【正文】 將是非常復(fù)雜的。在光照不確定的環(huán)境中，環(huán)境中的各種因素將會(huì)影響到每隔像素的亮度：光照的顏色、亮度、位置和周圍物體的影響。在目前的人臉識(shí)別研究中，很多識(shí)別方法都需要對(duì)光照有一定的依賴，偏光、過(guò)暗或過(guò)亮現(xiàn)象都可能影響識(shí)別率。所以，在對(duì)人臉圖像進(jìn)行特征點(diǎn)提取和分類之前都要作預(yù)處理操作。3） 計(jì)算機(jī)本身的限制如果想要把三維人臉投影到二維的圖像上，雖然將會(huì)有信息的缺失，但這仍將是一種具有高維數(shù)的非常復(fù)雜的視覺(jué)信息，其中包括大量的像素?cái)?shù)據(jù)，而且每一個(gè)像素都攜帶了非常多的信息。怎樣利用計(jì)算機(jī)來(lái)正確處理巨大的數(shù)據(jù)量，并能保證人臉識(shí)別系統(tǒng)實(shí)時(shí)性的要求將會(huì)是人臉識(shí)別研究的主要難點(diǎn)之一。 本文大概安排這篇文章主要是由以下幾個(gè)部分構(gòu)成:1） 人臉識(shí)別技術(shù)的研究背景及基本的理論知識(shí)，這個(gè)主要體現(xiàn)在文章的前面兩章。第一章介紹了人臉識(shí)別技術(shù)的應(yīng)用和研究背景、研究方向及研究現(xiàn)狀和存在的困難。第二章對(duì)人臉識(shí)別系統(tǒng)的組成進(jìn)行了分析說(shuō)明，對(duì)識(shí)別過(guò)程進(jìn)行了歸納總結(jié)，并介紹了人臉識(shí)別的開(kāi)發(fā)環(huán)境。2） 本文主要的研究?jī)?nèi)容，是在第三章到第五章里，對(duì)人臉識(shí)別的主要算法進(jìn)行了深入的分析和研究。第三章深入分析和研究了圖像的檢測(cè)定位技術(shù)。介紹各種人臉檢測(cè)的方法，研究并實(shí)現(xiàn)了AdaBoost人臉檢測(cè)算法，包括Haar特征，積分圖，Adaboost算法，用Adaboost算法進(jìn)行簡(jiǎn)單分類器和強(qiáng)分類器的訓(xùn)練，最后進(jìn)行級(jí)聯(lián)強(qiáng)分類器的設(shè)計(jì)。第四章深入研究圖像預(yù)處理的四個(gè)過(guò)程，其中包括顏色處理、幾何歸一化、直方圖均勻化和灰度歸一化。第五章首先討論了人臉圖像分類函數(shù)的選擇，并最終選擇了歐氏距離分類函數(shù)。最后分別對(duì)主成分分析算法、二維主成分分析算法進(jìn)行了全面的闡述和比較，得出它們的優(yōu)缺點(diǎn)。并且在ORL人臉庫(kù)的實(shí)驗(yàn)基礎(chǔ)上，闡明了本文算法的有效性，同時(shí)對(duì)PCA算法和2DPCA算法進(jìn)行了全面的實(shí)驗(yàn)分析和對(duì)比。本文最后對(duì)人臉識(shí)別技術(shù)的一個(gè)總結(jié)和期望。第2章 人臉識(shí)別系統(tǒng)及軟件平臺(tái)的配置 人臉識(shí)別系統(tǒng)概況模式識(shí)別技術(shù)是當(dāng)今社會(huì)的學(xué)術(shù)研究熱點(diǎn)問(wèn)題，而人臉識(shí)別是模式識(shí)別中的一個(gè)重要的組成部分，它是通過(guò)用計(jì)算機(jī)作為平臺(tái)，對(duì)人臉圖像進(jìn)行分析處理和分類，并從人臉圖像信息中獲取能表征人臉特征的有效特征信息來(lái)進(jìn)行有效的識(shí)別。人臉識(shí)別技術(shù)是一種可以用來(lái)進(jìn)行身份識(shí)別的計(jì)算機(jī)技術(shù)。人們?cè)絹?lái)越受到重視和認(rèn)可這種技術(shù)。人臉識(shí)別系統(tǒng)由四個(gè)組成部分組成，包括人臉圖像的采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像的特征提取以及人臉圖像的識(shí)別。其中最重要的是人臉特征的提取和人臉圖像的識(shí)別。 獲取人臉圖像信息不同的人臉圖像都能通過(guò)攝像鏡頭采集下來(lái)，比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時(shí)，采集設(shè)備會(huì)自動(dòng)搜索并拍攝用戶的人臉圖像?？墒窃鯓訉D像轉(zhuǎn)換成計(jì)算機(jī)能自動(dòng)辨別的信息，這就需要把人臉圖像轉(zhuǎn)換成數(shù)據(jù)矩陣，通過(guò)這樣的轉(zhuǎn)換，就能使計(jì)算機(jī)有效的進(jìn)行人臉圖像的處理，最終達(dá)到對(duì)人臉圖像進(jìn)行識(shí)別的效果?？