人臉識別理論關(guān)鍵技術(shù)的研究.pdf

1、身份認證是人們在日常生活中經(jīng)常遇到的問題，幾乎每時每刻都需要證明身份，在信息技術(shù)飛速發(fā)展的今天，電子商務(wù)、網(wǎng)上銀行、公共安全等領(lǐng)域?qū)ι矸菡J證的可靠度和方式提出了新的要求，傳統(tǒng)的身份認證方法已經(jīng)不能滿足這些要求。但人臉作為特征具有不易偽造、不會遺失、終身不變性和隨身攜帶的優(yōu)點，與指紋、視網(wǎng)膜、虹膜、基因等其他人體生物特征識別系統(tǒng)相比，人臉識別系統(tǒng)更加直接、友好，使用者無任何心理障礙。 人臉檢測識別要求對受檢人的身體傷害以及人身自由

2、的限制最少。由人臉檢測和人臉識別兩個關(guān)鍵環(huán)節(jié)組成。人臉檢測是指利用計算機在輸入圖像中確定所有人臉的位置、大小，是人臉信息處理中的一項關(guān)鍵技術(shù)。人臉識別是利用計算機分析人臉圖像，進而從中提取有效的識別信息，用來“辨識”身份的一門技術(shù)。人臉識別的研究涉及心理學、生理學、人工智能、模式識別、計算機視覺、圖像分析與處理等多個學科領(lǐng)域。它是人類智能的基本體現(xiàn)，它是最典型、最困難的模式識別問題之一，對這一問題的研究和解決，有助于對其他對象識別問題的

3、研究和解決。人臉識別也因此成為這些基礎(chǔ)研究領(lǐng)域的重要課題之一，具有重要的理論研究價值。本文的主要工作包括： 本文分析了復雜環(huán)境下人臉檢測的本質(zhì)。即在復雜環(huán)境下檢測出人臉區(qū)域及人臉大小，這一任務(wù)決定人臉檢測具有不確定性。不確定性的主要原因有：a：由于光照和當時人的行動速度等因素造成了圖像質(zhì)量的不確定；b：圖像中是否存在人臉以及人臉區(qū)域的大小是不確定的；c：人臉與非人臉之間的區(qū)別沒有明確界定造成了概念之間的不確定性。人臉檢測的不確定

4、性決定了人臉檢測不能由任何一個確定性的人臉檢測算法完全正確的完成。結(jié)合人臉幾何特征和統(tǒng)計特征提出了信息融合的復雜背景下自適應(yīng)檢測算法。 根據(jù)人臉幾何特征運用多尺度子波圖像融合算法，該方法運用兩個不同膚色模型得到膚色圖像；將膚色圖像進行小波變換得到小波子圖像，對子圖像進行像素級融合；從融合圖像中結(jié)合人臉幾何特征檢測出子圖像中候選人臉區(qū)域及其大小。根據(jù)人臉外接矩形的長寬來和人臉的器官特征校驗人臉，運用小波子圖像的位置與原始圖像的位置

5、關(guān)系，得到原始圖像中的似人臉位置。 分析了人臉與非人臉的統(tǒng)計特征差別，非人臉樣本的多樣性和不易界定性。本文對非人臉定義為象人臉而不是人臉。這一定義雖然限制非人臉樣本空間的大小，但是定義的非人臉并不能表征所有的非人臉樣本而只能是特征樣本。根據(jù)非人臉樣本的定義說明了人臉與非人臉之間的區(qū)別主要是局部不同造成的。提出了Fourier域的核函數(shù)并對其進行理論證明。Fourier域有利于局部信息不同而引起所屬的類別不同的類別分類。并運用了F

