人脸识别技术研究研究生课程论文.docx
- 文档编号:27398916
- 上传时间:2023-06-30
- 格式:DOCX
- 页数:55
- 大小:814.91KB
人脸识别技术研究研究生课程论文.docx
《人脸识别技术研究研究生课程论文.docx》由会员分享,可在线阅读,更多相关《人脸识别技术研究研究生课程论文.docx(55页珍藏版)》请在冰豆网上搜索。
人脸识别技术研究研究生课程论文
硕士研究生课程论文
(或读书报告)
课程名称:
模式识别
题目:
人脸识别技术研究
题目类型(课程论文或读书报告):
课程论文
学院:
电气与信息工程学院
专业名称:
控制理论与控制工程
毕业设计(论文)原创性声明和使用授权说明
原创性声明
本人郑重承诺:
所呈交的毕业设计(论文),是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知,除文中特别加以标注和致谢的地方外,不包含其他人或组织已经发表或公布过的研究成果,也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体,均已在文中作了明确的说明并表示了谢意。
作者签名:
日 期:
指导教师签名:
日 期:
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计(论文)的规定,即:
按照学校要求提交毕业设计(论文)的印刷本和电子版本;学校有权保存毕业设计(论文)的印刷本和电子版,并提供目录检索与阅览服务;学校可以采用影印、缩印、数字化或其它复制手段保存论文;在不以赢利为目的前提下,学校可以公布论文的部分或全部内容。
作者签名:
日 期:
学位论文原创性声明
本人郑重声明:
所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
作者签名:
日期:
年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
作者签名:
日期:
年月日
导师签名:
日期:
年月日
人脸识别技术研究
摘要
人脸识别是计算机视觉和模式识别的一个研究热点。
但是在复杂光照条件下,如何快速自动识别人脸,仍然是一个富有挑战性的问题。
基于图像处理的知识,研究在复杂光照下利用计算机自动识别人脸的技术。
在系统设计中详细阐述整个人脸识别系统的处理流程,比较系统地介绍了该系统的图像预处理、人脸检测、人脸特征定位、人脸特征提取、人脸识别等组成部分。
通过对彩色图像的偏色进行分析,提出一种结合偏色纠正和改进Retinex的彩色图像增强算法。
利用灰度世界和完美反射理论建立偏色纠正的数学模型,通过线性拟合对偏色图像进行偏色纠正。
对彩色图像进行亮度和色度分离,多尺度Retinex算法对亮度分量增强并进行自适应调整,通过获取的亮度增益矩阵对彩色图像的ROB三分量进行逐点增强。
该算法解决了彩色图像增强后色彩变化的问题,对于存在偏色、低亮度等复杂光照下的彩色图像均有较好的增强效果。
人脸图像具有稳定的肤色特征和灰度分布,运用结合肤色检测的AdaBoost算法检测人脸。
利用肤色检测算法获得肤色区域信息,去除大量非人脸的背景部分,通过对肤色块的统计分析,得到可能人脸的尺寸范围。
将人脸尺寸范围及肤色区域二值图像提供给AdaBoost人脸检测算法,从而减少搜索区域及搜索尺度范围。
该人脸检测方法克服了人脸类肤色和检测速度慢的问题,能够快速有效地检测人脸。
人脸特征定位容易受到光照的影响。
针对灰度图像,提出一种新的基于各向异性滤波的人眼定位方法。
构造各向异性滤波器对图像进行滤波,消除光照影响;运用形态学操作突出眼睛的特征区域,并采用相关系数法对特征区域块进行匹配,获得眼睛粗定位;对粗定位区域进行重定位校正获得精确的眼睛中心点。
对于彩色图像,提取三分量差分特征,二值化并滤波后,通过特征区域的相关匹配定位眼睛中心。
根据彩色图像的眼睛中心点位置初步确定嘴的区域,提取红色度信息和RGB差分特征信息,定位嘴巴。
基于各向异性滤波的人眼定位方法解决了复杂光照环境下的人脸定位问题。
有效地提取人脸特征是人脸识别成功的关键。
运用多尺度局部二进制模式提取人脸纹理特征。
对图像进行小波分析,并运用局部二进制模式方法在不同尺度的分块图像上提取人脸特征。
多尺度局部二进制模式能够全面、准确地表达人脸图像的纹理特征,解决特征描述的准确性问题。
人脸识别的核心在于寻找最优的分类特征。
提出一种改进的正交拉普拉斯特征脸识别算法。
该算法在保局投影的目标函数中融入类间离散度,运用Schur分解实现基向量的正交化。
这种改进的算法利用类别信息提高分类性能。
对人脸识别系统进行了测试,在光照变化的YaleB人脸库上,人脸的识别率达到94.75%,实验证明,人脸识别系统能够达到复杂光照下人脸识别的要求。
关键词:
图像增强;人脸检测;人脸特征定位;人脸特征提取;人脸识别
ABSTRACT
Facerecognitiontechnologyisahottopicforresearchersoncomputervisionandpattemrecognition.However,howtoquicklyandautomaticlyrecognizefaceremainsachallengingproblemincomplexillumination.
