【正文】 ........ 33 沈陽航空 航天大學(xué) 畢業(yè)設(shè)計(jì)（論文） 1 1 緒 論 人臉在日常生活中發(fā)揮著重要作用，人類根據(jù)人臉進(jìn)行身份識(shí)別和表情判斷，完成日常的交際，人臉因此成為最重要和最自然的身份識(shí)別對(duì)象。人類有著與生俱來的自動(dòng)識(shí)別人臉的能力，能在劇烈變化不確定因素影響下快速且準(zhǔn)確的識(shí)別人臉，同時(shí)進(jìn)行身份匹配和表情判斷。 身份識(shí)別與驗(yàn)證是人類日?；顒?dòng)中的基本活動(dòng)之一。在目前的技術(shù)水平下，幾乎全部的身份驗(yàn)證還依靠傳統(tǒng)的物理驗(yàn)證方式來完成，主要包括身份證件、鑰匙、密碼等，但這些驗(yàn)證方式 存在方便性、可靠性和安全性等問題，因而不能適應(yīng)社會(huì)的發(fā)展和需求。因此我們需要更加方便、可靠、安全的身份驗(yàn)證方式。而生物特征識(shí)別技術(shù)的出現(xiàn)很好的解決了這一問題，近年來已經(jīng)逐步成為重要場(chǎng)所必備的安檢手段。與傳統(tǒng)的身份驗(yàn)證方法相比，生物特征識(shí)別技術(shù)的優(yōu)勢(shì)在于生物特征是人類固有的特性，可以從根本上杜絕偽造和竊取的現(xiàn)象，從而滿足了人類對(duì)于驗(yàn)證方式可靠性和安全性方面的需求。 由于人臉識(shí)別對(duì)識(shí)別對(duì)象沒有侵犯性，所以到目前為止是一種最有好的生物特征識(shí)別技術(shù)。人臉識(shí)別系統(tǒng)通過視頻或靜態(tài)圖像來自動(dòng)捕獲和識(shí)別人臉，在生物特征認(rèn)證 、監(jiān)控、安檢、人機(jī)交互和多媒體監(jiān)督等領(lǐng)域有著廣泛的應(yīng)用前景。人臉識(shí)別技術(shù)就是通過圖像采集設(shè)備捕捉人類的臉部區(qū)域，然后把捕捉到的人臉圖像和人臉數(shù)據(jù)庫中的圖像進(jìn)行匹配分析，進(jìn)而完成身份識(shí)別的任務(wù)。 然而，開發(fā)一個(gè)能完全自動(dòng)識(shí)別人臉的系統(tǒng)是十分困難的，實(shí)際環(huán)境中，采集人臉圖像的過程會(huì)受到人臉姿態(tài)、光照條件、面部表情和臉部飾物等諸多不確定因素的影響。過去的幾十年里，研究者嘗試?yán)糜?jì)算機(jī)模仿人類識(shí)別人臉能力，提出了許多人臉識(shí)別的有效算法。盡管已經(jīng)取得很多進(jìn)展，但到目前為止人臉識(shí)別仍然是一個(gè)難度很大的課題，識(shí)別算法只能 在用戶配合、條件理想、小規(guī)模的人臉庫上取得較好的識(shí)別效果。人臉識(shí)別的評(píng)估報(bào)告表明多數(shù)人臉識(shí)別方法的最佳性能在人臉姿態(tài)，光照，表情和部分遮擋等因素變化時(shí)都會(huì)發(fā)生很大的退化，人臉識(shí)別因此成為圖像處理，模式識(shí)別，人工智能和計(jì)算視覺等領(lǐng)域最活躍的研究課題之一，也是本文的主要研究探討對(duì)象。 人臉識(shí)別的研究背景和意義 人臉識(shí)別（ Face Recognition）是一種很重要的生物特征識(shí)別技術(shù)。所謂的生物特征識(shí)別技術(shù)是指通過對(duì)人類固有的特征進(jìn)行自動(dòng)的身份鑒別甄選技術(shù)?