粗略地分 为两种：其一是阶跃性边缘，它两边像素的灰度值有显著的不同，其二是屋顶 状边缘，它位于灰度值从增加到减少的变化转折点。对于阶跃性边缘，一阶方 向导数在边缘处取极值，二阶方向导数在边缘处呈零交叉现有的边缘检测方 法可以分为两大类：一类是基于某种固定的局部运算方法，如微分法、拟合法 等，它们属于经典的边缘检测方法；另一类则是以能量最小化为准则的全局检 测法，其特征是运用严格的数学方法对此问题进行分析，给出一维函数作为最 优检测的依据，从全局最优的观点提取边缘，如松弛法，神经网络分析法等 其中前者计算简单，运算速度快，宜于实现，本文研究的方法都是基于局部运 算方法 边缘检测一般包括滤波、增强、检测和定位4 个步骤。 1 滤波：边缘检测算法主要基于图像强度的一阶和二阶导数，因此影响图 像强度的噪声必须在边缘检测之前用滤波器滤除但是滤波器在滤掉噪声的同 时也减弱了边缘强度，在降低噪声和增强边缘之问需要兼顾。 2 增强：增强边缘需要确定图像各点领域强度的变化值，一般通过计算梯 度幅值来实现。 3 检测：不是只有边缘点梯度的幅值才大，图像中有可能有很多点的梯度 幅值也很大，在方法上需要有所选择。 4 定位：如果需要将边缘位置确定出，则边缘位置可以在子像素分辨率上 来估计，边缘方位也可以被估计出来。 如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个 灰度级变化的带。对于这种变化最有用的两个特征是灰度的变化率和方向，它 们分别以梯度向量的幅度和方向来表示 边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包括 方向的确定有若干种方法可以使用，其中大多数是基于方向导数掩模求卷积 的方法，下面介绍几种常见的边缘算子 四川师范大学硕士学位论文 2 4 1 几种常见的边缘算子 1 r o b e r t s 算子 r o b e r t s 边缘检测算子是一种利用局部差分寻找边缘的算子，其模板如图 2 3 所示。r o b e r t 算子对具有陡峭的低噪声的图像效果较好。 1 01 l 一1 o 0l i 一1 o 固2 3r o b e r t s 算子 。 2 s o b e l 算子 s o b e l 算子的两个卷积运算核如图2 4 所示，图像中的每个点都用这两个 核做卷积，第一个核对垂直边缘响应最大，第二个核对水平边缘响应最大。两 个卷积的最大值作为该点的输出值，运算结果是一幅边缘幅度图像。s o b e l 算 子对灰度渐变和噪声较多的图像处理得较好，但往往会形成不闭合区域。 121 0o0 - i- 2 - i l0 - i 20- 2 l0- i 图2 。4s o b e i 算子 3 p r e w i t t 算子 p r e w i t t 算子的两个卷积运算核如图2 5 所示。与使用s o b e l 算子的方法 l01 1o- i 1 0- i 111 000 1一l- i 圈2 5p r e w i t t 算子 四川师苑大学硕士学位论文 一样，图像中的每个点都用这两个核做卷积，取最大值作为输出。p r e w i t t 算 子也产生一幅边缘幅度图像，也是对灰度渐变和噪声较多的图像处理得较好。 4 l o g 算子 l o g 算子的卷积核如图2 6 所示，它是一个二阶算予，将在边缘处产生 一个陡峭的零交叉。拉普拉斯算子是一个线性的、位移不变的算子，它的传递 函数在频域空间的原点是零，因此经拉普拉斯滤波过的图像具有零平均灰度 l o g 算子先用高斯低通滤波器将图像进行预先平滑，然后用拉普拉斯算子找出 图像中的陡峭边缘，最后用零灰度值进行二值化产生闭合的、连通的轮廓，消 除了所有内部点，其检测精度明显提高，但对噪声过于敏感( 有噪声的情况下效 果很差) 是它的重