Automaticfacerecognitionbycomputertechnologyisresearchedbasedonimageprocessing.Itelaboratedtheprocessingflowofthefacerecognitionsysteminsystemdesign.Componentsofthesystem,suchasimagepreprocessing,facedetection,facialfeaturelocation,facialfeatureextraction,facerecognition,weresystematicallyintroduced.
AncolorimageenhancementalgorithmcombinedcoloroffsetcorrectedandtheimprovedRetinexwasproposedontheanalysisofcoloroffsetforcolorimage.Themathematicalmodelfort11ecoloroffsetcorrectedwasestabishedbygrayworldandtheperfectreflectiontheory,andthecoloroffsetoforiginalcolorimagewascorrectedbylinearfitting.Thebrightnesswasseparatedfromcolorimage.BrightnesscomponentWas
enhancedbymulti-scaleRetinexenhancementalgorithmandadapteditself。
andtheRGBthreecomponentsofcolorimagewereenhancedpointbypointbybrightnessgaininmatrix.ThealgorithmproposedsolvedtheproblemthatthecolorWaschangedafterthecolorimageenhanced.ThealgorithmproposedhadabetterperformanceforcolorimageenhancementwiththeimagesundervariableilluminationsuchaScoloroffset,low-intensity
lightandSOon.
Therearestableskincolorfeatureandgraydistributionforfaceimages.AdaBoostalgorithmcombinedwithskincolordetectionwasusedtodetectface.Skincolordetectionalgorithmwasusedtoobtainskincolorinformationofskinregionsandtoremovealargenumberofnon-facebackground,andthesizerangeoffacesWasgotbyanalysisofskin
blocks.SizerangeofthehumanfaceandbinaryimageofskincolorregionwereprovidedtoAdaBoostalgorithmforfacedetection,therebythesearchareaandsearchforscalesreduced.Themethodforfacedetectionsolvedtheproblemthatnon-facetakenasfaceandlowtesting.ItCanrapidlyandeffectivelydetecthumanfaces.
Facialfeaturelocationiseffectedeasilybyillumination.AnnewmethodofeyelocationbasedonanisotropicfilteringWasproposedforgrayimage.Anisotropicfilterswereconstructed,andtheimageinputwasfilteredtoeliminatetheinfluenceofvariantillumination;thefeaturesofeyeareaswerehighlightedbymorphologicaloperation;themethodofcorrelationcoefficientwasusedtomatchthefeatureareablockstoobtaineyeroughlocation;toobtaintheaccuratecenteroftheeye.mecoarsepositioningregionwascorrectedandrelocated.Forcolorimages,differentialfeaturesforRGBthreecomponentwereextracted,andtheneyecentrepointswerelocatedbytherelatedmatchingoffeatureareaafterbinarizationandfilter.Accordingtothecenterofeyesincolorimage,theinitiallocationofthemouthwasdetermined.AndthemouthwaslocatedbycombinedwiththeinformationofreddegreeandRGBdifferentialfeature.
Extractingfacialfeatureseffectivelyisthekeytorecognizefacesuccessfully.Themethodofextractingfacetexturefeaturebymulti-scalelocalbinarypatternwasused.Itusedwavelettotransformimage,andfacialfeatureswereextractedbylocalbinarypatternonimageblocksofdifferentscales.Multi-Scalelocalbinarypatterncanbenfullyandaccuratelyexpressesthetexturefeaturesoffaceimages,solvingtheproblemthatfeaturesareaccuratelydescribed.
Thecoretechnologyoffacerecognitionistofindtheoptimalclassificationfeatures.AnimprovedalgorithmoforthogonalLaplaceEigenfacewasproposed.ThealgorithmaddedclassscatterfusedintoobjectivefunctionoflocalitypreservingprojectionandusedSchurdecomposition.togetorthogonalbasisvectors.Thisimprovedalgorithmcanimproveclassificationperformancebyusingcategoryinformation.ThesystemforfacerecognitionWastested,andtherecognitionratiowas94.75%inYaleBfacedatabasewithchangedillumination.ExperimentsshowthatthesystemforfacerecognitionCanachievetherequirementsoffacerecognitionundercomplexillumination.