，F(xiàn)階段技術(shù)水平可依據(jù)的生理特征一般為：手型、掌紋指紋、 人臉、虹膜、耳廓、 DNA 等；可依據(jù)的行為特征如：字跡、步態(tài)、語音等。目前，基于這些人類特征，已有相對(duì)應(yīng)的生物識(shí)別技術(shù)，比如指紋識(shí)別、人臉識(shí)別、語音識(shí)別、虹膜識(shí)別、簽名識(shí)別、步態(tài)識(shí)別等。 在科技、人文高速發(fā)展的現(xiàn)今社會(huì)中，基于傳統(tǒng)的物理性的身份標(biāo)識(shí)方法如：證件、鑰匙、用戶名、密碼等，由于其易丟失、易遺忘、易造假、易冒充等問題，已經(jīng)遠(yuǎn)不能滿足人類的需求，現(xiàn)今的人類迫切需要一種快捷、有效并且安全的身份識(shí)別、標(biāo)識(shí)方法。而基于生物特征識(shí)別的身份鑒定系統(tǒng)與傳統(tǒng)的物理性身份鑒定手段相比，具有唯一性、安全性、可靠性、不易丟 失、不易偽造等優(yōu)點(diǎn)，因此正在逐步取代傳統(tǒng)的身份鑒別方法，在信息安全、金融、交通、公共安全等領(lǐng)域得到了廣泛的應(yīng)用，并且對(duì)其識(shí)別技術(shù)、識(shí)別率等要求越來越高。 在各種生物特征識(shí)別技術(shù)中，人臉識(shí)別技術(shù)更具有其獨(dú)特的優(yōu)勢(shì)，主要有以下幾個(gè)方面：（ 1）隱蔽性強(qiáng)，可在一定距離之外，識(shí)別對(duì)象不知情的情況下完成識(shí)別過程，特別適用于安全監(jiān)控系統(tǒng)。（ 2）非接觸式操作，對(duì)識(shí)別對(duì)象沒有侵犯性，可被大多數(shù)人接受，理論上來說是最友好的生物特征識(shí)別技術(shù)。（ 3）圖像采集數(shù)據(jù)存儲(chǔ)，成本低廉。（ 4）用戶界面簡(jiǎn)單直接，相比較于文字等信息，圖片信息更 容易被人理解，交互性較強(qiáng)。（ 5）通過對(duì)人臉的表情，姿態(tài)，口型等分析，能獲得較其他識(shí)別技術(shù)更多更難以獲得的信息。由此可見，人臉識(shí)別技術(shù)已經(jīng)逐漸成為最有發(fā)展?jié)摿Φ纳锾卣髯R(shí)別技術(shù)，是當(dāng)前的熱門研究課題之一。并已在反恐，人事檔案管理，視頻監(jiān)控，通行識(shí)別管理，人機(jī)交互等領(lǐng)域得到廣泛應(yīng)用，成為自動(dòng)身份認(rèn)證領(lǐng)域的主要研究方向。 另外，對(duì)于人臉識(shí)別技術(shù)的研究也帶動(dòng)了多門相關(guān)學(xué)科的相互促進(jìn)和相互發(fā)展。人臉識(shí)別作為典型的圖像模式分析、理解與分類計(jì)算問題，其研究面跨越了模式識(shí)別、圖像處理分析與理解、計(jì)算機(jī)視覺、人工智能、認(rèn)知科 學(xué)、人工神經(jīng)網(wǎng)絡(luò)、神經(jīng)生理學(xué)、心理學(xué)等眾多的學(xué)科領(lǐng)域，并為這些學(xué)科領(lǐng)域創(chuàng)造新方法、驗(yàn)證新理論和解釋新現(xiàn)象提供了良好的應(yīng)用平臺(tái)。人臉識(shí)別技術(shù)的相關(guān)研究可以極大地促進(jìn)這些相關(guān)學(xué)科領(lǐng)域的發(fā)展、創(chuàng)新和成熟，同時(shí)這些學(xué)科領(lǐng)域的成熟也反過來促進(jìn)人臉識(shí)別技術(shù)中問沈陽航空 航天大學(xué) 畢業(yè)設(shè)計(jì)（論文） 3 題的解決和技術(shù)的革新。 