人脸相似度检测系统设计

1、片假名计程仪摘要.III第1章绪论.颜色相似度检测技术的详细情况. - 1 - 1.2脸部相似度检测技术的广泛应用. .- 1 - 1.3颜色相似度检测技术的难点.- 2 - 1.4国内外的研究状况.- 2 - 1.5颜色相似度检测的研究内容.3-1.5.1面部相似度检测研究内容.3-1.5.2面部相似度检测系统的构成. .2.2基于神经网络的方法. - 2.2柔性格拉夫配对法. .2.2基于模型的板匹配方法.7-2.5基于面部特征的方法.7-第三章基于主元分析企业法人面部相似度检查的方法. 9 - 3.1引言.9 - 3.1有特征的表情方法11-第四章仿真实验13-4.1程序流程图 模拟结果

2、14 -第五章总结和展望- 15 - 5.1总结 15-5.2展望.15-参考文献.15-附录.18-摘要人脸相似度检测是当前模式相似度检测区域的最大地面锋课题，人脸相似度检测技术是利用计算机技术，从数据库人脸图像中分析提取有效的相似度检测信息，“识别”身份本文介绍了多种人脸相似度检测方法，是人脸相似度检测方法的优缺点分析比通过PCA算法对脸部图像进行特征提取，利用最近距离分类法对特征向量进行分类类似度检测。 用剑桥ORL面部数据库的数据进行实验仿真，仿真结果验证了该算法的有效性。 关键词：人脸相似度检测、主元分析、最近距离分类法、人脸库第1章绪论人脸相似度检测是模式相似度检测研究的无线热点，

3、广泛应用于身份身份验证、信用卡相似度检测、传球通讯端口的比对和监视系统等方面。 由于脸图像受到照明、表情、姿势等的影响，因此同一人物的脸像矩阵的差异也很大。因此，在检测人脸相似度时，所选特征是对上述元素必须具有一定稳定性和不变性的这些个信息对光、表情和姿势具有一定的不敏感性，在获得有效的特征向量后，关键问题是建立具有良好分类能力和鲁棒性的分类器。 1.1脸部相似度检测技术的详细一般而言，脸部相似度检测系统包括图像提取、脸部定位、图形预处理、脸部相似度检测(身份确认或身份检索)。 输入关系统字一般是包含一张或一系列未确定的身份的脸图像、和脸数据库中的几个已知的身份的脸图像或者与之对应的编码，其输

4、出是一系列相似度得分，表示应该检测相似度的脸的身份。 1.2脸部相似度检测技术的广泛应用一个技术问题和发展与人类迫切需要密切相关迅速发展的社会经济和科学技术越来越重视人类对安全(包括人身安全、隐私权保护等)的认识。 人脸相似度检测的重要应用之一是人的身份识别相似度检测。 一般来说，人的身份相似度的检查方式分为3种： 1 .特征物品，包括身份证、执照、门牛鼻子、印章等各种证明和证明；2 .包括各种密码、密码和密码等特殊知识；3 .人的生物特征。 各种各样的人的大姨妈行动特征，例如人脸、指纹、手的形状、掌纹、虹膜、DNA、签名、声音等。 前两种相似度检测方式是传统的身份相似度检测技术，其特点是方便

5、、快捷，但致命缺点是安全性差、易伪造、易盗。 特殊的东西可能丢失、失窃、复制，特殊的知识可能被遗忘、混淆或泄露。 相比之下，由于生物特征具有人的内在属性，具有较强的自我稳定性和个人差异，因此生物特征是身份相似度检测的最理想依据。 在以上比较独特的生物特征的基础上，结合计算机技术，发展了许多基于生物特征的化学基身份相似度检测技术，如DNA相似度检测技术、指纹相似度检测技术、虹膜相似度检测技术、语音相似度检测技术和人脸相似度检测技术等。 生物相似度检测技术在上世纪取得了一定的发展，其中指纹相似度检测技术已接近成熟，但面部相似度检测技术的研究仍处于起步阶段。 指纹、虹膜、掌纹等相似度检测技术都需要相

6、似度检测者协助，有些相似度检测技术需要增加复杂且昂贵的设备。 人脸相似度的检测可以用现有的摄影图片和通用相机远程拍摄图片，不需要特别的采集设备，系统的成本低。 另外，自动面部相似度检测可以在当事人没有意识到的情况下完成身份确认相似度检测作业，对于反恐活动具有非常重要的意义。 基于人脸相似度的化学基检测技术具有如此多的优点，因此其应用前景非常广阔，已成为最有潜力的生物特征相似度检测技术之一。 1.3面部相似度检测技术的难点人能够毫无困难地从面部识别一个人，但是利用计算机进行完全自动的面部相似度检测依然很困难。 人脸模式差异是检测人脸相似度非常困难的问题，以下方面表现的： 1 .人脸表情复杂，人脸

