1、 本科毕业设计 （ 20 届） 人脸识别技术的研究与实现 所在学院 专业班级 通信工程 学生姓名 学号 指导教师 职称 完成日期 年 月 - 1 - 摘 要 生物特征识别技术使用了人体本身固有的生物特征，与传统的身份识别方法不同，具有更高的安全性、可靠性和有效性，越来越受到人们 的重视。人脸识别技术作为生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。人脸识别在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。 本文主要介绍了人脸识别的研究背景、发展历程和研究意义，比较分析当前常用的人脸识别技术，以及存在的主要困难
2、。并实现了人脸识别系统，该系统是在ORL 人脸数据库的基础上首先通过 灰度变换、 几何校正 、 直方图均衡化 、二值化等手段对 人脸图像的预处理再使用了主成分分析法（ PCA）、 K-L变换来实现人脸特征提取和 识别的。最后给出了基于 MATLAB 环境的编程及实验结果。 关键词： 人脸识别；主成分分析； K-L 变换；特征脸 - 2 - Abstract Biometric technology uses the human body itself inherent biological characteristics, and traditional identification meth
3、od is different, has a higher security, reliability and validity, more and more attention by people. Face recognition technology as biometric technology important constituent, in the last three years received extensive attention and research, has become a computer vision and pattern recognition of t
4、he popular research fields. Face recognition in public safety, certificate verifying, entrance guard system, video surveillance, etc have broad application prospect. Face Recognition introduces the research background, development process, meaning, comparative analysis of the current commonly used f
5、ace recognition technology, and the main difficulties. Realized face recognition system, which is in ORL face database based on the first face image preprocessing through re-use the principal component analysis (PCA), K-L transform to achieve facial feature extraction and recognition. Finally, the p
6、rogramming environment based on MATLAB and experimental results. Key words: Face Recognition;Principal component analysis;K-L Transform; Eigenfaces - 3 - 目 录 1 引言 . 1 1.1 研究的背景和意义 . 1 1.2 人脸识别的发展及现状 . 1 1.3 人脸识别的研究范围及方法 . 2 1.3.1 PCA 算法 . 2 1.3.2 Fisher 方法 . 2 1.3.3 弹性图匹配方法 . 3 1.3.4 隐马尔可夫模型方法 . 3 1
7、.3.5 人工神经网络方法 . 3 1.3.6 支持向量机方法 . 4 1.4 本文主要研究内容 . 4 2 总体设计 . 6 3 人脸图像的预处理 . 8 3.1 概述 . 8 3.2 人脸区域的检测与定位 . 8 3.3 人脸图像的标准化 . 10 3.3.1 灰度变换 . 10 3.3.2 几何校正 . 10 3.3.3 直方图均衡化 . 13 3.3.4 二值化 . 15 4 基于 PCA 的人脸识别 . 17 4.1 K-L变换的原理 . 17 4.2 PCA 算法的原理 . 19 4.3 PCA 人脸识别方法 . 22 4.4 PCA 的优缺点分析 . 23 4.5 实验结果及讨论