人臉識(shí)別的發(fā)展史和應(yīng)用 發(fā)展歷史及發(fā)展現(xiàn)狀 人們從事人臉識(shí)別技術(shù)的研究歷史比較悠久。最早在 1888 年， Calton 在《 Nature》上發(fā)表了一篇關(guān)于利用人臉進(jìn)行身份鑒別的文章，對(duì)人類自身對(duì)面孔的識(shí)別能力進(jìn)行了分析。人臉識(shí)別技術(shù)的研究從最開始 需要人工干預(yù)、識(shí)別方法匱乏、識(shí)別率低下逐步發(fā)展到現(xiàn)在的自動(dòng)化識(shí)別程度較高、識(shí)別方法算法豐富、識(shí)別率較高階段，大致經(jīng)過了三個(gè)發(fā)展階段： 第一階段為非自動(dòng)識(shí)別階段，以 Bertillon， Allen 和 Parke 為代表，主要研究如何提取人臉特征。 1893 年， Bertillon 用一個(gè)簡(jiǎn)單的語句與數(shù)據(jù)庫中的某張人臉相連接，同時(shí)結(jié)合指紋分析，提供了一個(gè)完整的身份識(shí)別系統(tǒng)。 Allen 為待識(shí)別人臉提供了一種逼真的摹寫方法。 Parke 則用計(jì)算機(jī)實(shí)現(xiàn)了這一方法，生成出質(zhì)量較高的人臉灰度圖模型。這一階段的工作模式特點(diǎn)是需要人工干預(yù) ，識(shí)別過程完全依賴操作人員。 第二階段為人機(jī)交互階段。 1972 年， Goldstion， Harmon 等嘗試?yán)脦缀翁卣鞅硎救四槇D像，他們用 21 維特征向量表征人臉的面部特征，并設(shè)計(jì)出基于這種表征方法的識(shí)別系統(tǒng)。 Kaya 和 Kobaysshi 則采用統(tǒng)計(jì)學(xué)方法，利用歐氏距離來表示人臉的面部特征，如嘴唇和鼻子間距，鼻子高度，兩眼間距離等。 （ ）設(shè)計(jì)了一個(gè)有一定知識(shí)導(dǎo)引的半自動(dòng)回溯識(shí)別系統(tǒng)，利用積分投影法從單張圖像上提取計(jì)算出一組人臉特征參數(shù)，然后利用模式分類技術(shù)與標(biāo)準(zhǔn)人臉圖像相匹配，相較于之前的識(shí)別系統(tǒng)， Kanad 的系統(tǒng)實(shí)現(xiàn)了快速、實(shí)時(shí)地處理，這是一個(gè)很大的進(jìn)步。 Baron將人臉圖像灰度歸一化，再用四個(gè)掩模表示人臉，然后分別計(jì)算這四個(gè)掩模與數(shù)據(jù)庫中每幅標(biāo)準(zhǔn)圖像相互掩模之間的相互關(guān)系數(shù)，以此作為判別依據(jù)。這一階段工作模式的特點(diǎn)是需要利用操作員的先驗(yàn)知識(shí)，仍然不能算作是一種完全自動(dòng)的識(shí)別系統(tǒng)。 第三階段是真正的自動(dòng)識(shí)別階段。上個(gè)世紀(jì) 90 年代起，計(jì)算機(jī)、數(shù)字圖象處理、模式識(shí)別等技術(shù)的發(fā)展和人類社會(huì)對(duì)人臉圖像自動(dòng)識(shí)別系統(tǒng)的迫切需求推動(dòng)了人臉識(shí)別技術(shù)的突破，多種基于計(jì)算機(jī)的全自動(dòng)人臉識(shí)別系統(tǒng)開始問世。 