畢業(yè)論文---人臉圖像識別技術(shù)的研究

1、<p><b>　　前言</b></p><p>　　隨著安全入口控制和金融貿(mào)易方面應(yīng)用需要的快速增長，生物統(tǒng)計識別技術(shù)得到了新的重視。目前，微電子和視覺系統(tǒng)方面取得的新進(jìn)展，使該領(lǐng)域中高性能自動識別技術(shù)的實現(xiàn)代價降低到了可以接受的程度。而人臉識別是所有的生物識別方法中應(yīng)用最廣泛的技術(shù)之一，人臉識別技術(shù)是一項近年來興起的，但不大為人所知的新技術(shù)。人們更多的是在電影中看到這種技術(shù)的神

2、奇應(yīng)用：警察將偷拍到的嫌疑犯的臉部照片，輸入到電腦中，與警方數(shù)據(jù)庫中的資料進(jìn)行比對，并找出該嫌犯的詳細(xì)資料和犯罪記錄。這并非虛構(gòu)的情節(jié)。在國外，人臉識別技術(shù)早已被大量使用在國家重要部門以及軍警等安防部門。在國內(nèi)，對于人臉識別技術(shù)的研究始于上世紀(jì)90年代，目前主要應(yīng)用在公安、金 融、網(wǎng)絡(luò)安全、物業(yè)管理以及考勤等領(lǐng)域。</p><p>　　人臉識別系統(tǒng)現(xiàn)在在大多數(shù)領(lǐng)域中起到舉足輕重的作用，尤其是用在機(jī)關(guān)單位的安全和考

3、勤、網(wǎng)絡(luò)安全、銀行、海關(guān)邊檢、物業(yè)管理、軍隊安全、智能身份證、智能門禁、司機(jī)駕照驗證、計算機(jī)登錄系統(tǒng)。我國在這方面也取得了較好的成就，國家863項目“面像檢測與識別核心技術(shù)”通過成果鑒定并初步應(yīng)用，就標(biāo)志著我國在人臉識別這一當(dāng)今熱點科研領(lǐng)域掌握了一定的核心技術(shù)。北京科瑞奇技術(shù)開發(fā)股份有限公司在2002年開發(fā)了一種人臉鑒別系統(tǒng)，對人臉圖像進(jìn)行處理，消除了照相機(jī)的影響，再對圖像進(jìn)行特征提取和識別。這對于人臉鑒別特別有價值，因為人臉鑒別通常使

4、用正面照，要鑒別的人臉圖像是不同時期拍攝的，使用的照相機(jī)不一樣。系統(tǒng)可以接受時間間隔較長的照片，并能達(dá)到較高的識別率，在計算機(jī)中庫藏2300人的正面照片，每人一張照片，使用相距1--7年、差別比較大的照片去查詢，首選率可以達(dá)到50%，前20張輸出照片中包含有與輸入照片為同一人的照片的概率可達(dá)70% 。 2005年1月18日，由清華大學(xué)電子系人臉識別課題組負(fù)責(zé)人蘇光大教授主持承擔(dān)的國家"十五"攻關(guān)項目《人臉識

5、別系統(tǒng)》通過了由公安部主持的專家鑒定。鑒定委員會認(rèn)為，該項技術(shù)處于國內(nèi)領(lǐng)</p><p>　　雖然人臉識別技術(shù)是一個非?；钴S的研究領(lǐng)域，它覆蓋了數(shù)字圖像處理、模式識別、計算機(jī)視覺、神經(jīng)網(wǎng)絡(luò)、心理學(xué)、生理學(xué)、數(shù)學(xué)等諸多學(xué)科的內(nèi)容，而且目前在這方面的研究也取得了一些可喜的成果，但是FRT在實用應(yīng)用中仍面臨著很嚴(yán)峻的問題,因為人臉五官的分布是非常相似的，而且人臉本身又是一個柔性物體，表情、姿態(tài)或發(fā)型、化妝的千變?nèi)f化都給

6、正確識別帶來了相當(dāng)大的麻煩。如何能正確識別大量的人并滿足實時性要求是迫切需要解決的問題。</p><p>　　基于此，本文通過調(diào)研、分析現(xiàn)有的人臉識別方法，主要目的是給出人臉識別的一般模型，并通過該模型確定正面人臉識別的方案以及其對應(yīng)的算法。</p><p>　　通過查閱書籍，上網(wǎng)搜索資料再加上老師的指導(dǎo)及幫助我最后確定的正面人臉圖像的識別方案如下：</p><p>