8、 . 23 5 结论与展望 . 25 致 谢 . 错误 !未定义书签。 参考文献 . 26 附录 1 源代码 . 28 - 1 - 1 引言 1.1 研究的背景和意义 人脸识别因其在公安（罪犯识别等）、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点 1。迄今为止，机器视觉技术的发展已经历了一个较为漫长的旅程。它最初只是应用于生产流水线，简单的模拟人的视觉来执行一些繁琐、重复性的任务。经过研究者们的不懈努力，今天我们已经可以利用它实现更有效、友好、自由的人机交互界面，并且随着人脸研究的进一步发展，更可以让计
9、算机实现通过观察一个人以及这个人的表情变化等做出相应的反映。 近几年电子商务的 蓬勃发展对安全性提出更高要求，这也推进了人脸研究的发展和应用，最终将促使人类进入了一个全新的人机世界 2。比如，目前的监控正逐步过渡到第三代数字智能监控的过程。新一代的监控系统在现场的摄像机可以接入视频服务器，运行在视频服务器上的人脸识别系统对摄像机传回的图像进行分析，自动捕捉监控区域的人脸图像，并根据需要与数据库中的照片比对匹配。通过这种方式将人脸识别技术融合到数字录像监控系统中，使监控系统具备智能化功能，在监控录像过程中，自动地从动态视频流中捕捉人的面像，从周围背景中抽取出来，保存清晰的正面图像，存档 备查，为
10、监控录像建立起人脸索引等 3。 1.2 人脸识别的发展及现状 最早的关于人脸识别的研究可以追溯到 19 世纪末。 1893 年， Bertillon 采用语句描述方法对人脸分类。 而当代学者参与这一课题的研究是从本世纪六十年代开始的。 20 世纪 50 到 60 年代，主要研究人脸识别所需的面部特征。在 Bledsoe 系统中， Bledsoe 提出了人脸识别的半自动系统模型与特征提取方法。 为了提高脸部识别率， Allen 为待识别人脸设计了一种有效逼真的摹写， Parke 则用计算机实现了这一想法 5，并且产生了较高质量的人脸灰度图 模型。这一时期的特点是- 2 - 识别过程要依赖于操作人
11、员，显然不是一种全自动识别的系统。 70 到 80 年代，美、英等发达国家开始重视人脸识别的研究工作并取得进展。1972 年， Harmon 用交互式人脸识别方法在理论上与实践上进行了详细的论述。就在这一年， Sakai 设计了人脸图像自动识别系统。实现人脸识别从半自动化道全自动化的发展。 90 年代，由于计算机技术、数字图象处理、模式识别技术的发展，加上人们对人脸图像自动识别的迫切需求，使人脸识别的研究 真正的向实用化发展的机器识别， 各国军、警方及有关部门高度重视，大公司鼎力相助， 对它的研究变得非常热门。 近年来，人脸识别技术研究更加活跃，除了基于 KL 变换的特征脸方法与以奇异值特征为
12、代表的代数特征方法取得了新进展外，人工神经网络、小波变换技术在人脸识别研究中都得到了很广泛的应用，而且出现了不少人脸识别的新方法6。 1.3 人脸识别的研究范围及方法 人脸识别提出迄今为止已形成了几十种较为成熟的识别方法，如：主成份分析、弹性图匹配、 Fisher、人工神经网络、支持向量机、隐马尔可夫模型等，很多学者对这些方法进行了比较和总结 7。下面主要介绍几种常用的识别方法。 1.3.1 PCA 算 法 PCA 是一种经典的算法。它利用 K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别 8。这种方法使得压缩前后的均
13、方误差最小，且变换后的低维空间有很好的分辨能力，但是容易受光照、人脸旋转和小形变，光照改变及位移改变等因素的影响 9。 1.3.2 Fisher 方法 在 PCA 算法的基础上提出了线性鉴别分析（ LDA）方法，也就是 Fisher10识别方法。 LDA 利用了类别信息，它选择类内散布正交的矢量作为特征脸空间，- 3 - 强调了不同人脸之间 的差别，使得类间间距变大；它同时弱化了同一人脸由于外界条件而引起的变化，从而使得类内间距变小，获得了比特征脸更好的识别效果11。 Belhumeur 等提出的 Fisher 人脸识别方法是 Fisher 方法的典型代表，该方法首先采用主成分分析二维方法计算
14、量小，特征提取速度快，但该算法的判别准则没有充分考虑类别信息 12。 1.3.3 弹性图匹配方法 弹性图匹配法 13的基本思想是在二维空间中为人脸建立属性图来描述人脸，对输入的人脸图像或视频，预先定义若干关键特征点，通过某种优化搜索策略来定位，从而得到输入图像 的属性图。通过应用弹性图匹配技术将待识别的人脸和库中人脸的弹性图进行匹配，也即计算其与已知人脸属性图的相似度来找出最相似的人脸图像。弹性图匹配方法既保留了面部的全局结构特征，也对人脸的关键局部特征进行了建模，对光照、视角及尺度变化都不敏感，它的识别性能要优于特征脸方法，但是由于计算量和存贮量都比较大，识别的速度慢，实际应用还有一定的难度
15、。 1.3.4 隐马尔可夫模型方法 隐马尔可夫模型用于描述信号统计特性的一组统计模型，它用马尔可夫链来模拟信号统计特性的变化，因此，用隐马尔可夫模型对人脸进行描述和识别不是孤 立地利用各个器官的数值特征，而是一个双重的随机过程 14。 HMM 的基本理论是由 Baum 和 Welch 等人在 20 世纪 60 年代末 70年代初建立，在语音识别中应用较多。在 HMM 中，节点表示状态，有向边表示状态之间的转移，一个状态可以具有特征空间中的任意特征，对同一特征，不同状态表现出这一特征的概率不同。该方法不需要进行复杂的人脸图像特征提取，对姿态和环境的变化具有较好的鲁棒性 15，识别率高。 1.3.