1996 年，美國(guó)軍方組織了一個(gè)人臉自動(dòng)識(shí)別系統(tǒng)大賽，勒克菲勒大學(xué)的 FaceIt 系統(tǒng)獲得冠軍。在這之后，美國(guó) LAU 公司研制出一個(gè)人臉圖像自動(dòng)識(shí)別系統(tǒng)，這個(gè)系統(tǒng)是一個(gè)以正常人眼辨別其他人臉的原理，基于生物測(cè)量學(xué)、人像復(fù)原技術(shù)而開發(fā)的裝置，利用人臉的1242 個(gè)特征點(diǎn)，對(duì)人群中待尋找的人進(jìn)行定量定性的識(shí)別，并已應(yīng)用在機(jī)場(chǎng)、車站等公共場(chǎng)所和重點(diǎn)控制地區(qū)。 現(xiàn)今，隨著社會(huì)需求的提高，人臉識(shí)別引起了各個(gè)科研機(jī)構(gòu)的重點(diǎn)關(guān)注，并將研究成果轉(zhuǎn)化為實(shí)用產(chǎn)品。比如 Vision nics 公司的 Face It 人臉識(shí)別系統(tǒng)， Microsoft 公司的 TrueFace 系統(tǒng)，和 Zn Boc hum Gmbh 公司的 ZNFace 系統(tǒng)等。 國(guó)際上很多公司和研究機(jī)構(gòu)如德國(guó) Cognitec S ystem GmbH、美國(guó) Identix Inc、Viisage 及 Neven Vision、韓國(guó)三星、日本東芝、麻省理工學(xué)院、密西根州立大學(xué)、卡耐基梅隆大學(xué)、耶魯大學(xué)、新澤西理工學(xué)院、休斯敦大學(xué)等正在對(duì)人臉自動(dòng)識(shí)別技術(shù)做更加深入的研究。 國(guó)內(nèi)對(duì)人臉自動(dòng)識(shí)別技術(shù)的研究起始于上世紀(jì) 80 年代，相對(duì)起步較晚，但清華大學(xué)、北京大學(xué)、復(fù)旦大學(xué)、哈爾濱工業(yè)大學(xué)、北京科技大學(xué)、中 科院自動(dòng)化所、中科院計(jì)算所等研究單位的研究已經(jīng)取得了可喜成果，以清華大學(xué)智能圖文信息處理研究室研制的 THID 人臉識(shí)別系統(tǒng)為代表，該系統(tǒng)的測(cè)試結(jié)果位于國(guó)際領(lǐng)先水平。 應(yīng)用和分類 隨著人臉識(shí)別技術(shù)的不斷發(fā)展和應(yīng)用領(lǐng)域的拓寬，人臉識(shí)別技術(shù)在多個(gè)領(lǐng)域的發(fā)展前景已經(jīng)逐漸越來越廣泛。反過來也正是越來越多領(lǐng)域?qū)θ四樧R(shí)別技術(shù)的應(yīng)用和需求愈加增長(zhǎng)，大力推動(dòng)了人臉識(shí)別技術(shù)的發(fā)展速度。歸納起來，人臉識(shí)別技術(shù)的應(yīng)用主要分為以下幾類： 人臉驗(yàn)證：人臉驗(yàn)證是一種身份驗(yàn)證手段，指利用人臉識(shí)別技術(shù)來驗(yàn)證某個(gè)人是否確實(shí)是他（她）所聲稱的那 個(gè)人。具體來說大多應(yīng)用在機(jī)場(chǎng)、海關(guān)或一些保密部門及出入口控制等場(chǎng)所用以替代或輔助證件驗(yàn)證來甄別出入人員的身份、證件等的真實(shí)性。 人臉辨別：人臉辨別主要是應(yīng)用人臉識(shí)別技術(shù)來辨別未知身份人員的真實(shí)身份。