6、ourier域核函數(shù)的SVM算法檢測出候選人臉區(qū)域及其大小。 根據(jù)幾何特征運用多尺度子波圖像融合算法以及統(tǒng)計特征運用SVM方法分別得到人臉在圖像中的位置和尺寸。不同的檢測方法對同一待檢測圖像檢測的人臉尺寸和位置可能不完全一致，運用決策級融合算法。對決策級融合的二義性問題結(jié)合了人臉模板匹配算法進行處理，確定出最終結(jié)果。本文人臉檢測算法提高了檢測率，降低了漏檢率和誤檢率。實現(xiàn)了運用不確定算法解決本質(zhì)上不確定的人臉檢測問題。

7、分析了人臉識別不確定性的主要原因：a：光照，成像質(zhì)量造成了人臉圖像的成像不確定性。b：表情，化妝和年齡的變化等局部變化增加了人臉識別的不確定性。c：不同人之間微妙而可靠的差別沒有明確界定造成了人臉區(qū)別不確定性。分析了統(tǒng)計人臉識別的準確率與各個總體的分布特征之間的關(guān)系，如果各個總體的分布特征沒有顯著性差異，統(tǒng)計識別分析毫無意義。僅當各個總體之間存在顯著性差異，統(tǒng)計識別分析才能準確的識別出結(jié)果。同時各個總體的分布特征并非已知，必須通過對同一

8、總體的樣本進行訓練以得到該類的分布特征。因此同一總體的樣本決定了該總體的分布特征，運用統(tǒng)計分析識別必須對來自總體的樣本進行選擇，達到各個總體的分布特征存在有顯著性差異。 分析了人腦用連續(xù)流形的方法表示對外界對象的感知。提出以“同類人臉樣本間存在普遍的先驗知識”為基本出發(fā)點把人臉模式識別看成人臉模式“認識”的問題而不是人臉分類劃分的仿生模式識別；該方法對人臉的“認識”就是對這類人臉全體在特征空間中形成的無窮點覆蓋集合的“形狀”的分

9、析和認識。不同類人臉之間具有相關(guān)性；同類人臉之間具有內(nèi)聚性，因此在低維空間同一人臉的分布具有一定的內(nèi)聚性而不同人臉的覆蓋范圍相互交織。隨著空間維數(shù)增加，同類樣本內(nèi)聚性減弱，不同類樣本互斥性增強；空間維數(shù)繼續(xù)增加，同類樣本內(nèi)聚性和不同類樣本互斥性都減弱。故本文運用多項式核函數(shù)將人臉分布的低維空間映射到高維空間，并在此空間判別“待識別人臉”是否屬于某個人臉覆蓋集合。若沒有候選人，表明待識別人臉不屬于人臉庫中任何一類人臉；若僅屬于一個候選人，

10、該候選人就是最終識別結(jié)果。 若屬于多個候選人臉覆蓋范圍，分析了候選人的統(tǒng)計特性不存在有顯著性差異，它們之間的差異主要表現(xiàn)為局部不同。提出了基于人臉局部特征的人臉識別方法識別出最終結(jié)果。分析了人臉局部特征主要表現(xiàn)為局部輪廓信息及灰度信息。Gabor變換同時在時域和頻域獲得最佳的局部化。其變換系數(shù)描述了圖像上給定位置附近區(qū)域的灰度特征，并且具有對光照、位置等不敏感的優(yōu)點。將所有人臉圖像的Gabor變換串聯(lián)起來形成一個向量表示人臉圖像

11、的原始特征，利用Fisher鑒別分析來隱含地提取最有利于分類的最佳鑒別特征。從候選人臉中識別出最終結(jié)果。 在人臉檢測方面：結(jié)合人臉幾何和統(tǒng)計特征的決策級融合算法，對決策級融合的二義性問題運用模板匹配法進行處理；實現(xiàn)了運用不確定算法解決本質(zhì)上不確定的人臉檢測問題。該人臉檢測方法不受人臉模式的姿態(tài)、表情和人臉附屬物影響。但該檢測算法運用了人臉膚色分布特性，故本文的人臉檢測方法受到人種的限制。在人臉識別方面：以同類樣本間存在連續(xù)性規(guī)律