梢詫⑦@樣一個(gè)過(guò)程稱為人臉圖像的信息獲取的過(guò)程，通過(guò)這種方式，可以把人臉圖像轉(zhuǎn)換成計(jì)算機(jī)能識(shí)別的信息。 檢測(cè)定位人臉檢測(cè)在實(shí)際中主要用于人臉識(shí)別的預(yù)處理，即在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等。人臉檢測(cè)就是把這其中有用的信息挑出來(lái)，并利用這些特征實(shí)現(xiàn)人臉檢測(cè)。主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來(lái)分類的方法，它把一些比較弱的分類方法組合在一起，得到新的具有很好分類能力的分類方法。 圖像的預(yù)處理人臉圖像預(yù)處理：對(duì)于人臉的圖像預(yù)處理是基于人臉檢測(cè)結(jié)果，對(duì)圖像進(jìn)行處理并最終服務(wù)于特征提取的過(guò)程。系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理的早期階段對(duì)它進(jìn)行灰度校正、噪聲過(guò)濾等圖像預(yù)處理。對(duì)于人臉圖像而言，其預(yù)處理過(guò)程主要包括人臉圖像的光線補(bǔ)償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波以及銳化等。 特征提取人臉圖像特征提?。喝四樧R(shí)別系統(tǒng)可使用的特征通常分為視覺(jué)特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等。人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的。人臉特征提取，也稱人臉表征，它是對(duì)人臉進(jìn)行特征建模的過(guò)程。人臉特征提取的方法歸納起來(lái)分為兩大類：一種是基于知識(shí)的表征方法；另外一種是基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法?；谥R(shí)的表征方法主要是根據(jù)人臉器官的形狀描述以及他們之間的距離特性（即幾何特征）來(lái)獲得有助于人臉?lè)诸惖奶卣鲾?shù)據(jù)；基于代數(shù)方法的人臉表征包括模板匹配法和基于幾何特征的方法兩種。 圖像的匹配與識(shí)別人臉圖像匹配與識(shí)別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中存儲(chǔ)的特征模板進(jìn)行搜索匹配，通過(guò)設(shè)定一個(gè)閾值，當(dāng)相似度超過(guò)這一閾值，則把匹配得到的結(jié)果輸出。人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份信息進(jìn)行判斷。這一過(guò)程又分為兩類：一類是確認(rèn)，是一對(duì)一進(jìn)行圖像比較的過(guò)程，另一類是辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過(guò)程。 OpenCV OpenCV簡(jiǎn)介OpenCV(Open Source Computer Vision Library)即開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，由Intel在1999年建立，而現(xiàn)在是由Willow Garage提供的后臺(tái)支持。OpenCV使用C/C++語(yǔ)言編寫(xiě)，可以運(yùn)行在多個(gè)操作系統(tǒng)上，包括Mac、Windows、Linux等。它還提供了如MATLAB、Ruby、C++ Builder、VC、Python 等語(yǔ)言的接口，因此OpenCV通過(guò)大量的通用的算法實(shí)現(xiàn)了計(jì)算機(jī)視覺(jué)處理和圖像處理方面完美的結(jié)合在一起。OpenCV開(kāi)發(fā)構(gòu)建了一個(gè)相當(dāng)簡(jiǎn)易的計(jì)算機(jī)視覺(jué)框架，其目的是為了幫助開(kāi)發(fā)人員更加方便地設(shè)計(jì)計(jì)算機(jī)視覺(jué)方面的相關(guān)應(yīng)用。在OpenCV函數(shù)庫(kù)里，有500多視覺(jué)函數(shù)，包括醫(yī)學(xué)成像、工廠產(chǎn)品檢測(cè)、用戶界面、信息安全、機(jī)器人視覺(jué)、攝像機(jī)標(biāo)定和立體視覺(jué)等多個(gè)領(lǐng)域。