大多應(yīng)用在公共安全領(lǐng)域：如公安系統(tǒng)中對(duì)嫌疑犯、被害人等的身份進(jìn)行鑒定；銀行、公司等公共場(chǎng)合發(fā)生非法分子闖入或異常狀況時(shí)先通過視頻監(jiān)控采集人臉圖像，再利用人臉識(shí)別技術(shù)與數(shù)據(jù)庫進(jìn)行對(duì)比，確定闖入者身份。 視頻監(jiān)視：在視頻監(jiān)視系統(tǒng)中，人臉識(shí)別系統(tǒng)的任務(wù)目標(biāo)是在人群中篩選出特定目標(biāo)并實(shí)行跟蹤監(jiān)控，這是一個(gè)典型的動(dòng)態(tài)匹配過 程。主要應(yīng)用于國(guó)家安全、公安布防以及機(jī)場(chǎng)、海關(guān)等反恐監(jiān)控系統(tǒng)中。視頻監(jiān)視系統(tǒng)采集的人臉經(jīng)過相關(guān)處理后與數(shù)沈陽航空 航天大學(xué) 畢業(yè)設(shè)計(jì)（論文） 5 據(jù)庫對(duì)比，若發(fā)現(xiàn)目標(biāo)人物或危險(xiǎn)個(gè)體則發(fā)出警報(bào)，這與人臉辨別有些類似，都是先采集人臉圖像，然后與數(shù)據(jù)庫中人臉圖像進(jìn)行一對(duì)多的對(duì)比匹配，最終確定待測(cè)人臉的身份歸屬。 隨著人臉識(shí)別技術(shù)的不斷發(fā)展和創(chuàng)新，人臉識(shí)別的應(yīng)用領(lǐng)域?qū)?huì)更加的廣闊。民用市場(chǎng)有很大的可能成為人臉識(shí)別技術(shù)發(fā)展的最有力的支持。如果防盜門采用人臉識(shí)別系統(tǒng)來驗(yàn)證戶主身份，人們將告別鑰匙；簽證、身份證等如果采用電子證件，人臉識(shí)別將會(huì)是必不可少的應(yīng)用之一 ；我國(guó)每年僅高考考生就近千萬，如果考生驗(yàn)證系統(tǒng)采用人臉識(shí)別而不是傳統(tǒng)的紙張驗(yàn)證，無論從安全、快捷、環(huán)保等任何一個(gè)角度來看都是一個(gè)極大的進(jìn)步，屆時(shí)這個(gè)巨大的市場(chǎng)也將大大促進(jìn)人臉識(shí)別技術(shù)的發(fā)展。 本文的主要內(nèi)容與安排 人臉識(shí)別技術(shù)的算法多種多樣，足夠高的識(shí)別率是最重要的指標(biāo)。本文中，主要采用主成分分析（即 PCA）和模糊線性判別分析（即 FLDA）兩種算法結(jié)合設(shè)計(jì)一個(gè)人臉識(shí)別算法。先使用特征臉方法（ PCA）將人臉圖像的原始數(shù)據(jù)投影到特征臉空間進(jìn)行降維，接下來使用 Fisher 臉方法（ LDA），從特征空間里提取最具判別 能力的低維特征，達(dá)到進(jìn)一步降維的作用，最后引入模糊技術(shù)改進(jìn)原始的線性判別分析方法，能更有效的提取判別能力高的、對(duì)識(shí)別過程有正面效果的信息，盡量消除因訓(xùn)練圖像中由于光照、姿勢(shì)等變化引起的識(shí)別性能退化。 本文主要內(nèi)容如下： 第一章，緒論。主要介紹了本設(shè)計(jì)的研究背景和立題意義，人臉識(shí)別技術(shù)在國(guó)內(nèi)外的發(fā)展史、發(fā)展現(xiàn)狀，人臉識(shí)別技術(shù)主要的應(yīng)用領(lǐng)域及應(yīng)用分類。 