16、5 人工神经网络方法 神经网络方法是一种基于连接机制的识别方法 16。早期用于人脸识别的神经网络主要是 Kohonen 自联想映射神经网络，用于人脸的“回忆”。所谓“回忆”- 4 - 是指当输入图像上的人脸受噪声污染严重或部分缺损时，能用 Kohonen 网络恢复出原来完整的人脸 7。神经网络方法在人脸识别上比其它类型的方法有其独到的优势，即它避免了复杂的特征提取工作，可以通过学习的过程获得其它方法难以实现的关于人脸识别的规律和规则的隐性表达，但应用该方法神经元数目多，训练时间长，速度慢。 1.3.6 支持向量机方法 支持向量机方法的基本思想是把一个低维的线性不可分的问题转化为一个高维的线性可
17、分的问题 11，目标是得到现有信息的 最优解而不是当样本数目趋于无穷时的最优解，较好地解决了小样本情况下的学习问题。该算法最终将转化成为一个二次型寻优问题，理论上得到全局最优点。该方法计算复杂度高，当训练样本个数较大时，会得到大量支持向量，使分类器计算量也很大 17。 1.4 主要研究内容 特征脸方法是从主成分分析（ PCA）导出的一种人脸识别技术，虽然 PCA 方法存在着许多缺陷，比如受光照的影响，以及人脸表情的变化会造成识别率的急剧下降，但由于其具有简单、快速和易行等特点，并且从整体上反映了人脸图像的灰度相关性，因此，关于 PCA 方法方面的研究和改 进依然层出不穷。 本文由五个章节组成，
18、第一章为绪论，主要介绍了人脸识别的研究意义，当前国内外的研究成果，和现今主要流行的人脸识别方法。 第二章简单得 人脸检测识别系统进行总体的介绍，其中人脸检测识别人脸检测，人脸预处理，人脸表示和人脸鉴别。 第三章对人脸图像的预处理做了一些介绍，包括人脸区域的检测与定位，人脸图像的标准化，在人脸图像标准化中重点介绍了人脸图像的 几何校正和 方图修正，但由于人脸图像的预处理不是本文内容的重点，而关于这方面的研究近年正成为热点方向，所以在本文中不作过多介绍。 第四章是本文内容的重点。 首先对 K-L变换的原理和 PCA 算法的原理进行了分析，并详细介绍了特征脸空间的构建过程及人脸识别过程。分析了论文中
19、提出的改进算法的优点，并对该算法的缺点进行了分析。最后 用该理论设计出人脸识- 5 - 别系统程序，并利用 MATLAB 运行，获取系统的精确度。 第五章为论文的结论部分，该部分总结了本论文所做的主要工作，并对未来人脸识别技术做了简单的展望。 - 6 - 2 总体设计 一个基本的人脸检测识别系统应该包括以下几个方面：人脸检测，人脸预处理，人脸表示和人脸鉴别，其中后两步也就是通 常所说的人脸识别，本文中我们将沿用这一概念。人脸检测识别系统的完整框架如图 2-1 所示。首先，由传感器如摄像机捕获人脸图像，接着经预处理来提高图像的品质，然后根据人脸检测来定位人脸并将人脸图像设置成预先定义的尺寸 18
20、。特征提取用于抽取有效特征以降低原模式空间的维数，分类器则根据特征做出决策分类，最后，利用特征及分类器信息做出鉴别结果。 预 处 理预 处 理训 练 图 像待 识 别 图 像学 习 过 程识 别 过 程特 征 提 取特 征 提 取分 类 器分 类 结 果图 2-1 人脸检测识别系统 人脸检测是人脸识别系统的第一步工作，它是指从不同条件下获取的图像中，根据一定的规则和先 验知识，利用选择的特征进行检测。先确定有无人脸，若检测到有人脸存在，则对人脸进行定位并获取其尺度姿态等信息，将图像分割成人脸区域和非人脸区域，这一步预处理的工作直接影响着后面的特征提取和识别工作，所以是极其重要的。但是，由于各种
21、因素的影响导致人脸检测成为一个极困难的问题。因为在许多实际应用中，人们对于场景，光照，成像系统，人脸方向等是不作限制的，也没有有关人脸的尺度，姿态，位置的先验知识，而且在多人存在时还可能出现相互遮挡问题，这些都会给检测带来困难，可能造成漏检或虚检的情况。总体来说，对于人脸检测，要求简 单，快速，高效，否则可能难以满足实时性的要求。对于人脸检测可以针对不同的应用场合，选用不同的检测手段以便尽量减少不可控制的外界因素影响。 人脸图像预处理，作为特征提取和识别的前提步骤，是计算机人脸识别系统中的必要环节。其目的是在去除噪声，加强有用信息，对输入设备或其他因素造成的退化现象进行复原，为后续的特征提取和识别作准备。不同的人脸识别系统根据其采用的图像来源和识别算法需要不同，采用的预处理方法也不同。常用的
