【正文】 改進(jìn)LBP的人臉識別算法研究畢業(yè)論文目錄摘 要 1 ABSTRACT 1 第一章 緒 論 3 第一節(jié) 課題的研究背景及意義 3 一、 生物識別技術(shù) 3 二、 生物識別的過程 4 第二節(jié) 人臉識別技術(shù)概況 5 一、 人臉識別技術(shù)國內(nèi)外現(xiàn)狀 5 二、 人臉識別的難點(diǎn)和研究意義 6 第三節(jié) 人臉識別算法分類 6 第四節(jié) 本文的研究內(nèi)容及組織 7 一、 本文主要研究內(nèi)容 7 二、 本文組織安排 8 第二章 LBP 算子基本原理及應(yīng)用 9 第一節(jié) LBP 算子概述 9 一、 紋理概述 9 二、 LBP 算子 9 第二節(jié) LBP 的特點(diǎn) 11 第三節(jié) LBP 算子的發(fā)展和演化 12 一、 LGBP 12 二、 LTP 13 第四節(jié) 小結(jié) 14 第三章 LMCP方法 15 第一節(jié) LBP方法的缺點(diǎn) 15 第二節(jié) 獲取LMCP特征 15 第三節(jié) 將LMCP特征用于人臉識別 16 弄的和你上面的目錄一樣 你的重點(diǎn)是這個 不是LBP第四節(jié) 圖像與處理 17 第四章 實(shí)驗(yàn)與結(jié)果分析 19 第一節(jié) 引言 19 第二節(jié) 人臉庫 19 第三節(jié) 實(shí)驗(yàn)環(huán)境,步驟及參數(shù)設(shè)置 20 一、 實(shí)驗(yàn)環(huán)境 20 二、 實(shí)驗(yàn)方法 21 第四節(jié) 實(shí)驗(yàn) 21 一、 基于Yale人臉庫的實(shí)驗(yàn) 21 二、 基于ORL人臉庫的實(shí)驗(yàn) 23 第五節(jié) 結(jié)果與分析 24 第五章 總結(jié)與致謝 24 第一章 緒 論第一節(jié) 課題的研究背景及意義 生物識別技術(shù) 身份鑒定是人類社會日常生活中的基本活動之一，人們幾乎每時(shí)每刻都需要證明自己的身份。而隨著計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)的高速發(fā)展，電子商務(wù)、網(wǎng)上銀行、公共安全等領(lǐng)域的信息安全顯示出前所未有的重要性，個人身份鑒定是保證系統(tǒng)安全的必要前提。關(guān)于個人身份鑒定的問題可以分為兩類：認(rèn)證(Verification)和辨識(Identification)[1]?！罢J(rèn)證”指的是驗(yàn)證用戶是否為他所聲明的身份，“辨識”指的是確定當(dāng)前用戶的身份。傳統(tǒng)的個人身份鑒定的方法主要依靠信物(如各種證件、鑰匙、磁卡等)或身份標(biāo)識信息(如口令和密碼)，信物攜帶不便且容易丟失、被盜、損壞；身份標(biāo)識信息容易遺忘、被他人竊取或破解；更為嚴(yán)重的是傳統(tǒng)身份認(rèn)證方法往往無法區(qū)分信物或身份標(biāo)識信息真正的擁有者和冒充者。一旦他人獲得信物或身份標(biāo)識信息就具有與擁有者相同的權(quán)力，使真正擁有者的利益受到威脅。顯然，這些致命的缺點(diǎn)使得傳統(tǒng)的身份鑒定方法已經(jīng)完全不能滿足現(xiàn)代社會的要求，于是人們亟需尋找一種更方便、更可靠、更安全的身份驗(yàn)證方式。生物識別技術(shù)正是在這樣的需求下應(yīng)運(yùn)而生的。 