【正文】 ...8 CMY/CMYK彩色空間..........................................10 YIQ色彩空間...............................................12 YUV彩色空間...............................................12 YCbCr色彩空間.............................................13 ...................................................13 ...............................................14 區(qū)域模型..................................................14 簡(jiǎn)單高斯模型..............................................14 混合高斯模型..............................................14 直方圖模型................................................15 YCbCr 空間膚色模型.......................................15 3 系統(tǒng)設(shè)計(jì) ........................................................17..........................................17..................................................18......................19..................................................19..................................................21....................................................23................................................23................................................24..................................................24..............................................25....................................................26........................................27........................................................29 4 基于MATLAB的實(shí)現(xiàn)步驟及分析......................................31........................................31........................................................32................................................33........................................................34........................................................35....................................................36........................................................37........................................................39...................................................41.......................................41 5 總結(jié)與展望............................................................43............................................................43參考文獻(xiàn).....................................................................44致 謝.....................................................................46附 錄.....................................................................47 1 緒論 人臉識(shí)別技術(shù)是一種生物識(shí)別技術(shù)。生物識(shí)別技術(shù)，就是指通過(guò)獲取和分析人的身體或行為特征來(lái)實(shí)現(xiàn)身份的自動(dòng)鑒別或驗(yàn)證，這些特征包括先天遺傳的生理特征，如指紋、虹膜等，也包括后天習(xí)慣形成的行為特征，如手寫(xiě)簽名、步態(tài)等。人臉識(shí)別技術(shù)，就是通過(guò)計(jì)算機(jī)獲取人臉的特征，然后根據(jù)這些特征進(jìn)行身份識(shí)別或驗(yàn)證的一種技術(shù)。人臉識(shí)別技術(shù)涉及到圖像處理技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)、模式識(shí)別技術(shù)等眾多領(lǐng)域。 相較與其它基于生物特征的識(shí)別方法,它具有它特有的優(yōu)勢(shì)。