人臉檢測和識別技術(shù)的研究.pdf

1、隨著社會的發(fā)展，信息化程度的不斷提高，人們對身份鑒別的準(zhǔn)確性、安全性和實(shí)用性提出了更高的要求，傳統(tǒng)的身份識別方式已經(jīng)不能滿足這種要求。生物特征識別作為一項(xiàng)利用人類特有的生理特征(如指紋、人臉、虹膜、視網(wǎng)膜等)或行為特征(如簽名、聲音、步態(tài)等)進(jìn)行身份識別的技術(shù)，由于它提供了一種高可靠性、高穩(wěn)定性的身份鑒別途徑，引起了國際學(xué)術(shù)界和企業(yè)界的廣泛關(guān)注。人臉是人類識別不同人的最主要的人體生物特征，與其他人體生物特征(指紋、掌紋、虹膜、聲音、筆跡

2、)相比，它不僅具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，而且直接、友好，更符合人類的視覺習(xí)慣。這些優(yōu)點(diǎn)使得人臉識別技術(shù)在身份識別、自動監(jiān)控、人機(jī)交互等眾多領(lǐng)域有著很大的發(fā)展?jié)摿?。目前，人臉識別是生物特征識別中倍受人們關(guān)注的一個(gè)分支，已成為計(jì)算機(jī)視覺與模式識別領(lǐng)域中非?；钴S的一個(gè)研究領(lǐng)域。 人臉識別是對于輸入的人臉圖像或視頻，首先判斷其中是否存在人臉，如果存在人臉，則進(jìn)一步給出每個(gè)人臉的位置、大小以及各個(gè)主要面部器官的位置信息，并依據(jù)這些

3、信息，進(jìn)一步提取每個(gè)人臉中所蘊(yùn)含的特征，并將其與已知人臉庫中的人臉圖像進(jìn)行對比，從而得到識別結(jié)果。由此可見，一個(gè)完整的人臉識別過程應(yīng)包括人臉檢測與人臉識別兩大部分。 人臉檢測作為人臉信息處理中的一項(xiàng)關(guān)鍵技術(shù)，近年來成為模式識別與計(jì)算機(jī)視覺領(lǐng)域內(nèi)一項(xiàng)受到普遍重視、研究十分活躍的課題，已經(jīng)廣泛應(yīng)用于各種不同領(lǐng)域中。人臉檢測技術(shù)的研究，由于受到背景、姿態(tài)、尺寸、光照以及檢測時(shí)間等的影響，大部分算法都是在一定的約束條件下提出的。因此，研

4、究魯棒性較高的人臉檢測問題是十分有必要的。 人臉識別技術(shù)經(jīng)過約四十年的研究，在環(huán)境可控的條件下已達(dá)到實(shí)用程度，但是在考慮光照、姿態(tài)、表情、遮擋等變化的影響時(shí)，很多人臉識別算法性能大大下降，其應(yīng)用范圍也受到了較大的限制。因此，研究對各種變化魯棒的人臉識別技術(shù)是當(dāng)前的研究熱點(diǎn)。一個(gè)較理想的人臉識別算法應(yīng)該對光照變化和姿勢變化具有較強(qiáng)的適應(yīng)性。 本論文在分析總結(jié)國內(nèi)外近年來人臉檢測和人臉識別的相關(guān)研究成果和最新研究進(jìn)展的基礎(chǔ)上

5、，針對目前急需改進(jìn)和提高的人臉檢測和人臉識別中的幾個(gè)關(guān)鍵問題進(jìn)行了系統(tǒng)的實(shí)驗(yàn)和理論研究；提出并實(shí)現(xiàn)了幾種有實(shí)際應(yīng)用價(jià)值的人臉檢測和人臉識別算法。論文的研究內(nèi)容主要包括：彩色圖像中的人臉檢測、小樣本人臉識別、光照變化下的人臉識別和三維人臉識別。在論文的具體研究過程中，力圖將統(tǒng)計(jì)學(xué)習(xí)理論、隨機(jī)方法與模式識別理論和應(yīng)用緊密結(jié)合起來。 本論文所做的主要工作和創(chuàng)新點(diǎn)包括以下四個(gè)方面： (1)提出了一種基于YCgCr色彩空間的自適應(yīng)

6、閾值選取的膚色分割方法。該方法改進(jìn)了二維Otsu閾值分割方法，在對圖像像素進(jìn)行初始分割后，根據(jù)松弛迭代的區(qū)域增長算法判定待定像素的歸屬。 在此膚色分割方法的基礎(chǔ)上，實(shí)現(xiàn)了基于膚色信息的人臉檢測。首先在YCgCr色彩空間中通過離線訓(xùn)練建立膚色模型：然后利用該膚色模型對待檢測圖像進(jìn)行膚色相似度計(jì)算，得到膚色相似度圖像；進(jìn)而結(jié)合像素的空間鄰域信息，使用自適應(yīng)閾值選取的膚色分割新方法對膚色相似度圖像進(jìn)行二值化處理。大量的實(shí)驗(yàn)結(jié)果表明，該

