人臉識(shí)別理論關(guān)鍵技術(shù)的研究.pdf

1、身份認(rèn)證是人們?cè)谌粘Ｉ钪薪?jīng)常遇到的問題，幾乎每時(shí)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(rèn)證的可靠度和方式提出了新的要求，傳統(tǒng)的身份認(rèn)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(huì)遺失、終身不變性和隨身攜帶的優(yōu)點(diǎn)，與指紋、視網(wǎng)膜、虹膜、基因等其他人體生物特征識(shí)別系統(tǒng)相比，人臉識(shí)別系統(tǒng)更加直接、友好，使用者無任何心理障礙。 人臉檢測(cè)識(shí)別要求對(duì)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(cè)和人臉識(shí)別兩個(gè)關(guān)鍵環(huán)節(jié)組成。人臉檢測(cè)是指利用計(jì)算機(jī)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(xiàng)關(guān)鍵技術(shù)。人臉識(shí)別是利用計(jì)算機(jī)分析人臉圖像，進(jìn)而從中提取有效的識(shí)別信息，用來“辨識(shí)”身份的一門技術(shù)。人臉識(shí)別的研究涉及心理學(xué)、生理學(xué)、人工智能、模式識(shí)別、計(jì)算機(jī)視覺、圖像分析與處理等多個(gè)學(xué)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(shí)別問題之一，對(duì)這一問題的研究和解決，有助于對(duì)其他對(duì)象識(shí)別問題的

3、研究和解決。人臉識(shí)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?jī)r(jià)值。本文的主要工作包括： 本文分析了復(fù)雜環(huán)境下人臉檢測(cè)的本質(zhì)。即在復(fù)雜環(huán)境下檢測(cè)出人臉區(qū)域及人臉大小，這一任務(wù)決定人臉檢測(cè)具有不確定性。不確定性的主要原因有：a：由于光照和當(dāng)時(shí)人的行動(dòng)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(cè)的不確定

4、性決定了人臉檢測(cè)不能由任何一個(gè)確定性的人臉檢測(cè)算法完全正確的完成。結(jié)合人臉幾何特征和統(tǒng)計(jì)特征提出了信息融合的復(fù)雜背景下自適應(yīng)檢測(cè)算法。 根據(jù)人臉幾何特征運(yùn)用多尺度子波圖像融合算法，該方法運(yùn)用兩個(gè)不同膚色模型得到膚色圖像；將膚色圖像進(jìn)行小波變換得到小波子圖像，對(duì)子圖像進(jìn)行像素級(jí)融合；從融合圖像中結(jié)合人臉幾何特征檢測(cè)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(zhǎng)寬來和人臉的器官特征校驗(yàn)人臉，運(yùn)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(jì)特征差別，非人臉樣本的多樣性和不易界定性。本文對(duì)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(duì)其進(jìn)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(yùn)用了F

6、ourier域核函數(shù)的SVM算法檢測(cè)出候選人臉區(qū)域及其大小。 根據(jù)幾何特征運(yùn)用多尺度子波圖像融合算法以及統(tǒng)計(jì)特征運(yùn)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(cè)方法對(duì)同一待檢測(cè)圖像檢測(cè)的人臉尺寸和位置可能不完全一致，運(yùn)用決策級(jí)融合算法。對(duì)決策級(jí)融合的二義性問題結(jié)合了人臉模板匹配算法進(jìn)行處理，確定出最終結(jié)果。本文人臉檢測(cè)算法提高了檢測(cè)率，降低了漏檢率和誤檢率。實(shí)現(xiàn)了運(yùn)用不確定算法解決本質(zhì)上不確定的人臉檢測(cè)問題。

7、分析了人臉識(shí)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(shí)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(jì)人臉識(shí)別的準(zhǔn)確率與各個(gè)總體的分布特征之間的關(guān)系，如果各個(gè)總體的分布特征沒有顯著性差異，統(tǒng)計(jì)識(shí)別分析毫無意義。僅當(dāng)各個(gè)總體之間存在顯著性差異，統(tǒng)計(jì)識(shí)別分析才能準(zhǔn)確的識(shí)別出結(jié)果。同時(shí)各個(gè)總體的分布特征并非已知，必須通過對(duì)同一

8、總體的樣本進(jìn)行訓(xùn)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(yùn)用統(tǒng)計(jì)分析識(shí)別必須對(duì)來自總體的樣本進(jìn)行選擇，達(dá)到各個(gè)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(duì)外界對(duì)象的感知。提出以“同類人臉樣本間存在普遍的先驗(yàn)知識(shí)”為基本出發(fā)點(diǎn)把人臉模式識(shí)別看成人臉模式“認(rèn)識(shí)”的問題而不是人臉分類劃分的仿生模式識(shí)別；該方法對(duì)人臉的“認(rèn)識(shí)”就是對(duì)這類人臉全體在特征空間中形成的無窮點(diǎn)覆蓋集合的“形狀”的分

9、析和認(rèn)識(shí)。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(qiáng)；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(yùn)用多項(xiàng)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(shí)別人臉”是否屬于某個(gè)人臉覆蓋集合。若沒有候選人，表明待識(shí)別人臉不屬于人臉庫(kù)中任何一類人臉；若僅屬于一個(gè)候選人，

10、該候選人就是最終識(shí)別結(jié)果。 若屬于多個(gè)候選人臉覆蓋范圍，分析了候選人的統(tǒng)計(jì)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(shí)別方法識(shí)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(shí)在時(shí)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(duì)光照、位置等不敏感的優(yōu)點(diǎn)。將所有人臉圖像的Gabor變換串聯(lián)起來形成一個(gè)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(shí)別出最終結(jié)果。 在人臉檢測(cè)方面：結(jié)合人臉幾何和統(tǒng)計(jì)特征的決策級(jí)融合算法，對(duì)決策級(jí)融合的二義性問題運(yùn)用模板匹配法進(jìn)行處理；實(shí)現(xiàn)了運(yùn)用不確定算法解決本質(zhì)上不確定的人臉檢測(cè)問題。該人臉檢測(cè)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(cè)算法運(yùn)用了人臉膚色分布特性，故本文的人臉檢測(cè)方法受到人種的限制。在人臉識(shí)別方面：以同類樣本間存在連續(xù)性規(guī)律