Keywords:
imageenhancement;facedetection;facialfeatureslocation;facerecognition
第一章绪论
1.1研究的背景和意义
人脸识别是模式识别和机器视觉中一个非常活跃的研究热点。
国内外各大学、著名研究所、大公司等都投入大量人力物力进行人脸识别技术的研究。
人脸识别技术的研究之所以受到重视,是因为它具有重要的理论研究意义和巨大的潜在应用背景。
计算机人脸识别涉及模式识别、图像处理、计算机视觉、生理学、心理学、认知科学等多个交叉学科。
由于它的技术难度大,影响因素复杂,可为这些学科提供一个良好的研究对象,有利于建立学科领域的基础实验平台,试验新的理论和方法。
促进学科的深入研究和发展。
人脸识别技术具有广泛的应用前景。
人脸识别技术是生物特征识别技术的一个重要分支。
由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此是身份验证的最理想依据。
人脸识别是生物特征鉴别技术的一个主要方向,与传统的身份验证技术相比,它利用人自身具有的特点,具有主动性、非侵犯性和用户友好等许多优点,可靠性高,安全性好,实用性强,多年来一直受到许多研究者的关注。
自9.11后,人脸识别在国家安全领域中的应用前景越来越广阔,而电子商务的兴起又推动了个人身份确认的发展。
人脸识别技术在国家安全、司法领域、金融安全、公共安全、身份验证和人机交互等方面都具有相当大的应用前景:
(1)在银行金融系统中的应用。
银行金融系统对安全防范控制系统有着极高的要求,人脸识别技术直观、准确、可靠,具有良好的可跟踪性,防止冒领、盗取的事件发生。
(2)在司法系统中的应用。
比如在获得罪犯照片后,可以通过在人脸识别技术,在存储的罪犯照片数据库中找到最为相象的几个人列为嫌疑犯,缩短破案时间。
(3)公共安全。
用于公共场所的监控,利用人脸识别技术来辅助对恐怖分子和违法犯罪嫌疑人的监控。
(4)视频监视:
在许多公司、银行都设有24小时的视频监视。
(5)证件验证:
身份证、驾驶执照以及其他证件上都有照片,采用人脸识别技术,证件的验证工作就可交给机器完成,从而实现自动化智能管理。
(6)信息安全:
利用人脸识别技术实现计算机登录、权限控制和电子交易中的身份认证,等等。
1.2国内外研究概况
当前很多国家展开了有关人脸识别的研究,主要有美国,欧洲国家,日本等,著名的研究机构有美国MIT的Medialab,AIlab,CMU的Human—ComputerInter—faceInstitute,MicrosoftResearch,英国的DepartmentofEngineeringinUniversityofCambridge等。
人脸识别的研究已有很长的历史,可以追溯到上个世纪60年代团。
早期的方法比较直观和简单,研究主要集中在人脸的几何特征提取,包括人脸特征器官的位置、面积、形状,以及人脸一些特征点的几何关系。
从上世纪80开始,小波变换理论和神经网络理论的研究取得突破性进展,人们开始利用图像的灰度信息或变换域特征进行人脸识别。
神经网络的发展,涌现了许多应用神经网络进行人脸识别的算法。
20世纪90年代以来,随着高速度性能计算机的出现,人脸识别方法有了重大突破,进入真正的机器自动识别阶段,人脸识别研究也得到了前所未有的重视。
人们开始认识到,人脸图像各像素之间存在较强的相关性,并且人脸具有独特的自然特性和结构特性。
人脸仅仅占据高维空间的一个子空间,以此为依据,Turk和Pentland首先提出了基于主元分析的特征脸方法,这就是著名的MIT媒体实验室在上个世纪90年代提出的PCA方法(也称“特征脸”方法),它是人脸识别算法发展史上一个重要的里程碑。
其后很多算法都与这个方法多少相关。
特征脸法提取的是人脸的灰度信息,这种信息不一定与人脸中的特征点相关,这是该方法与以往方法的本质区别。
PCA方法通过对人脸样本进行统计分析,并利用主元分析进行有效地降维,使信息能量集中,有利于克服维数灾难。
以特征脸方法为基础,延伸出众多的方法,如LDA(LinearDiscriminateAnalysis),ICA(IndependentComponentAnalysis),LFA(LocalFeatureAnalysis)等,使特征提取和维数压缩的手段更加丰富。
经过多年的发展,人脸识别技术取得长足的发展,涌现出一大批具有代表性的技术。
具有代表性的技术有:
PCA方法;LDA方法M;弹性图匹配技术n1;支持向量机方法嗍,以支持向量机为代表的统计学习理论最近几年在模式识别领域取得巨大成功,它通过最小化结构来求取最优分类平面,具有良好的泛化能力和分类能力。
此外基于隐马尔科夫模型的人脸识别方法M,三维人脸识别方法等等都有广泛的应用。
国内关于人脸识别的研究始于二十世纪80年代,90年代中后期以来,在NSFC、863计划等资助下,国内众多研究构的研究员开始对人脸识别进行研究,主要的研究单位有:
清华大学计算机系、自动化系、电子系,哈尔滨工业大学计算机系,中科院计算所,中科院自动化所,复旦大学,北京科技大学,中山大学应用数学系等,一定的成果。
在国内,众多科研院所、高校、企业也推出了许多的人脸识别系统,具有代表性的人脸识别系统有:
中科院自动化所李子青研究员研究小组开发的奥运会人脸识别系统;中科院计算所高文研究组开发的GodEye人脸识别系统;清华大学大学电子系丁晓青教授研究小组开发的ThfaceID系统;中国科学技术大学电子科学与技术系庄镇泉教授研究小组开发的人脸识别考勤系统KD-Face2.0。
中科院计算所人脸识别研究小组与上海银晨智能识别科技有限公司全面合作,专门研究和开发商业人脸识别系统。
他们提出了一种新的基于SFS(ShapeFromShading)的人脸识别方法,并基于该方法开发了一套实时人脸识别/确认系统。
另外,以成熟的“特征脸”技术为基础,尝试了基于人工神经网络,支持矢量机、线性判别分析、基于G瑚(GaussianMixtureModels)的双子空间人脸识别方法等,研究了基于Gabord,波变换和弹性图匹配的人脸识别技术,以及基于统计模式的人脸识别方法等。
2005年1月,由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家“十五"攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定。
他们提出的多特征描述的人脸识别理论、基于最佳二维人脸的活动人脸检测与识别理论、bNP-PCA人脸识别方法以及大型人脸识别系统的设计方法,都具有独特的创新。
1.3人脸识别存在的问题
人脸识别涉及人脸检测,人脸特征定位,特征提取和分类器设计几个方面,人脸识别面临的主要问题是:
(1)光照问题。
光照问题是机器视觉的老问题,尽管研究人员提出了一些解决方案,但是在实际应用中效果远没有达到理想程度。
(2)大规模人脸识别问题。
实际应用中,人脸数据库规模是很大的,如何提高大规模应用环境下人脸识别算法的识别率是一个很重要的问题。
(3)样本缺乏问题。
基于统计学习的人脸识别算法是目前人脸识别领域的主流算法,但是需要大量的训练。
由于人脸被认为是高维空间中一个不规则的流形分布,得到的样本是一个低维空间的采样,如何解决小样本的统计学习问题有待深入研究。
(4)海量数据的学习问题。
传统的人脸识别算法如PCA、LDA等在小规模数据库中容易学习训练。
但是对于海量数据的训练过程确难以进行。
从问题产生的根源上讲,人脸识别问题集中在三个层面:
一是信号层面,表现为数据获取不稳定;二是特征层面,采集条件变化时特征描述的鲁棒性问题;三是决策层面,表现为核心识别算法的泛化能力问题,海量样本学习的可行性,统计学习方法的鲁棒性等。
1.4研究的目的及内容
1.4.1研究的目的
人脸识别技术具有广泛的应用价值。
各大公司、研究机构都对其进行了深入的研究,提出了许多的识别方法,使其识别精度越来越高。
但在实际应用中,环境较为复杂,很多识别方法的效率会降低。
对人脸识别的整过流程进行深入研究,在人脸检测和人脸特征定位后,对图像进行归一化,识别算法在环境和人脸本身变化的情况下仍然有效,向自动化识别目标迈进,正是基于这个目标,对人脸识别技术进行了研究和探讨。
预处理模块,对常用的预处理进行实现对比,研究出适合于人脸检测的预处理方法。
人脸检测模块,结合肤色检测,简约特征,优化传统的Adaboost算法。
人脸特征定位模块,研究一种定位准确率高的方法,不需任何人工干预。
特征提取模块,研究如何有效的提取人脸的特征信息,正确表征人脸特征,同时减少数据向量的维数。
识别分类器模块,研究一种有效的降维方法,使得特征描述和分类性能尽量达到最优。
1.4.2人脸识别技术研究的主要内容
针对人脸识别技术涉及的几个方面,对以下内容作了研究和探讨。
(1)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 识别 技术研究 研究生课程 论文