首先，人臉識(shí)別采用的是非接觸性采集,方法友好而方便,使用者不會(huì)有任何心理障礙,亦不會(huì)造成任何侵犯性,容易被人們所接受。其次,人臉識(shí)別的結(jié)果可以提供許多其它識(shí)別方法不能提供的信息,如性別、表情、年齡等,這一特點(diǎn)也大大地?cái)U(kuò)展了人臉識(shí)別的應(yīng)用前景。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展,人臉識(shí)別技術(shù)飛速發(fā)展也擴(kuò)散到了各個(gè)領(lǐng)域。如計(jì)算機(jī)安全、機(jī)器視覺(jué)、門(mén)禁系統(tǒng)、醫(yī)學(xué)診斷系統(tǒng)、智能監(jiān)控系統(tǒng)以及三維動(dòng)畫(huà)等。其中最為常見(jiàn)的應(yīng)用有:(l)視頻監(jiān)控。在銀行、公園、停車(chē)場(chǎng)等許多公共場(chǎng)到處都裝有視頻監(jiān)控,當(dāng)有異常情況或有陌生人闖入時(shí),需要實(shí)時(shí)跟蹤、監(jiān)控、識(shí)別和報(bào)警等。(2)證件驗(yàn)證。在海關(guān)、機(jī)場(chǎng)等場(chǎng)所,都需要檢驗(yàn)人的身份。一般身份證和護(hù)照上都會(huì)有持有人的照片,使用人臉識(shí)別,就可以由機(jī)器代替人來(lái)完成驗(yàn)證識(shí)別的工作,實(shí)現(xiàn)自動(dòng)化的智能管理。(3)刑偵破案。通常情況下公安部門(mén)的系統(tǒng)里存儲(chǔ)有嫌疑犯的照片,當(dāng)通過(guò)作案現(xiàn)場(chǎng)或其他途徑獲得嫌疑犯的照片或其面部特征描述之后,可以從數(shù)據(jù)庫(kù)中迅速查找確認(rèn),大大提高刑偵破案的準(zhǔn)確性的效率。(4)入口控制。入口控制的范圍比較廣,包括樓宇、住宅等入口處的安全檢查,也包括了進(jìn)入計(jì)算機(jī)系統(tǒng)或情況系統(tǒng)前的身份驗(yàn)證等。(5)表情分析。人臉識(shí)別可以判斷出人臉圖像中的面部變化特征,識(shí)別和分析人的情感狀態(tài),如高興、生氣等。此外,人臉識(shí)別技術(shù)還在醫(yī)學(xué)、檔案管理、人臉動(dòng)畫(huà)、人臉建模、視頻會(huì)議等方面有著巨大的應(yīng)用前景。 由此看出，計(jì)算機(jī)人臉識(shí)別技術(shù)的應(yīng)用將帶來(lái)顯著的社會(huì)效益和經(jīng)濟(jì)效益。因此，進(jìn)行計(jì)算機(jī)人臉識(shí)別方法和技術(shù)的研究對(duì)社會(huì)生活具有重大意義。 人臉識(shí)別的研究已經(jīng)有很長(zhǎng)的歷史，最早可以追溯到上個(gè)世紀(jì)法國(guó)人Galton的工作，但真正有發(fā)展還是近40年的事。1973年Kanade的工作起至今，大多數(shù)人臉識(shí)別研究工作的對(duì)象為正面或接近正面的人臉圖像。國(guó)內(nèi)外對(duì)于人臉識(shí)別的研究發(fā)展，技術(shù)趨勢(shì)分別經(jīng)歷了三個(gè)階段:傳統(tǒng)的人機(jī)交互式階段、機(jī)器自動(dòng)識(shí)別初級(jí)階段、機(jī)器自動(dòng)識(shí)別高級(jí)階段。第一階段是以Bertlioin為代表的傳統(tǒng)人機(jī)交互式階段,，主要研究人臉識(shí)別所需要的面部特征，該階段的識(shí)別依賴(lài)于人的操作。這些人臉識(shí)別方法都需要利用操作員的某些先驗(yàn)知識(shí)，仍然擺脫不了人的干預(yù)。第二階段主要是自動(dòng)識(shí)別初級(jí)階段，其采用機(jī)器自動(dòng)識(shí)別的手段進(jìn)行識(shí)別，20世紀(jì)90年代以來(lái)，隨著高速度高性能計(jì)算機(jī)的出現(xiàn)，人臉識(shí)別方法有了重大突破，進(jìn)入了真正的機(jī)器自動(dòng)識(shí)別階段，人臉識(shí)別研究也得到了前所未有的重視。國(guó)外有很多大學(xué)在此方面取得了很大進(jìn)展，他們研究涉及的領(lǐng)域很廣，其中有從感知和心理學(xué)角度探索人類(lèi)識(shí)別人臉機(jī)理的，如美國(guó)TxeasDallas大學(xué)的Abdi和Toole小組，主要研究人類(lèi)感知人臉的規(guī)律，如漫畫(huà)效應(yīng)、性別識(shí)別與人臉識(shí)別的關(guān)系、種族效應(yīng)等。由Srtilnig大學(xué)的Bruce教授和Glasgow大學(xué)的Burton教授合作領(lǐng)導(dǎo)的小組，主要是研究人類(lèi)大腦在人臉認(rèn)知中的作用，并在此基礎(chǔ)上建立了人臉認(rèn)知的兩大功能模型，他們對(duì)熟悉和陌生人臉的識(shí)別規(guī)律以及圖像序列的人臉識(shí)別規(guī)律也進(jìn)行了研究。也有從視覺(jué)機(jī)理角度進(jìn)行研究的，如英國(guó)Aberdeen大學(xué)的Carw小組，主要研究人臉視覺(jué)表征方法，他們對(duì)空間頻率在人臉識(shí)別中的作用也進(jìn)行了分析。荷蘭Groningne大學(xué)的Pektov小組，主要研究人類(lèi)視覺(jué)系統(tǒng)的神經(jīng)生理學(xué)機(jī)理并在此基礎(chǔ)上發(fā)展了并行模式識(shí)別方法。更多的學(xué)者則從事利用輸入圖像進(jìn)行計(jì)算機(jī)人臉識(shí)別的研究工作。國(guó)內(nèi)關(guān)于人臉識(shí)別的研究始于20世紀(jì)80年代，主要是在國(guó)際上流行方法基礎(chǔ)上作了發(fā)展性工作。