由于機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)處理是密切相關(guān)的，因此OpenCV還有機(jī)器學(xué)習(xí)庫(kù)。OpenCV庫(kù)自帶的人臉級(jí)聯(lián)分級(jí)器具有很好的人臉檢測(cè)效果，因此在本文中，人臉檢測(cè)與人臉預(yù)處理部分均在OpenCV中完成。 OpenCV的系統(tǒng)配置本文采用的編譯環(huán)境是Visual C++，要進(jìn)行人臉識(shí)別的相關(guān)處理，并對(duì)它進(jìn)行相關(guān)的配置。步驟如下： 1）配置函數(shù)庫(kù)的路徑 C:\Program Files\OpenCV\cxcore\includeC:\Program Files\OpenCV\cv\includeC:\Program Files\OpenCV\cvaux\includeC:\Program Files\OpenCV\ml\includeC:\Program Files\OpenCV\otherlibs\highguiC:\Program Files\OpenCV\otherlibs\cvcam\include配置源文件的路徑： C:\Program Files\OpenCV\cv\srcC:\Program Files\OpenCV\cxcore\srcC:\Program Files\OpenCV\cvaux\srcC:\Program Files\OpenCV\otherlibs\highguiC:\Program Files\OpenCV\otherlibs\cvcam\src\windows3）設(shè)置環(huán)境變量： Path：= C:\Program Files\OpenCV\bin 4） 每創(chuàng)建一個(gè)將要使用OpenCV的VC工程，都需要給它指定需要的lib。菜單：Project（工程）Settings（設(shè)置），然后將Setting for（設(shè)置）選為All Configurations（所有配置），然后選擇右邊的link（連接）標(biāo)簽，在Object/library modules（對(duì)象/庫(kù)模塊）附加上 。如果不需要這么多l(xiāng)ib，可以只添加需要的lib。 Matlab與圖像處理MATLAB主要面對(duì)科學(xué)計(jì)算、可視化和交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。它將矩陣計(jì)算、數(shù)值分析、非線性動(dòng)態(tài)系統(tǒng)以及科學(xué)數(shù)據(jù)可視化的建模和仿真等眾多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為工程設(shè)計(jì)、科學(xué)研究以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并且在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如C、Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。Matlab在處理信息時(shí)可以用很常用的數(shù)學(xué)表達(dá)式解決，且Matlab的運(yùn)算速度快，它具有專門(mén)的圖像處理工具箱。因此，本文中的特征點(diǎn)提取和人臉?lè)诸愂菓?yīng)用Matlab完成的。第3章 圖像的檢測(cè)定位 引言人臉識(shí)別和人臉檢測(cè)是人臉識(shí)別系統(tǒng)中最核心的部分，經(jīng)過(guò)人們多年的深入研究和發(fā)展，出現(xiàn)了許多的算法。整個(gè)人臉識(shí)別系統(tǒng)的性能怎樣，直接決定于選取和使用哪種算法。本章首先簡(jiǎn)單介紹了人臉檢測(cè)的相關(guān)方法，然后詳細(xì)介紹了本文使用的算法Adaboost人臉檢測(cè)算法。該算法的檢測(cè)精度并不高，但是關(guān)于算法帶來(lái)的問(wèn)題將在后續(xù)過(guò)程中得到很好的解決，消除了算法帶來(lái)的影響。 人臉檢測(cè)的方法人臉檢測(cè)是人臉識(shí)別的基礎(chǔ)，檢測(cè)得到的結(jié)果對(duì)后續(xù)相關(guān)工作有著非常大的影響，是整個(gè)人臉識(shí)別系統(tǒng)優(yōu)先解決的問(wèn)題。經(jīng)過(guò)幾十年的發(fā)展，人臉檢測(cè)涌現(xiàn)出了大量的方法。由表征方式的差異，通?？