生物特征識別[2]，是指利用人體所固有的且能夠唯一標(biāo)識其身份生理特征或行為特征來進(jìn)行個人身份認(rèn)證的一種技術(shù)。人體所固有的生物特征有許多，一般認(rèn)為，能夠用來認(rèn)證身份的生物特征應(yīng)該具有以下的特性：①普遍性：每個正常人都應(yīng)該具有這種特征； ②惟一性：不同的人應(yīng)該具有各不相同的特征；③可采集性：所選擇的特征可以定量測量；④穩(wěn)定性：所選擇的特征至少在一段較長的時(shí)間內(nèi)是不變的，并且特征的采集不隨條件、環(huán)境的變化而變化。⑤安全性：用欺詐的方法騙過系統(tǒng)的難易程度；⑥理論依據(jù)：是否具有相關(guān)的、可信的研究背景作為技術(shù)支持；當(dāng)然，在應(yīng)用過程中，還要考慮其他的實(shí)際因素，比如：識別精度、識別速度、對人體無傷害、可接受性、隱私保護(hù)等等。目前，用于身份認(rèn)證的生物特征可分為兩類：生理特征和行為特征。生理特征與生俱來，多為先天性的，包括指紋、掌紋、手形、臉型、虹膜、視網(wǎng)膜、耳廓、DNA(脫氧核糖核酸)等；行為特征則是習(xí)慣使然，多為后天性的，包括筆跡、話音、步態(tài)、擊鍵動作等。這些特征都在一定程度上是“人人擁有、人各不同、長期不變”的，都能反映個體特點(diǎn)，并與個體的身份一一對應(yīng)，從而可以用來驗(yàn)證個體身份的真?zhèn)??；谶@些特征，人們發(fā)展了指紋識別、面部識別、發(fā)音識別等多種生物識別技術(shù)。與傳統(tǒng)的身份驗(yàn)證方法相比，生物特征識別突出的優(yōu)勢表現(xiàn)在生物特征是人類自身擁有的，不會丟失、不易偽造和假冒，也不會像持有的信物那樣容易被竊取或轉(zhuǎn)移，從而具有更高的可靠性、安全性和可用性。因而，人們對生物特征識別技術(shù)寄予厚望，期望能夠籍此技術(shù)來應(yīng)對現(xiàn)行系統(tǒng)安全所面臨的挑戰(zhàn)。 生物識別的過程 一個優(yōu)秀的生物識別系統(tǒng)要求能實(shí)時(shí)迅速有效地完成其識別過程。一般來說，生物識別系統(tǒng)都包括如下幾個處理過程：采集樣本很顯然，在我們通過生物識別驗(yàn)證個人身份之前，首先要捕捉選擇好的生物學(xué)特征的樣本。這個樣本就成為生物識別的模板，以后驗(yàn)證時(shí)取得的新樣本要以原始模板為參考進(jìn)行比較，通常要取多份樣品以得到有代表性的模板。取樣的過程和結(jié)果對于生物識別成功與否至關(guān)重要。對于不同的生物識別技術(shù)，取樣的原理和方法是不同的。例如，面孔識別系統(tǒng)通過分析臉部特征的唯一形狀、模式和位置來辯識人。聲音識別是對基于生理學(xué)和行為特征的說話者嗓音和語言學(xué)模式的運(yùn)用。它與語言識別的不同在于這項(xiàng)技術(shù)不對說出的詞語本身進(jìn)行辯識，而是通過分析語音的唯一特性，例如發(fā)音的頻率，來識別出說話的人。簽名識別是建立在簽名時(shí)的力度上的。它分析的是筆的移動，例如加速度、壓力、方向以及筆劃的長度，而非簽名的圖像本身。簽名識別的關(guān)鍵在于區(qū)分出不同的簽名部分，有些是習(xí)慣性的，而另一些在每次簽名時(shí)都不同。 儲存模板取樣之后，模板要經(jīng)過加密儲存起來。模板的儲存可以有以下幾種選擇：①存放在生物識別閱讀設(shè)備里。②存放在遠(yuǎn)程中央數(shù)據(jù)庫里。這種方法適用于安全的網(wǎng)絡(luò)環(huán)境里，而且要有足夠的運(yùn)行速度。