7、;　　在本方案中要實現(xiàn)人臉圖像的正面識別需通過下列幾個步驟進(jìn)行</p><p>　　A：首先必須要有圖片，圖片的來源可以通過攝像機(jī)照相也可以從圖像庫中提取，這就是所謂的圖像獲取模塊，也是方案中的第一步；</p><p>　　B：由于該題的研究目的是人臉，所以當(dāng)獲取了圖片后還要獲取圖片中的人臉，因此緊接的下一步便是人臉區(qū)域的獲取，主要是根據(jù)膚色來進(jìn)行獲取，通過膚色非線形分段色彩變換來實現(xiàn)。這

8、一非線性分段色彩變換得到的膚色模型屬于色彩空間中的聚類模型，這一類膚色模型的建立首先要選取一種合適的色彩空間。</p><p>　　C：通常通過上述兩個步驟得到的圖像由于噪聲、光線不平衡等原因往往不能滿足研究或識別的要求，所以在精確識別圖像之前要對的得到的圖像進(jìn)行預(yù)處理即圖像預(yù)處理，這一步是整個方案的關(guān)鍵，預(yù)處理的好壞直接影響到后面整個方案的實現(xiàn)，由于它的重要性，所以在這步中我決定通過幾個小步驟來實現(xiàn)：</

9、p><p><b>　　光線補(bǔ)償</b></p><p>　　因為通過圖像提取得到的圖片可能會存在光線不平衡的情況，這會影響我們對特征的提取，所以有必要對圖像進(jìn)行光線補(bǔ)償。盡可能將它的特征在圖像中表現(xiàn)出來。</p><p><b>　　灰度變化</b></p><p>　　圖像灰度化的過程就是把彩色圖像

10、轉(zhuǎn)換為黑白色圖像的過程，它也是為了將圖像的信息更加具體、簡單的表現(xiàn)出來，但是，這樣做也將會丟失圖像信息。因此，盡可能在轉(zhuǎn)化的過程中用簡單的方式表現(xiàn)圖像復(fù)雜的信息。</p><p><b>　　高斯平滑處理</b></p><p>　　高斯平滑將對圖像進(jìn)行平滑處理，在圖像采集過程中，由于各種因素的影響，圖像往往會出現(xiàn)一些不規(guī)則的噪聲，入圖像在傳輸、存儲等都有可能產(chǎn)生數(shù)據(jù)

11、的丟失。從而影響圖像的質(zhì)量。處理噪聲的過程稱為平滑。平滑可以降低圖像的視覺噪聲，同時出去圖像中的高頻部分后，那些本來不明顯的低頻成分更容易識別。平滑可以通過卷積來實現(xiàn)。經(jīng)過卷積平滑后的水平投影后，二值化提供了較好的圖像效果。</p><p><b>　　對比度增強(qiáng)</b></p><p>　　對比度增強(qiáng)，就是對圖像的進(jìn)一步處理，將對比度再一次拉開。它針對原始圖像的每一

12、個像素直接對其灰度進(jìn)行處理的，其處理過程主要是通過增強(qiáng)函數(shù)對像素的灰度級進(jìn)行運(yùn)算并將運(yùn)算結(jié)果作為該像素的新灰度值來實現(xiàn)的。通過改變選用的增強(qiáng)函數(shù)的解析表達(dá)式就可以得到不同的處理效果。</p><p><b>　　二值化</b></p><p>　　二值化的目的是將采集獲得的多層次灰度圖像處理成二值圖像，以便于分析理解和識別并減少計算量。二值化就是通過一些算法，通過一個

13、閾值改變圖像中的像素顏色，令整幅圖像畫面內(nèi)僅有黑白二值，該圖像一般由黑色區(qū)域和白色區(qū)域組成，可以用一個比特表示一個像素，“1”表示黑色，“0”表示白色，當(dāng)然也可以倒過來表示，這種圖像稱之為二值圖像。這便有利于我們對特征的提取。該設(shè)計中采用組內(nèi)方差和組外方差來實現(xiàn)二值化。</p><p><b>　　直方圖均衡</b></p><p>　　直方圖均衡化的目的是使一輸入圖

14、像轉(zhuǎn)換為在每一灰度級上都有相同的象素點數(shù)，它的處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布，它的研究思路是：通過直方圖變換式來進(jìn)行直方圖的均衡處理，直方圖變換式是： </p><p>　　但是直方圖均衡化存在著兩個缺點：　　 1）變換后圖像的灰度級減少，某些細(xì)節(jié)消失；　　 2）某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強(qiáng)。</p>