梢苑譃榛谔卣鞯臋z測(cè)方法，基于統(tǒng)計(jì)的方法和模板匹配法[8] 梁路宏,艾海舟,徐光祐,[J].計(jì)算機(jī)學(xué)報(bào),2002,5:449458.。（1）基于特征的檢測(cè)方法。這種方法是最原始的人臉檢測(cè)方法。有這種方法的人臉檢測(cè)系統(tǒng)里，一般需要先檢測(cè)出人臉圖像中的重要特征點(diǎn)（如鼻子、眼睛等）的相對(duì)位置和、特征點(diǎn)之間的相對(duì)距離和它們的形狀等參數(shù)，然后要用這些參數(shù)構(gòu)成一個(gè)表征人臉的特征向量，通常，特征向量的分量包括了兩點(diǎn)間的歐氏距離、角度和曲率等?；趲缀翁卣鞯娜四槞z測(cè)的方法的優(yōu)點(diǎn)如下：1）與人臉的機(jī)理相符合，比較容易理解；2）僅需存儲(chǔ)一些特征矢量，它的存儲(chǔ)量非常??； 3）對(duì)光照的變化不是很敏感。但是該方法也具有缺點(diǎn)：它只描述了一些重要特征的相對(duì)位置之間的關(guān)系和形狀，而忽略了那些比較細(xì)微的局部特征，因此更適合用來(lái)進(jìn)行粗分類。（2）模板匹配法。模板匹配法需要首先建立一些作為參考標(biāo)準(zhǔn)的人臉模板，其中包括人臉的正面或是單獨(dú)的鼻子、嘴唇、眼睛等。然后通過(guò)一些正確的算法來(lái)檢測(cè)各待測(cè)區(qū)域與標(biāo)準(zhǔn)的人臉模板的相關(guān)度（或 稱相似度），通過(guò)利用檢測(cè)的數(shù)據(jù)來(lái)判斷該區(qū)域是否是人臉。該方法的優(yōu)點(diǎn)是當(dāng)被檢測(cè)人臉的大小不一樣或在允許范圍內(nèi)有偏轉(zhuǎn)時(shí)，由于模板匹配法使用的是可調(diào)的彈性模板，所以被測(cè)人臉都可以被檢測(cè)出來(lái)。 模板匹配方法的缺點(diǎn)是檢測(cè)前設(shè)計(jì)的模板輪廓必須取決于待檢測(cè)人臉的形狀，所以局限性比較大，影響了收斂的效果；并且在對(duì)待測(cè)圖像作全局搜索時(shí)，需要計(jì)算能量的函數(shù)和動(dòng)態(tài)的調(diào)整參數(shù)，從而導(dǎo)致計(jì)算時(shí)間過(guò)長(zhǎng)。（3）基于統(tǒng)計(jì)的人臉檢測(cè)方法。這種方法從整個(gè)目標(biāo)人臉出發(fā)，充分運(yùn)用統(tǒng)計(jì)學(xué)的方法，利用大量的人臉圖像來(lái)提取人臉共有的一些規(guī)律，就可以運(yùn)用這些規(guī)律檢測(cè)人臉了。因?yàn)槿四槇D像是相當(dāng)復(fù)雜的，要想描述人臉的特征時(shí)非常困難，所以人們?cè)絹?lái)越青睞基于統(tǒng)計(jì)的人臉檢測(cè)方法。本文就是采用基于統(tǒng)計(jì)的方法（即Adaboost人臉檢測(cè)算）。Adaboost算法是一種基于積分圖和矩形特征的算法，將在下文中詳細(xì)介紹這種方法。 Adaboost算法Adaboost算法屬于一種迭代算法。它主要有三個(gè)步驟：1)首先需要提取待測(cè)圖像中的特征點(diǎn)，經(jīng)過(guò)訓(xùn)練從中選出最優(yōu)的特征點(diǎn)；2）然后再將選取出的特征變換為相應(yīng)的簡(jiǎn)單分類器；3）最后將全部得到的簡(jiǎn)單分類器通過(guò)優(yōu)化和組合，產(chǎn)生合成級(jí)聯(lián)分類器，即可以用于人臉的檢測(cè)[9] ：重慶大學(xué)，2010:79.。從上面可以看出，Adaboost算法的基礎(chǔ)是特征的計(jì)算和選取。而選取的特征即是特征矩陣（Haar特征），計(jì)算的方法是積分圖[10] Paul Viola，Michael Object Detection using a Boosted Cascade of Simple Features[C].Conference on Computer Vision And Pattern Recognition，Kauai，Hawaii，2001(1):511 518. [11] YANG H，YUAN BZ. Feature extraction in human Face recognition system[C].2000IEEE，Proceeding of ICSP,2000:127321276. 。 Haar特征Haar特征就是白色矩形和黑色矩形在圖像子窗口中對(duì)應(yīng)區(qū)域的灰度級(jí)總和之差，它反映了圖像局部的灰度化。常用的Haar特征有三種，如圖31： 圖31：三種Haar特征每個(gè)特征是由2個(gè)或者3個(gè)矩形組成，它們分別用來(lái)檢測(cè)中心特征、邊