自動(dòng)人臉識(shí)別技術(shù)研究及其在人員身份認(rèn)證系統(tǒng)中的實(shí)現(xiàn).pdf

1、自動(dòng)人臉識(shí)別技術(shù)(AFR)是一項(xiàng)極具挑戰(zhàn)性的前沿研究課題。它試圖通過(guò)計(jì)算機(jī)分析人臉圖像并從中提取有效識(shí)別信息，達(dá)到辨認(rèn)人員身份的目的。對(duì)AFR技術(shù)的研究不僅具有重大的理論和學(xué)術(shù)研究意義，而且具有潛在的巨大應(yīng)用價(jià)值。 經(jīng)過(guò)近幾十年特別是近幾年來(lái)的研究，自動(dòng)人臉識(shí)別技術(shù)已經(jīng)取得了長(zhǎng)足發(fā)展，用于人臉識(shí)別商業(yè)系統(tǒng)已經(jīng)面市，但對(duì)應(yīng)用條件的限制相當(dāng)嚴(yán)格；在非理想可控情況下的自動(dòng)人臉識(shí)別技術(shù)還遠(yuǎn)未達(dá)到實(shí)用化的程度，有很多研究工作要做。

2、 本文作為上海市應(yīng)用材料科技國(guó)際合作共同計(jì)劃(上海市科委AM基金)項(xiàng)目(《基于ARM和RFID芯片的自組織安全監(jiān)控系統(tǒng)的研制》編號(hào)：0512)的主要研究?jī)?nèi)容之一，從構(gòu)建自動(dòng)人臉識(shí)別系統(tǒng)需要解決的若干關(guān)鍵問(wèn)題入手，重點(diǎn)探討了實(shí)時(shí)人臉檢測(cè)與跟蹤、面部關(guān)鍵特征定位、高效的人臉特征描述、魯棒的人臉識(shí)別分類器及自動(dòng)人臉識(shí)別系統(tǒng)設(shè)計(jì)等問(wèn)題。 1、提出了結(jié)合膚色校驗(yàn)的Haar特征級(jí)聯(lián)分類器實(shí)時(shí)人臉檢測(cè)算法(SCC-HCC)和基于人臉約束的人臉

3、實(shí)時(shí)跟蹤算法(AM-CamShift)人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)首先需要解決的關(guān)鍵問(wèn)題。Viola于2001年提出的基于Haar特征級(jí)聯(lián)強(qiáng)分類器的人臉檢測(cè)算法，通過(guò)抽取人臉的Haar特征訓(xùn)練分類器，達(dá)到人臉檢測(cè)的目的，但由于其僅僅利用了人臉的灰度信息，沒(méi)有考慮人臉的膚色分布，因而對(duì)復(fù)雜背景中類人臉結(jié)構(gòu)的物體對(duì)象區(qū)分的魯棒性較差。鑒于此，論文第三章提出了基于膚色模型校驗(yàn)和Haar特征級(jí)聯(lián)強(qiáng)分類器的快速人臉檢測(cè)算法(SCC-HCC)。

4、 人臉跟蹤是基于視頻的人臉識(shí)別、視頻監(jiān)控等典型應(yīng)用中必不可少的環(huán)節(jié)，CamShift算法對(duì)于目標(biāo)物體的跟蹤具有較強(qiáng)的魯棒性，但其存在跟蹤窗口(TrackingWindow)必須通過(guò)手工標(biāo)定的缺陷，而且對(duì)背景中類膚色區(qū)域的魯棒性欠佳。我們?cè)贑amShift算法的基礎(chǔ)上提出了基于人臉約束的實(shí)時(shí)跟蹤算法(AM-CamShift)，實(shí)現(xiàn)了跟蹤窗口自動(dòng)標(biāo)定及多目標(biāo)的快速自動(dòng)跟蹤，有效提高了對(duì)背景中類膚色區(qū)域的魯棒性。 2、針對(duì)傳統(tǒng)線性判

5、別分析法存在的小樣本問(wèn)題(SSS)，通過(guò)調(diào)整Fisher判別準(zhǔn)則，實(shí)現(xiàn)了自適應(yīng)線性判別分析(A-LDA)算法，提出了基于A-LDA算法的分類判決準(zhǔn)則及相應(yīng)的人臉識(shí)別方法 線性判別分析(LDA)尤其是Fisher線性判別分析通過(guò)最大化類間離散度的同時(shí)使得類內(nèi)離散度最小，達(dá)到人臉識(shí)別的目的，是AFR研究史上繼主元分析(PCA)后的一項(xiàng)重大研究成果。但人臉識(shí)別小樣本問(wèn)題(SamallSampleSize)往往會(huì)造成類內(nèi)離散度矩陣奇異而