15、<p>　　以上圖像與處理包含的幾個小步驟可用直方圖表示如下圖一示：</p><p>　　圖一：預(yù)處理層次圖：</p><p>　　D：經(jīng)過對圖像的預(yù)處理之后，我們就可以對處理后的圖像進(jìn)行人臉定位。</p><p>　　人臉定位是將典型的臉部特征（如眼睛，鼻尖，嘴唇等等）標(biāo)記出來，在本系統(tǒng)中，定位的特征是眼睛，鼻尖和嘴巴三個。由于眼睛具有對稱性，因此可以很

16、快就能標(biāo)記出來，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛標(biāo)記好，鼻子和嘴巴也能相應(yīng)的標(biāo)記出來。</p><p>　　F：有了以上各步的準(zhǔn)備工作后我們先在就可以就行圖像的特征提取了，在該步中我們通過幾個小步驟實現(xiàn)如下示：</p><p>　　提取兩只眼睛的距離；</p><p><b>　　眼睛的傾角度；</b></p>

17、<p><b>　　眼睛、嘴巴的重心；</b></p><p>　　用一個矩形標(biāo)出每一個特征；</p><p>　　最后將提取得到的值存入后臺數(shù)據(jù)庫中。</p><p>　　G：接下來示本方案的最后一步即識別階段了。</p><p>　　在該步中，通過與庫存中的特征向量進(jìn)行比較，找出與特征最相近的參數(shù)，再對該參

18、數(shù)進(jìn)一步分析。如果分析在我們所確認(rèn)的范圍內(nèi)，我們就認(rèn)為該人就是我們所要找的。然后從庫存中提取出該人相關(guān)的信息，并顯示出來。如果庫存中沒有，則給出提示是否對存庫作為樣本。</p><p>　　以上的便是本文中所提出的人臉正面圖像的識別方案，在本方案中最主要的是圖像的預(yù)處理，圖像預(yù)處理模塊在整個方案中起著極其關(guān)鍵的作用，圖像處理的好壞直接影響著后面的定位和識別工作。</p><p>　　在人臉

19、正面圖像識別方案提出的基礎(chǔ)上，我們進(jìn)一步研究其實現(xiàn)的可能，關(guān)鍵是實現(xiàn)該方案的算法，在本方案中，由于圖像的預(yù)處理在整個方案中起舉足輕重的作用，該步實現(xiàn)的好壞直接影響整個方案的順路進(jìn)行，所以在研究算法的過程中，我們著重把時間及精力放在這一塊上，因此，下面我將該出實現(xiàn)該步的算法分析以及算法：</p><p>　　光線補(bǔ)償算法的分析計算法：</p><p>　　A：光線補(bǔ)償?shù)南敕ǖ奶岢鲋饕强紤]到

20、膚色等色彩信息經(jīng)常受到光源顏色、圖像采集設(shè)備的色彩偏差等因素的影響，而在整體上偏離本質(zhì)色彩而向某一方向移動，即我們通常所說的色彩偏冷、偏暖、照片偏黃、便藍(lán)等等。這種現(xiàn)象在藝術(shù)照片中更為常見。所以Anil K.Jain等提出，為了抵消這種整個圖像中存在著的色彩偏差，我們將整個圖像中所有像素亮度（是經(jīng)過了非線形r-校正后的亮度）從高到低進(jìn)行排列，取前5%的像素，如果這些像素的數(shù)目足夠多（例如，大于100），我們就將它們的亮度作為“參考白”（

21、Reference White），也即將它們的色彩的R、G、B分量值都調(diào)整為255。整幅圖像的其他像素點的色彩值也都按這一調(diào)整尺度進(jìn)行交換。 </p><p>　　B：算法實現(xiàn)如下示：</p><p>　　void CFaceDetectView:: OnReadyLightingconpensate()</p><p><b>　　{</b>

22、;</p><p>　　hDIBTemp = gDib.CopyHandle(hDIB);</p><p>　　gDib.LightingCompensate(hDIB);</p><p>　　GlobalUnlock(hDIB);</p><p>　　Invalidate();</p><p><b>　　

23、}</b></p><p>　　LightingCompensate（）</p><p><b>　　{</b></p><p>　　for(i =0;i<height;i++)</p><p>　　for(int j=0;j<width;j++)</p><p><