7、有多种变化能力，人脸分布50多个人脸肌肉，这些个肌肉的运动会导致不同表情的出现，引起人脸特征的显着变化2 .随着年龄的增长而变化，随着年龄的增长皱纹的出现和脸部肌肉的松弛会使脸部的构造和肌理构成发生变化。 3 .脸上有容易变化的附属品。 例如，改变发型，留胡子，戴帽子和眼镜等装饰。 4 .脸的特征面具、脸的全部、部分面具引起错误的相似度检测。 5 .脸图像的失真可能导致图像的灰度，因为光强、视角和成像角度不同。 1.4国内外研究状况面容相似度检测是人类视觉感知最出色的能力之一。 其研究涉及模式相似度检测、图片处理、生物科学、心理学、认知科学，并与基于其他生物特征的身份身份验证方法和计算机人机感

8、知交互领域密切相关。 颜相似度的检测在六七十年代引起了研究者的强烈兴趣。 六零年代，Bledsoe提出了人脸相似度检测的半自动系统模式和特征提取方法。 70年代，美英等发达国家开始重视面部相似度检查的研究，并取得了进展。 1972年，Harmon使用人机交互的人脸相似度检测方法在理论上进行了实践详细描述。 同年，Sakai建立了人脸图像自动相似度检测系统。 80年代初T. Minami研究了比Sakai更好的人脸图像自动相似度检测系统。 但是，初期的面部相似度检查一般需要人类的先验知识，不能脱离人类的干预。 九十年代以来，由于各个方面都面临面部相似度检测系统的迫切需要，人脸相似度检测的研究十分

9、热门。 人脸相似度检测方法有了很大突破，进入了真正的机械自动相似度检测阶段，如Karhunen-Love变换等或新的神经网络技术。 面部相似度检测研究受到了前所未有的重视，国际上发表的关于面部相似度检测等的论文数量大幅增加，仅在1990年到2000年间，SCI和EI能够检索的相关文献就有数千篇，在此期间关于面部相似度检测的综述也屡屡可见。 国外很多学校都在研究面部相似度检测技术，涉及研究的领域很广。 这些个的研究得到了军队、警察、龙头企业的高度重视和资助，国内一些著名的高等院校开始了面部相似度检查的研究。 人脸相似度检测是当前模式相似度检测区域的最地面锋课题，但当前人脸相似度检测还处于研究课题

10、阶段，不是实用化区域的活跃课题。 人类可以毫无困难地从人的脸中辨别一个人，但是很多情况下很难利用计算机进行完全自动的脸相似度检测，其表现是，脸不是刚体，表情有变化的脸是随着年龄增加而变化的发型，眼镜等装饰是遮脸的脸所形成的图像，照明、照明关于面部的类似度检测的困难度，由于图像中包含大量的数据，输入的像素有数百千个，每个像素含有不同的灰度等级，因此校正运算的复杂性增加。 尽管在传统的相似度检测方法中，通过从面部图像提取特征信息来搜索数据库的方法是快速的，但是使用拓扑分析属性图匹配来确定匹配速度的方法相对快。 1.5人脸相似度检测的研究内容人脸相似度检测技术(AFR )是利用计算机技术，根据数据库

11、的人脸图像，分析提取有效的相似度检测信息，对身份进行“识别”的技术。 人脸相似度检测技术研究始于六十年代末七十年代初，其研究领域涉及图片处理、计算机视觉感知、模式相似度检测、计算机智能等领域，是伴随现代化计算机技术、数据库技术发展的综合交叉学科。 1.5.1脸相似度检测研究内容脸相似度检测的研究范围广义上包括以下5个方面的内容。 1 .面部定位和检测： (即，从动态场景和复杂背景)检测面部的存在，确定其位置，最后分离。此塔斯克主要受光线、噪声、脸部倾斜和各种遮挡的影响。 2 .脸部特征(也称为脸部特征提取) :表示使用某种表达方法检测出脸部和数据库中的已知脸部。 常用的表示方法有欧几里得距离、

12、曲率、角度等几何特征、矩阵特征向量等代数特征、固定特征数字大板块等。 3 .面部相似性检测：将成为相似性检测目标的面部与数据库中已知人的面部进行比较，并获得相关信息。 该过程的核心是选择合适的面部表达方法和匹配策略。 4 .表情姿势分析(expression/gesture analysis ) 3360，即分析相似度检测面部的表情和姿势信息，并且分类分析结果。 5 .大姨妈分类：对相似度进行面部的大姨妈特征量的分析，得到其年龄、性别等相关信息，或者导出想要从一些相关图像得到的面部图像，例如从父图像导出小盆友的面部图像，或者导出年龄层的近似度面部相似度检测的研究内容根据生物测定学技术的应用前景进行分类，包括以下两个方面：面部验证和面部相似度检测。 1 .脸部验证/身份验证：是谁？ ”回答了的问题。 这是给出类似度检测脸部画像，判断是否是谁的问题，是1对1的2种模式分类问题，主要用于安全系统的身份验证。 2 .面部相似性检测：回