中國(guó)科技大學(xué)楊光正等提出一種基于鑲嵌圖的人臉自動(dòng)識(shí)別方法，清華大學(xué)張長(zhǎng)水等對(duì)特征臉的方法做了進(jìn)一步發(fā)展，南京理工大學(xué)楊靜宇等主要是采用奇異值分解方法進(jìn)行人臉識(shí)別研究，上海交通大學(xué)李介谷等則專(zhuān)門(mén)研究了人臉斜視圖像的集合特征提取與恢復(fù)，東南大學(xué)何振亞等，采用對(duì)稱(chēng)主元分析神經(jīng)網(wǎng)絡(luò)，用去冗余和權(quán)值正交相結(jié)合的方法對(duì)人臉進(jìn)行特征提取和識(shí)別，與此同時(shí)還有許多科研院校及科研機(jī)構(gòu)也進(jìn)行人臉識(shí)別的研究，并取得了一些成果。但相比之下，國(guó)內(nèi)對(duì)人臉識(shí)別的研究和重視程度很不夠，研究成果與國(guó)際還有一定的差距。第三階段是機(jī)器自動(dòng)識(shí)別高級(jí)階段，真正利用機(jī)器進(jìn)行對(duì)人臉的自動(dòng)識(shí)別。根據(jù)輸入圖像的性質(zhì)，人臉識(shí)別方法分為靜止圖像的識(shí)別方法和圖像序列的識(shí)別方法兩大類(lèi)。由于圖像序列的計(jì)算遠(yuǎn)比靜止圖像的計(jì)算復(fù)雜和耗時(shí)，靜止圖像的識(shí)別方法是人臉識(shí)別領(lǐng)域中主要的研究方向，研究成果也更為成熟，而基于圖像序列的人臉識(shí)別還處于起步階段。早期研究較多的兩種靜態(tài)人臉識(shí)別方法為:基于幾何特征的人臉識(shí)別方法和基于相關(guān)匹配的人臉識(shí)別方法。目前，靜止圖像的人臉識(shí)別方法主要有三個(gè)研究方向:一是基于統(tǒng)計(jì)的識(shí)別方法，包括特征臉(Eigenfaces)方法和隱馬爾可夫模型(Hidden Markov Mode)方法。二是基于連接機(jī)制的識(shí)別方法，包括一般的神經(jīng)網(wǎng)絡(luò)方法和彈性圖匹配(Elastic Graph Matching)方法。三是其他一些綜合方法或處理非二維灰度圖像的方法。圖像序列中的人臉識(shí)別是人臉識(shí)別領(lǐng)域中最富有挑戰(zhàn)性的課題，己經(jīng)吸引了越來(lái)越多的研究人員。圖像序列中利用整個(gè)跟蹤序列來(lái)識(shí)別人臉的關(guān)鍵是進(jìn)行運(yùn)動(dòng)估計(jì)和人臉跟蹤。由于人臉跟蹤的重要性，目前它己經(jīng)逐漸發(fā)展成為一個(gè)獨(dú)立于人臉識(shí)別的研究領(lǐng)域，除了應(yīng)用于人臉識(shí)別外，它在視頻通信、人機(jī)交互以及唇讀等方面都有著廣泛的應(yīng)用。 在過(guò)去近40年的時(shí)間里,出現(xiàn)了許多人臉識(shí)別的方法。由于人臉識(shí)別的應(yīng)用領(lǐng)域廣而且實(shí)用性非常強(qiáng),許多知識(shí)背景不同的研究者都對(duì)這項(xiàng)技術(shù)做過(guò)相應(yīng)的工作,這些研究者來(lái)自諸如生物學(xué)、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)圖形學(xué)等領(lǐng)域,這種知識(shí)背景的差異也導(dǎo)致了不同類(lèi)型的人臉識(shí)別方法。在眾多識(shí)別方法中,大部分可以歸納成三大類(lèi)別:基于統(tǒng)計(jì)的方法,基于特征結(jié)構(gòu)的方法以及混合方法。 (l)基于統(tǒng)計(jì)的方法。這一類(lèi)別方法的特點(diǎn)是使用整個(gè)面部圖像作為識(shí)別系統(tǒng)的輸入。其中,基于主成分分析的方法占絕大多數(shù),如Craw和Cammeron、Kirby和Sirovich、Turk和Pentland提出的基于特征臉的工作,Moghaddam和Pentland基于概率特征臉的工作,Belhumeur、Swets和weng、zhao基于Fisher臉和LDA子空間的工作,Phillips基于支撐向量機(jī)(SVM)的工作,Liu和Wechsler基于演化跟蹤的工作,Li和Lu基于特征線方法的工作,Bartllett基于ICA的工作等。除了這些基于主成分分析理論的工作外,還有部分基于LDA/FLD和PDBNN(Probabilistic decision based NN)的識(shí)別方法。 (2)基于特征的方法。也叫基于結(jié)構(gòu)的方法,在這類(lèi)方法中,輸入的數(shù)據(jù)不是整張臉部,而是一些局部特征,如眼睛、鼻子、嘴等局部的位置或其它統(tǒng)計(jì)量。其中比較有代表性的工作有Kanade和Kelly等基于幾何的方法,Okada和Wiskott等基于動(dòng)態(tài)鏈接體系的方法,Nefian等基于隱式馬爾科夫的方法,Lawrence基于神經(jīng)網(wǎng)絡(luò)的方法等。 (3)混合方法?；旌戏椒ㄊ且环N將基于統(tǒng)計(jì)和基于特征的方法同時(shí)使用的方法,這一特點(diǎn)和人類(lèi)的識(shí)別過(guò)程非常相似,有時(shí)我們可能通過(guò)人臉圖像的某個(gè)部分來(lái)辨識(shí)對(duì)象,有時(shí)又通過(guò)整體圖像來(lái)識(shí)別。具有代表性的工作有Pentland等提出的模態(tài)特征臉?lè)椒?Penev等提出的混合局部特征方法(HLFA),Lanitis等基于形狀正則化的方法,Huang等基于臉部成分的方法等。 目前,這些方法都在各種人臉識(shí)別場(chǎng)合發(fā)揮著非常重要的作用,并且還不斷的有新的方法出現(xiàn)。雖然人臉識(shí)別擁有著其他生物特征識(shí)別技術(shù)無(wú)法比擬的優(yōu)點(diǎn),但人臉識(shí)別技術(shù)中還存在以下諸多需要完善的地方：人臉識(shí)別的復(fù)雜性使得單獨(dú)使用一種現(xiàn)有的方法不可能取得很好的識(shí)別效果，利用先