人臉識(shí)別gabor論文

1、2010級(jí)本科畢業(yè)設(shè)計(jì)論文第1頁共34頁1緒論緒論1.1研究背景及意義研究背景及意義人臉識(shí)別是生物特性鑒別技術(shù)的一個(gè)主要方向，它涉及圖像處理，模式識(shí)別，計(jì)算機(jī)視覺等多個(gè)研究領(lǐng)域，具有十分廣泛的應(yīng)用前景，多年來一直是一個(gè)研究熱點(diǎn)。相對(duì)于其它人體生物特征識(shí)別技術(shù)，如指紋識(shí)別、虹膜識(shí)別、掌紋識(shí)別，人臉識(shí)別技術(shù)是最直接、最自然、最容易被人接受的。與其它技術(shù)相比，它具有侵犯性小、較少需要或不需要用戶的主動(dòng)配合、樣本采集方便、應(yīng)用場(chǎng)合廣泛、潛在的數(shù)

2、據(jù)資源豐富、設(shè)備成本低等優(yōu)點(diǎn)[1]。人臉識(shí)別系統(tǒng)具備操作及流程簡(jiǎn)單、適用面廣、支持一對(duì)一或一對(duì)多比對(duì)、支持多點(diǎn)同時(shí)采集比對(duì)、帶有數(shù)據(jù)庫支持記錄及查詢功能，對(duì)采集現(xiàn)場(chǎng)環(huán)境要求較低，可在極短的時(shí)間里判斷出進(jìn)出者的身份是否合法，杜絕使用他人鑰匙、密碼、磁卡等非法進(jìn)入。人臉識(shí)別技術(shù)的安全性、可靠性較高，且擁有廣泛的市場(chǎng)需求，它可以應(yīng)用于公安部門的犯人檔案管理、犯人辨認(rèn)查找、刑偵破案、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會(huì)議、人機(jī)交互系

3、統(tǒng)、證件核對(duì)、保安監(jiān)視、門禁控制及至自動(dòng)柜員機(jī)（ATM）等多種場(chǎng)合[2]。人臉識(shí)別對(duì)人類來說是件自然而然的事情，但對(duì)計(jì)算機(jī)而言，人臉識(shí)別卻遠(yuǎn)非一個(gè)已解決的課題。所有的人臉都具有相似的結(jié)構(gòu)，在紋理上也十分相近。另外圖像受光照、成像角度及成像距離等外界條件影響，具有“一人千面”的特點(diǎn)，欲建立一種具有各種不變性的描述模型還是比較困難的。此外，人臉識(shí)別技術(shù)研究與相關(guān)科學(xué)的發(fā)展及人腦的認(rèn)識(shí)程度緊密相關(guān)[3]。諸多因素都使人臉識(shí)別研究成為一項(xiàng)極富挑

4、戰(zhàn)性的課題，一方面信息化進(jìn)程的日益加快，電子商務(wù)、重要場(chǎng)所的安全認(rèn)證、智能化環(huán)境等許多應(yīng)用領(lǐng)域?qū)εc人臉有關(guān)的信息處理提出了迫切要求；另一方面，硬件和軟件技術(shù)的發(fā)展，為滿足實(shí)際應(yīng)用系統(tǒng)對(duì)人臉檢測(cè)、跟蹤及識(shí)別技術(shù)的實(shí)時(shí)化要求提供了可能性[2]。所以，人臉識(shí)別的研究不僅涉及心理學(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，更是模式識(shí)別、人工智能和計(jì)算機(jī)視覺的典型案例之一[2]。對(duì)這一問題的研究和解決，有助于對(duì)其他對(duì)

5、象識(shí)別問題的研究分析和解決，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。1.2國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)2010級(jí)本科畢業(yè)設(shè)計(jì)論文第3頁共34頁兩點(diǎn)間的歐式距離、曲率、角度等[6]。（2）基于彈性模型匹配方法彈性模型匹配方法的思想是將人臉上的一些特征點(diǎn)作為基準(zhǔn)點(diǎn)構(gòu)成彈性圖，每個(gè)基準(zhǔn)點(diǎn)存儲(chǔ)一串具有代表性的特征矢量，采用分級(jí)結(jié)構(gòu)的彈性圖，去除一些冗余節(jié)點(diǎn)，形成稀疏的人臉描述結(jié)構(gòu)[7]。通過

6、測(cè)試樣本和特征樣本的彈性匹配來完成識(shí)別。彈性模型匹配方法有很多，例如：在人臉圖像上放置一組矩形網(wǎng)格節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)的特征用該節(jié)點(diǎn)處的多尺度Gab幅度特征描述，各節(jié)點(diǎn)之間的連接關(guān)系用幾何距離表示，從而構(gòu)成基于二維拓?fù)鋱D的人臉描述，根據(jù)兩個(gè)圖像中各節(jié)點(diǎn)和連接之間的相似性進(jìn)行人臉識(shí)別。還有將人臉圖像表示為可變形的3D網(wǎng)格表面，將人臉匹配問題轉(zhuǎn)換為曲面匹配問題，利用有限元分析的方法進(jìn)行曲面變形，根據(jù)兩幅圖像之間變形匹配的程度識(shí)別人臉等。（3）神經(jīng)

7、網(wǎng)絡(luò)方法目前神經(jīng)網(wǎng)絡(luò)方法在人臉識(shí)別中的研究方興未艾。Valentin[89]提出一種方法，首先提取人臉的50個(gè)主元，然后用自相關(guān)神經(jīng)網(wǎng)絡(luò)將它映射到5維空間中，再用一個(gè)普通的多層感知器進(jìn)行判別，對(duì)一些簡(jiǎn)單的測(cè)試圖像效果較好；Intrat[89]等提出了一種混合型神經(jīng)網(wǎng)絡(luò)來進(jìn)行人臉識(shí)別，其中非監(jiān)督神經(jīng)網(wǎng)絡(luò)用于特征提取，而監(jiān)督神經(jīng)網(wǎng)絡(luò)用于分類。Lee[89]等將人臉的特點(diǎn)用六條規(guī)則描述，然后根據(jù)這六條規(guī)則進(jìn)行五官的定位，將五官之間的幾何距離輸

8、入模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，效果較一般的基于歐氏距離的方法有較大改善；Laurence[89]等采用卷積神經(jīng)網(wǎng)絡(luò)方法進(jìn)行人臉識(shí)別，由于卷積神經(jīng)網(wǎng)絡(luò)中集成了相鄰像素之間的相關(guān)性知識(shí)，從而在一定程度上獲得了對(duì)圖像平移、旋轉(zhuǎn)和局部變形的不變性，因此得到非常理想的識(shí)別結(jié)果。神經(jīng)網(wǎng)絡(luò)方法在人臉識(shí)別上的應(yīng)用比起前述幾類方法來有一定的優(yōu)勢(shì)，因?yàn)閷?duì)人臉識(shí)別的許多規(guī)律或規(guī)則進(jìn)行顯性的描述是相當(dāng)困難的，而神經(jīng)網(wǎng)絡(luò)方法則可以通過學(xué)習(xí)的過程獲得對(duì)這些規(guī)律和規(guī)則的隱