③存放在便攜物里，如智能卡。這是一個很吸引人的想法。因?yàn)樗恍枰硇袃Υ婺０?，用戶可以攜帶自己的模板在任意設(shè)備上使用。但是，如果用戶丟失或損壞了智能卡，他就必須重新輸入數(shù)據(jù)。另一個要考慮的是成本和系統(tǒng)復(fù)雜性問題，因?yàn)橐傻臇|西很多。 身份驗(yàn)證驗(yàn)證過程是這樣的，用戶通過某種設(shè)備輸入其生物學(xué)特征，提出身份鑒定請求，輸入的特征與模板比較后得出匹配或不匹配的結(jié)果除了告訴用戶外，這一過程還被記錄下來存在本地或遠(yuǎn)程主機(jī)上。在有些系統(tǒng)中，參考用的模板是隨著每一次有效的交易過程而動態(tài)更新的。這樣可以使系統(tǒng)適應(yīng)由客觀因素造成的微小變化，如用戶年齡增長、機(jī)器磨損等。第二節(jié) 人臉識別技術(shù)概況 在不同的生物特征識別方法中，人臉識別(Automatic Face Recognition)有其自身特殊的優(yōu)勢，因而在生物識別中有著重要的地位。與其它生物識別技術(shù)相比較，人臉識別具有：非侵?jǐn)_性。人臉識別無需干擾人們的正常行為就能較好地達(dá)到識別效果，無需擔(dān)心被識別者是否愿意將手放在指紋采集設(shè)備上，他們的眼睛是否能夠?qū)?zhǔn)虹膜掃描裝置……而進(jìn)行人臉識別卻只要在攝像機(jī)前自然地停留片刻，用戶的身份就會被正確識別。采集設(shè)備簡單，使用快捷。一般來說，常見的攝像頭就可以用來進(jìn)行人臉圖像的采集，不需特別復(fù)雜的專用設(shè)備。采集一般可在數(shù)秒內(nèi)完成。通過人臉識別身份，與人類的習(xí)慣一致。也就是說，人和機(jī)器都可以使用人臉圖片進(jìn)行識別，這使得人和機(jī)器可以配合工作。而指紋，虹膜等方法沒有這個特點(diǎn)。一個沒有經(jīng)過特殊訓(xùn)練的人，無法利用指紋和虹膜圖像對其他人進(jìn)行身份識別。人臉識別擁有這些良好的特性，使其具有非常廣泛的應(yīng)用前景，正在引起學(xué)術(shù)界和商業(yè)界越來越多的關(guān)注。 人臉識別技術(shù)國內(nèi)外現(xiàn)狀人臉識別技術(shù)起源于上個世紀(jì)六十年代,1965 年 Chan 和 Bledsoe在Panoramic Research Inc 發(fā)表的學(xué)術(shù)報(bào)告[3]揭開了人臉識別技術(shù)研究的序幕。經(jīng)過幾十年的發(fā)展,特別是近二十年來,人臉識別成為模式識別和人工智能領(lǐng)域內(nèi)的熱門研究課題,引起了國內(nèi)外各知名大學(xué)、研究所及一些公司的廣泛關(guān)注,每年都有大量的相關(guān)學(xué)術(shù)論文發(fā)表隨著人臉識別算法研究的深入,公正合理地測試各種算法的性能也成了不少機(jī)構(gòu)的研究課題。在國內(nèi),關(guān)于人臉識別的研究在上個世紀(jì) 90 年代才處于起步階段,直到 2003年后才開始了一個快速發(fā)展的階段。另外,國內(nèi)的很多高校,如清華大學(xué)、哈爾濱工業(yè)大學(xué)、南京理工大學(xué)、復(fù)旦大學(xué)、南京大學(xué)、西安電子科技大學(xué)等,也在進(jìn)行人臉識別相關(guān)領(lǐng)域的研究。 人臉識別的難點(diǎn)和研究意義人臉識別的研究至今已有四十余年的發(fā)展歷史。人類本身具有很強(qiáng)的人臉識別能力。