第二章，人臉識(shí)別基礎(chǔ)知識(shí)。由于人臉識(shí)別算法的測(cè)試都是在公開的基準(zhǔn)數(shù)據(jù)庫上進(jìn)行，所以在前面首先介紹了有關(guān)人臉庫的基礎(chǔ)知識(shí)，并介紹了幾個(gè)目前學(xué)術(shù)界較流行的測(cè)試用人臉 基準(zhǔn)數(shù)據(jù)庫。然后介紹了人臉圖像的特征提取方法的基礎(chǔ)知識(shí)以及分類器的設(shè)計(jì)理念和選用的分類方法。 第三章，人臉識(shí)別算法介紹及比較。本章介紹了基于主成分分析（ PCA）的特征臉?biāo)惴?、基于線性判別分析（ LDA）的 Fisher 臉?biāo)惴ê突谀：€性判別分析（ FLDA）的算法。 第四章，人臉識(shí)別算法設(shè)計(jì)及仿真。本章主要介紹 PCA+FLDA 算法，并與PCA+LDA 算法進(jìn)行比較。應(yīng)用 Maltab 軟件編寫程序進(jìn)行人臉識(shí)別算法設(shè)計(jì)的實(shí)現(xiàn)，并在 Yale 人臉庫和 ORL 人臉庫中進(jìn)行實(shí)驗(yàn)仿真，求出識(shí)別率，繪制識(shí)別率曲線?？偨Y(jié)此算法的特點(diǎn)。 最后是對(duì)全文工作的總結(jié)。 沈陽航空 航天大學(xué) 畢業(yè)設(shè)計(jì)（論文） 7 2 人臉識(shí)別基礎(chǔ) 人臉庫 在人臉識(shí)別技術(shù)的研究中，必不可少的資源之一是人臉數(shù)據(jù)庫。任何一個(gè)人臉識(shí)別系統(tǒng)的設(shè)計(jì)成形都需要經(jīng)過測(cè)試、仿真或?qū)嶒?yàn)過程，在這個(gè)測(cè)試的過程中就需要用到包含一定數(shù)量人臉圖像的數(shù)據(jù)庫來生成人臉識(shí)別系統(tǒng)的訓(xùn)練集和測(cè)試集。所以人臉數(shù)據(jù)庫的存在對(duì)人臉識(shí)別算法的設(shè)計(jì)、測(cè)試、識(shí)別率求取和系統(tǒng)性能評(píng)估有重大的意義。按照目前人臉識(shí)別技術(shù)的水平來看，一個(gè)可以應(yīng)用在任何環(huán)境、在任何可能出現(xiàn)的非正常情況下都能準(zhǔn)確無誤進(jìn)行識(shí)別的人臉識(shí)別系統(tǒng)是不可能存在的，由此，所有的人臉數(shù)據(jù)庫都會(huì)附加一些 約束條件，比如光照強(qiáng)度、光照方向、表情變化、姿態(tài)變化、臉部飾品、人臉尺寸等都受到一定的限制，這些人臉數(shù)據(jù)庫復(fù)雜度的高低又影響了對(duì)算法性能的評(píng)估結(jié)果。所以人臉數(shù)據(jù)庫的選擇至關(guān)重要。下面將介紹幾個(gè)目前人臉識(shí)別實(shí)驗(yàn)測(cè)試中常用的典型人臉庫。 Yale 人臉庫 Yale 人臉庫是人臉識(shí)別中很流行的測(cè)試數(shù)據(jù)庫，由美國(guó)耶魯大學(xué)計(jì)算視覺與控制中心創(chuàng)建，包含 15 位志愿者的 165 張臉部灰度圖像，每人 11 張圖像，包含各種表情、光照下的圖像，并且包含眼鏡等遮擋正面人臉圖像。所有的圖像都在不同的光照和表情下正面拍攝的，主要包括：正面光照 ，左側(cè)光照，右側(cè)光照，戴眼鏡，不戴眼鏡，高興，面無表情，悲傷，困倦，吃驚，和眨眼等變化。 Yale 人臉庫的主要特點(diǎn)就是光照變化很明顯，且有面部眼