24、b>　　{</b></p><p>　　lOffset = this->PixelOffset(i,j,wBytesPerLine); *(lpData+lOffset) = colorb;</p><p>　　colorb = *(lpData+lOffset+1);</p><p>　　colorb *=co;</p>

25、;<p>　　if(colorb >255)</p><p>　　colorb = 255;</p><p>　　*(lpData+lOffset+1) = colorb;</p><p>　　colorb = *(lpData+lOffset+2);</p><p>　　colorb *=co;</p>&

26、lt;p>　　if(colorb >255)</p><p>　　colorb = 255;</p><p>　　*(lpData+lOffset+2) = colorb;</p><p><b>　　}</b></p><p>　　圖像灰度化的算法分析及算法</p><p><

27、b>　　A：算法分析：</b></p><p><b>　?、俨噬D(zhuǎn)換成灰度</b></p><p>　　將彩色圖像轉(zhuǎn)化為灰階圖像常采用如下的經(jīng)驗式：</p><p>　　gray＝0.39×R＋0.50×G＋0.11×B（式3）</p><p>　　其中，gray為灰度值

28、，R、G、B分別為紅色、綠色和藍(lán)色分量值。</p><p><b>　　②灰度比例變換</b></p><p>　　灰度比例變換是把原像素的灰度乘以一個縮放因子，并最后截至[0,255]。</p><p><b>　?、刍叶染€性變換</b></p><p>　　當(dāng)圖像由于成像時曝光不足或曝光過度，會

29、產(chǎn)生對比度不足的弊病，從而使圖像中的細(xì)節(jié)分辨不清。將圖像灰度進(jìn)行線性擴(kuò)展，常能顯著地改善圖像的外觀。灰度線性變換的計算式為：</p><p><b>　　g = </b></p><p><b>　?。ㄊ?）</b></p><p><b>　　f，其他</b></p><p&g

30、t;　　式中，f是原像素的灰度，g為變換后的灰度。該變換把屬于[a,b]的灰度級變換至灰度區(qū)間[c,d]，而沒有在[a,b]區(qū)間的原像素灰度將保持不變。這里a，b，c，d，f，g均為[0,255]之間的整數(shù)值。可見，a被映射為c，b被映射為d。</p><p><b>　　④灰度線性截斷</b></p><p>　　灰度線性截斷的思想是：如果原像素的灰度小于a，則該像

31、素的灰度等于c；如果原像素的灰度大于b，則該像素的灰度等于d。</p><p>　　B：算法實現(xiàn)如下示：</p><p>　　ReadyLightingconpensate()</p><p><b>　　{</b></p><p>　　ColorB=*(lpData + lOffset); </p>&l

32、t;p>　　ColorG=*(lpData + lOffset+1); </p><p>　　ColorR=*(lpData + lOffset+2); </p><p>　　gray = (ColorG*50+ColorR*39+ColorB*11)/100;</p><p>　　*(lpData + lOffset)=gray ; </p>

33、<p>　　*(lpData + lOffset+1)=gray ;</p><p>　　*(lpData + lOffset+2)=gray ;</p><p><b>　　}</b></p><p>　　圖像對比度增強(qiáng)算法分析及算法：</p><p><b>　　A：算法分析：</b>

34、;</p><p>　　在對圖像均衡直方圖處理以后，便可對圖像進(jìn)行對比度增強(qiáng)，進(jìn)一步拉開對比度。它通過對圖像的灰度值進(jìn)行統(tǒng)計，對于比最小設(shè)定值小的則認(rèn)為是有關(guān)的信息，則將它作為黑色處理，比最大設(shè)定值大的則認(rèn)為是一些無關(guān)的信息，將它們?nèi)サ簦幱趦烧咧g的，則進(jìn)行對比度增強(qiáng)，將他們在總的灰度值里面的比例作為新的像素信息保存起來。</p><p><b>　　B：算法實現(xiàn)：</

35、b></p><p>　　lOffset = gDib.PixelOffset(i, j, gwBytesPerLine);</p><p>　　int state=IncreaseContrast(ZFT[k][k1], 100); </p><p>　　IncreaseContrast()</p><p><b>　

36、　{</b></p><p>　　if(pByte<=Low)</p><p><b>　　return 0;</b></p><p>　　else if ((Low<pByte)&&(pByte<High))</p><p>　　return int(((pByte-Low

37、)/Grad));</p><p><b>　　else</b></p><p>　　return 255；</p><p><b>　　} </b></p><p>　　高斯平滑算法分析及算法;</p><p><b>　　A:算法分析：</b>&l