但對計(jì)算機(jī)來說，卻是一個極其復(fù)雜的課題。這種困難一方面源于計(jì)算機(jī)本身學(xué)習(xí)能力的局限性，另一方面則是由人臉識別技術(shù)所具有的復(fù)雜性造成的。人臉具有相對穩(wěn)定的特征和結(jié)構(gòu)，這為人臉識別技術(shù)帶來了實(shí)現(xiàn)的可能。但人臉具體形態(tài)的多樣性和所處環(huán)境的復(fù)雜性又造成了識別的巨大困難。在人臉識別系統(tǒng)中，人臉的初始表示形式是圖像，但在許多因素的影響下，同一人臉的不同圖像之間卻存在著相當(dāng)大的變化，例如，人臉隨年齡和表情的變化；發(fā)型、胡須、眼鏡等對人臉的干擾；光照對人臉圖像的影響；成像角度和距離以及成像背景的復(fù)雜性等的影響。人臉識別問題的深入研究和最終解決，可以極大地促進(jìn)這些學(xué)科的成熟和發(fā)展。如作為一個模式識別的問題，人臉識別被認(rèn)為是最具挑戰(zhàn)性的問題之一：模式種類數(shù)目龐大，不同類別模式差別微妙，這一點(diǎn)由于數(shù)據(jù)采集過程的噪聲、成像設(shè)備的精度、外界條件的變化以及數(shù)據(jù)缺損而顯得更加突出。再如，作為一個計(jì)算機(jī)視覺問題，如何融合人臉的一般性先驗(yàn)形狀信息來準(zhǔn)確地恢復(fù)特定人臉的3D結(jié)構(gòu)也是一個非常有價(jià)值的研究問題。人臉識別本質(zhì)上是要賦予計(jì)算機(jī)區(qū)分不同人類個體的能力，也就是“看”的能力。來自各個領(lǐng)域的困難使得人臉識別技術(shù)成為一項(xiàng)極富挑戰(zhàn)性的研究課題。正是由于人臉識別技術(shù)重要的理論意義和應(yīng)用價(jià)值，及其研究中所具有的挑戰(zhàn)性，致使對人臉識別方法的研究越來越成為當(dāng)前模式識別和人工智能領(lǐng)域的一個研究熱點(diǎn)。第三節(jié) 人臉識別算法分類目前，對現(xiàn)有的人臉識別算法很難進(jìn)行準(zhǔn)確的分類，因?yàn)椴煌难芯空?，可能會從不同的角度對已有的人臉識別方法進(jìn)行歸納和分類。因此，對于算法的分類也很難有一個嚴(yán)格的標(biāo)準(zhǔn)。這里，根據(jù)特征提取的方法、特征形式的不同，我們將人臉識別方法主要分為三類：基于局部特征、基于全局特征、基于混合特征。 基于局部特征人臉識別基于局部特征的人臉識別指的是人臉上的五官特點(diǎn)，例如一字眉，塌鼻子，丹杏胡，歪嘴巴。尖下巴等特點(diǎn)，還有的就是比較奇特的特點(diǎn)，例如黑痣，酒窩，傷疤，胎記等，這些特點(diǎn)比較具有識別性。而基于局部特征人臉識別就是將這些人臉之中的這種特殊的位置特點(diǎn)的形狀參數(shù)以及類別參數(shù)一起組合成識別特征矢量。 基于全局特征的人臉識別基于全局特征的人臉識別，其中全局特征指的是人臉的膚色，整體的輪廓，還有的是五官之間的位置分布等特征。這種識別方法不同于上文所寫到的局部特征的是這種方法不再獨(dú)立的對人臉面部的局部特征進(jìn)行檢測，而是把所有的聯(lián)系看作一個整體。這種方法不單止是保留了人臉中各部件的拓?fù)潢P(guān)系，還保留了各個部件自己的信息。 基于混合特征的人臉識別 一直以來，研究人員都對人眼視覺系統(tǒng)進(jìn)行深入研究，人的視覺系統(tǒng)是一個很優(yōu)秀并且天然的人臉識別系統(tǒng)，人們曾經(jīng)想從人眼視覺系統(tǒng)的原理中獲得一些收獲。