6、導(dǎo)致問(wèn)題無(wú)法求解，論文在第四章通過(guò)調(diào)整Fisher判別準(zhǔn)則，對(duì)Fredman的思想進(jìn)行改進(jìn)，實(shí)現(xiàn)了自適應(yīng)線性判別分析算法。利用類間散布矩陣Sh的補(bǔ)空間B'巧妙地避開(kāi)類內(nèi)散布矩陣Sw的求逆運(yùn)算，通過(guò)訓(xùn)練集每類樣本信息自適應(yīng)改變調(diào)整參數(shù)η。實(shí)驗(yàn)結(jié)果表明，A-LDA算法能有效解決人臉識(shí)別中的小樣本問(wèn)題。 3、提出了基于人眼Haar特征RSVM級(jí)聯(lián)分類器和瞳孔定位的人眼檢測(cè)算法面部關(guān)鍵特征準(zhǔn)確定位是有效人臉特征抽取的關(guān)鍵。雙眼的位置及其

7、相對(duì)距離對(duì)絕大多數(shù)人來(lái)說(shuō)都是一個(gè)常量，人眼檢測(cè)在人臉歸一化中起著非常重要的作用，而且有利于進(jìn)一步定位人臉其他顯著特征點(diǎn)。論文第五章提出了基于人眼Haar特征、RSVM級(jí)聯(lián)分類器和瞳孔定位的人眼檢測(cè)算法。 4、提出了基于人臉關(guān)鍵特征區(qū)域Gabor特征抽取算法(KFR-Gabor)和基于有效人臉區(qū)域的Gabor特征抽取算法(MR-Gabor)，有效解決了Gabor特征抽取維數(shù)過(guò)高的問(wèn)題人臉特征表示是實(shí)現(xiàn)高效人臉識(shí)別核心算法的重要前提

8、。Gabor小波具有優(yōu)良的空間局部性和方向選擇性，對(duì)圖像的光照和幾何變化具有較強(qiáng)的魯棒性，是一種良好的人臉特征描述方法。但是，Gabor特征維數(shù)過(guò)高是其在人臉識(shí)別應(yīng)用中遇到的最大瓶頸，因此在第五章我們提出了基于人臉關(guān)鍵特征區(qū)域的Gabor特征抽取算法和基于有效人臉區(qū)域的Gabor特征抽取算法。前者通過(guò)抽取能充分反應(yīng)人臉個(gè)體特征的雙眼、鼻子和嘴部區(qū)域的Gabor特征子向量，級(jí)聯(lián)組合成整個(gè)人臉的Gabor特征向量；后者則是在經(jīng)人臉遮照模板掩

9、模后的有效人臉區(qū)域的基礎(chǔ)上抽取象素的Gabor特征，舍棄掩模區(qū)域以外對(duì)識(shí)別沒(méi)有任何貢獻(xiàn)的象素區(qū)域。使得后續(xù)人臉識(shí)別核心算法的時(shí)間和空間復(fù)雜度大大降低。經(jīng)實(shí)驗(yàn)系統(tǒng)運(yùn)行測(cè)試，該方法在降低人臉特征向量維數(shù)的同時(shí)具有與傳統(tǒng)Gabor特征抽取算法同等的魯棒性。 5、提出了基于MR-Gabor特征抽取和支持向量機(jī)的人臉識(shí)別方法(MR-G-SVM)，將判別域值理論引入支持向量機(jī)分類決策，成功應(yīng)用于基于視頻的人員身份認(rèn)證系統(tǒng)中支持向量機(jī)(SVM

10、)是近幾年快速發(fā)展起來(lái)的數(shù)據(jù)挖掘新方法，在模式識(shí)別和非線性規(guī)劃等領(lǐng)域具有其獨(dú)特的優(yōu)勢(shì)。論文結(jié)合我們提出的Gabor特征抽取算法和SVM實(shí)現(xiàn)了具有較強(qiáng)魯棒性的人臉識(shí)別核心算法。傳統(tǒng)上基于兩類分類的支持向量機(jī)算法在處理閉集(CloseSet)人臉驗(yàn)證問(wèn)題時(shí)具有很強(qiáng)的魯棒性；但面對(duì)多類開(kāi)集(OpenSet)人臉識(shí)別問(wèn)題時(shí)則存在一定的錯(cuò)分風(fēng)險(xiǎn)，因?yàn)橐罁?jù)多類分類支持向量機(jī)分類決策機(jī)制(如二叉樹(shù))，待識(shí)別樣本最終總會(huì)獲得一個(gè)所屬的類別，即使此樣本可

11、能不屬于任何樣本集。因此，本文將判別域值理論引入支持向量機(jī)決策機(jī)制，實(shí)際測(cè)試結(jié)果顯示，引入判別域值后的支持向量機(jī)分類可以有效降低系統(tǒng)的誤判率。 6、結(jié)合三個(gè)人員身份認(rèn)證系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)從系統(tǒng)設(shè)計(jì)的角度探討了人臉識(shí)別應(yīng)用系統(tǒng)的設(shè)計(jì)思路及應(yīng)該注意的問(wèn)題人臉識(shí)別應(yīng)用系統(tǒng)的最終性能雖然在很大程度上取決于高效的人臉特征描述和魯棒的人臉識(shí)別核心算法，但是系統(tǒng)設(shè)計(jì)思想對(duì)應(yīng)用系統(tǒng)設(shè)計(jì)成敗的影響也同樣值得我們關(guān)注。論文在第八章重點(diǎn)闡述了自動(dòng)人臉識(shí)