38、t;/p><p>　　在圖像的采集過程中,由于各種因素的影響,圖像中往往會出現(xiàn)一些不規(guī)則的隨機(jī)噪聲,如數(shù)據(jù)在傳輸、存儲時發(fā)生的數(shù)據(jù)丟失和損壞等,這些都會影響圖像的質(zhì)量。處理噪聲點的過程稱之為平滑,平滑可以降低圖像的視覺噪聲,同時除去圖像中的高頻部分后,那些本來不明顯的低頻成分更容易識別。而噪聲點一般是孤</p><p>　　立的點,噪聲點的像素灰度與它們的近鄰像素有顯著的區(qū)別,即灰度變化總在這

39、附近有突變高頻。平滑可用卷積來實現(xiàn),平滑的頻率截止點由卷積核的大小及卷積系數(shù)決定。用于平滑濾波的卷積核叫做低通過濾波器,低通過濾波器具有如下的特征:1卷積核的行、列數(shù)為奇數(shù),通常為3×3的矩陣;2卷積系數(shù)以中心點為中心對稱分布;3所有的卷積系數(shù)都為正數(shù);4距離中心較遠(yuǎn)的卷積系數(shù)的值較小或保持不變;5卷積后的結(jié)果不改變圖像的亮度。經(jīng)過卷積平滑后給隨后的水平投影、二值化提供了較好的圖像效果。水平投影的曲線顯得比較平滑,二值化后的圖

40、像孤立點比較少。以下是幾個常用的卷積核:</p><p>　　1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16</p><p>　　1/9 1/9 1/9 1/10 1/5 1/10 2/16 4/16 2/16</p>

41、<p>　　1/9 1/9 1/9 1/10 1/10 1/10 1/16 2/16 1/16</p><p>　　L P1 LP2 LP3</p><p>　　通常的處理是:將中心點周圍八個點的像素值乘于各自矩陣相應(yīng)的系數(shù)后

42、相加得到一個值,然后將這個值乘上中心點的系數(shù),中心點的像素值賦為得到的最后值。一般來說,不同的噪聲有各自針對性的卷積算法。本文使用的卷積算法是高斯卷積核,亦即上面卷積核的LP3。高斯卷積是通過采樣2維高斯函數(shù)得到的。高斯平滑算法的優(yōu)點是平滑后圖像的失真少,算法更具備通用性,能去除不同的噪聲干擾。需要注意的是:在平滑處理時,圖像邊界點無法處理,因此循環(huán)范圍應(yīng)設(shè)定在圖像邊界內(nèi)。</p><p><b>　　

43、B：算法實現(xiàn)：</b></p><p>　　Template（）</p><p><b>　　{</b></p><p>　　for(m=i-((tem_h-1)/2);m<=i+((tem_h-1)/2);m++)</p><p><b>　　{ </b></p>

44、<p>　　for(n=j-((tem_w-1)/2);n<=j+((tem_w-1)/2);n++)</p><p>　　sum+=Gray[m][n]*tem[(m-i+((tem_h-1)/2))*tem_w+n-j+((tem_w-1)/2)];</p><p><b>　　} </b></p><p>　　sum

45、=(int)sum*xishu;</p><p>　　sum = fabs(sum);</p><p>　　if(sum<0) </p><p><b>　　sum=0;</b></p><p>　　if(sum>255)</p><p><b>　　sum=255;

46、</b></p><p>　　HeightTemplate[i][j] = sum；</p><p><b>　　}</b></p><p>　　以上給出的是方案中最重要的一步實現(xiàn)時所需的算法，雖然在提出的方案不是很完全能解決目前在人臉識別技術(shù)上從存在的問題，但它還是可以實現(xiàn)一些基本的功能，比如圖像提取，人臉定位，圖像與處理，特

47、征提取及人臉識別等，在算法的設(shè)計過程中同樣也有一些問題，比如：在光線補(bǔ)償算法中，由于要改變每一個像素的亮度，開始，我通過對數(shù)幅圖像使用一個固定的值進(jìn)行測試，得到的效果都滿理想，但是當(dāng)對更多的圖像處理時，該固定值就出現(xiàn)了明顯的不足，最后不得不采用全局統(tǒng)計的方法，才能得到比較理想的效果，再比如在均衡直方圖算法中，開始時，圖像的會度一直都處于很散的狀態(tài)，而且圖像的特征不明顯，原本想經(jīng)過高斯平滑后進(jìn)行灰度變換，但是并未能成功。經(jīng)過了一翻苦戰(zhàn)，最