天然的人臉識別系統(tǒng)中并不是單一的局部以及全局的運(yùn)用，而是從這兩個方面同時(shí)進(jìn)行作用，二者同樣的重要，并且這一類不能很好的區(qū)分出主要是運(yùn)用了局部特征方法還是全局特征方法?；蛘哒f這一類運(yùn)用了全局特征方法的局部方法應(yīng)該稱之為混合方法。第四節(jié) 本文的研究內(nèi)容及組織 本文主要研究內(nèi)容 盡管人類可以在各種復(fù)雜條件下迅速辨別出人臉，但對于計(jì)算機(jī)而言，人臉識別迄今為止仍是一項(xiàng)極具挑戰(zhàn)性的課題。計(jì)算機(jī)自動人臉識別跨越了模式識別、圖像處理、信息安全、神經(jīng)生理學(xué)、心理學(xué)和認(rèn)知科學(xué)等諸多研究領(lǐng)域，其難度和研究價(jià)值不言而喻。如何找到有效的特征來描述人臉是人臉識別的關(guān)鍵，人臉特征的提取盡管已經(jīng)有了一定的研究，但是由于人臉圖像的對于光照條件、人臉表情和姿態(tài)變化的問題，以及問題本身的復(fù)雜性，還難以找到比較有效的特征。另外，隨著目前人臉識別的逐步應(yīng)用，人臉數(shù)據(jù)庫更大，人臉數(shù)據(jù)的存儲也成為一個不可避免的問題，因此，如何提取更加簡單、有效的特征也是目前人臉識別應(yīng)用的難點(diǎn)。局部二值模式[4](Local Binary Pattern, LBP)是一種有效的紋理描述算子，它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點(diǎn)。在近十年的時(shí)間內(nèi)，LBP 算子已經(jīng)得到不斷的發(fā)展和演化，并廣泛地應(yīng)用于紋理分類[5]、紋理分割[6]、人臉圖像分析等領(lǐng)域。Ahonen 等將 LBP 算子引入了人臉識別[7]，他們將人臉圖像劃分為幾個互不重疊的區(qū)域，利用 LBP 的局部特性和直方圖方法的統(tǒng)計(jì)特性，一定程度上實(shí)現(xiàn)了局部特征與全局特征的結(jié)合，該方法在 FERET 人臉庫上取得了較好的實(shí)驗(yàn)效果。此后，基于 LBP 的人臉識別算法引起許多研究者的極大興趣，并得到了廣泛的關(guān)注。但 LBP 算子本身還不夠完善，在人臉識別的應(yīng)用中還存在許多問題亟待解決。本文主要研究了采用 LBP 進(jìn)行人臉特征提取，在 LBP 的基礎(chǔ)上，才用了一種LMCP方法，解決了LBP因?yàn)闆]有考慮到像素值之間的對比度從而丟失了重要的紋理特征這個缺點(diǎn)。該方法先通過預(yù)處理，將光照變化控制在一定范圍內(nèi)然后求的局部區(qū)域中心像素點(diǎn)和鄰居像素點(diǎn)之間的對比度值，并將其最大值和最小值之間的值域劃分為若干個層次，將每個對比度值映射到某個層次上，再使用LBP類似方法獲得若干個數(shù)值組合而成的LMCP特征值，此外，還使用了統(tǒng)計(jì)映射的方法進(jìn)行降維。 本文組織安排 本文組織安排如下：①第一章：簡要介紹了自動人臉識別的研究背景、現(xiàn)狀和意義，然后概括說明全文的研究工作及各章安排，并指出本文的主要貢獻(xiàn)。②第二章：簡要介紹了 LBP 算子的提出，并指出基本LBP算子的缺點(diǎn)，并對幾種改進(jìn)LBP算子做出基本介紹。③第三章：研究LMCP方法，從LBP算法的缺點(diǎn)入手，先指出原始算子存在的不足。然后描述LMCP特征值的獲取方法，并將其用于人臉識別中。④第四章：將完成的算法用于ORL，Yale B人臉