7、膚色分割方法有效的克服了使用固定閾值進(jìn)行圖像分割的缺陷。 對于二值化結(jié)果圖像，對其進(jìn)行了基于數(shù)學(xué)形態(tài)學(xué)的濾波處理，進(jìn)而利用區(qū)域的面積和高寬比等信息對其進(jìn)行粗篩選，將此篩選結(jié)果作為候選人臉區(qū)域輸出。進(jìn)而使用了歐拉數(shù)與眼睛定位相結(jié)合的方法，對粗篩選后的候選區(qū)域進(jìn)行了再次篩選與驗(yàn)證，得出了最后結(jié)果。文中使用結(jié)合亮度信息和PCA邊緣方向的算法來定位候選人臉區(qū)域中的眼睛。實(shí)驗(yàn)證明了該人臉檢測和眼睛定位方法具有很好的穩(wěn)健性和有效性。

8、 (2)對線性鑒別分析及其應(yīng)用于小樣本情況下的幾種改進(jìn)方法進(jìn)行詳細(xì)分析，指出了這些方法在提取鑒別特征時(shí)存在的不足，在此基礎(chǔ)上提出一種新的基于兩空間的線性鑒別分析方法，進(jìn)而將該方法拓展到非線性領(lǐng)域，并通過實(shí)驗(yàn)分析進(jìn)行驗(yàn)證。人臉識別是一個(gè)典型的小樣本問題，實(shí)際情況下不可能有足夠的樣本使得類內(nèi)散布矩陣可逆，因此無法直接采用經(jīng)典的線性鑒別分析方法進(jìn)行特征提取。本文對fisherfaces、EFM、DLDA以及NLDA四種以解決小樣本問題為目的的

9、線性鑒別方法進(jìn)行了深入的理論分析，證明了采用這四種方法所提取的特征的不完整性。在此基礎(chǔ)上提出了一種基于兩空間線性鑒別分析的人臉識別方法(TLDA)。為了提高計(jì)算效率，首先將樣本投影到總體散布矩陣的非零空間中進(jìn)行分析；進(jìn)而將類內(nèi)散布矩陣分成零空間和非零空間進(jìn)行鑒別向量的確定和鑒別特征的提取，最后將得到的兩種鑒別特征進(jìn)行融合，從而使用最近鄰法進(jìn)行分類。在ORL人臉庫和UMIST人臉庫的子庫上的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出的方法的有效性和優(yōu)越性。

10、 對核方法的基本理論構(gòu)架進(jìn)行了較為深入的研究，在此基礎(chǔ)上將TLDA方法拓展為非線性的兩空間核鑒別分析(TKDA)方法。該方法繼承了TLDA方法的優(yōu)點(diǎn)，而且還能有效的提取非線性特征。在光照變化較大的Extended Yale B子庫上的實(shí)驗(yàn)結(jié)果表明，該方法能有效的簡化人臉模式的復(fù)雜分布，且能較大幅度的提高分類效果。 (3)研究了光照變化下的人臉識別技術(shù)，提出了兩個(gè)處理光照變化的方法：基于局部標(biāo)準(zhǔn)化的光照規(guī)范化模型和基于對數(shù)域離

11、散余弦變換的方法，并通過實(shí)驗(yàn)證明了這兩種方法的有效性。 提出一種局部標(biāo)準(zhǔn)化方法處理光照變化下的人臉圖像。從理論上證明了使用局部標(biāo)準(zhǔn)化技術(shù)得到的像素值是由規(guī)范化光照條件下的像素值及規(guī)范化光照條件下小面片上像素的統(tǒng)計(jì)特征所決定的，即經(jīng)過局部標(biāo)準(zhǔn)化處理之后，光照變化下的人臉圖像的像素值等于規(guī)范光照條件下的像素值，故該方法能夠消除不均勻光照的影響。使用Yale B人臉數(shù)據(jù)庫和Extended Yale B人臉數(shù)據(jù)庫測試了該方法的有效性。

12、 提出了一種基于對數(shù)域離散余弦變換的光照補(bǔ)償方法?？紤]到光照變化主要集中在低頻域中，因此可以通過拋棄一定數(shù)量的低頻部分DCT 系數(shù)達(dá)到最小化光照條件變化引起的圖像變化的目的。使用Yale B人臉數(shù)據(jù)庫和ExtendedYale B人臉數(shù)據(jù)庫測試了該方法的有效性。 (4)在介紹現(xiàn)有的三維人臉識別方法和三維數(shù)據(jù)獲取技術(shù)的基礎(chǔ)上，研究了使用三維人臉模型進(jìn)行不同姿勢下的人臉識別問題，提出了一種將三維人臉模型投影成二維圖像的方法，

13、進(jìn)而將不同方向的投影結(jié)果與不同姿勢下的二維圖像相匹配，以達(dá)到人臉識別的目的。在此過程中，詳細(xì)研究了使用MinoltaVivid 910進(jìn)行數(shù)據(jù)獲取，創(chuàng)建三維模型的方法和過程。 人臉檢測與識別是極具挑戰(zhàn)的研究課題，亟待研究和解決的問題比比皆是。人臉檢測與識別的難度大，這一方面受限于很難提取出每個(gè)人的具有唯一判別標(biāo)志的人臉特征，特別是各種變化因素的影響使得提取每個(gè)人的標(biāo)識特征更加困難；另一方面，盡管一些算法能較好的處理某些變化因素，