【正文】 西南科技大學(xué)本科生畢業(yè)論文 Southwest university of science and technology 本科畢業(yè)設(shè)計(jì)（論文）題目名稱：基于Gabor小波的人臉特征提取算法研究及仿真 50基于Gabor小波的人臉特征提取算法研究及仿真摘要：人臉識(shí)別技術(shù)是模式識(shí)別與人工智能的研究熱點(diǎn)之一。在生物特征識(shí)別中，人臉識(shí)別占有極為重要的地位。它在訪問(wèn)控制、司法應(yīng)用、電子商務(wù)和視頻監(jiān)控等領(lǐng)域都有廣泛的應(yīng)用。人臉特征提取是人臉識(shí)別過(guò)程的核心，特征提取的有效性直接影響到分類的速度和識(shí)別的性能。本論文的主要研究?jī)?nèi)容包括以下方面：(1)基于Gabor變換的人臉特征提取算法。通過(guò)對(duì)人臉傅里葉變換和Gabor變換的實(shí)驗(yàn)比較，證明了Gabor變換在提取人臉特征方面具有很大的優(yōu)越性。接著，介紹了Gabor小波變換的快速算法。 (2)針對(duì) Gabor小波的缺點(diǎn)，引進(jìn)LBP算子，該算子的使用能有效的克服Gabor小波變換的缺點(diǎn)。另外還詳細(xì)介紹了如何提取“特征臉”的原理和實(shí)現(xiàn)過(guò)程，對(duì)Gabor濾波器參數(shù)的選擇問(wèn)題也作了詳細(xì)說(shuō)明。(3) 針對(duì)Gabor和LBP提取的人臉特征向量維數(shù)過(guò)高問(wèn)題，本文分別采用了LPP和PCA降維算法來(lái)進(jìn)行降維。 (4)對(duì)最后提取的人臉特征通過(guò)計(jì)算特征向量的距離來(lái)量化查詢圖像和圖像庫(kù)中每幅圖像間的相似程度。該部分主要是將提取出來(lái)的人臉特征向量進(jìn)行驗(yàn)證，并對(duì)兩種不同降維方法做比較。本文最后是在orl和yale兩個(gè)人臉圖庫(kù)做仿真實(shí)驗(yàn)。實(shí)驗(yàn)表明，采用用LPP降維得到的相似度要遠(yuǎn)高于使用PCA降維結(jié)果。關(guān)鍵詞：人臉識(shí)別；Gabor小波變換；LBP；距離測(cè)度FacialfeatureextractionalgorithmresearchandsimulationbasedonGaborwaveletsAbstract：Face Recognition Technology(FRT)is emerging as an active research area in the field of pattern recognition and artificial a biometric technology,FRT has numerous applications such as access control,law enforcement,emerce,video surveillance and so on. Face feature extraction is the core of recognition task,which directly impact on classification velocity and face recognition ability.The main contributions of this work are listed as follows：(1)Face feature extraction algorithm based on Gabor transform is introduced.Compared with Fourier transform，Gabor transform is proved to be better in face feature then，A fast algorithm of Gabor Transform is introduced. (2) According to the disadvantages of Gabor wavelet,This paper introduced LBP operator, the operator can overe the f aults of Gabor wavelet transform effectively . Also it introduced the principle and realization process how to extract features face in detailed, and the selection of parameters of Gabor filter are detailed instructions.(3) For the problem to the face feature vector high dimension in Gabor and LBP extraction ,this paper used the LPP and PCA dimension reduction algorithm reduced the dimension. (4) In the final face feature extraction ,By calculating the distance of the feature vector to look the similarity between the image to inquire and each image in image database . This part is mainly to verify the extracted face feature vector , and to pare two different dimension reduction method .Finally, This paper do the simulation experiment in the orl and yale two face database . The experiment results show that the LPP dimension reduction method is better than PCA dimension reduction method.Key words: Face recognition。 Gabor wavelet transform。 LBP。 Distance measure 目 錄第1章 緒 論 5 課題的背景和意義 5 當(dāng)前人臉識(shí)別的國(guó)內(nèi)外現(xiàn)狀 7 課題的總設(shè)計(jì)思路 8 人臉特征提取的步驟及方法 8 人臉圖像的預(yù)處理 9 基于Gabor小波算法進(jìn)行人臉特征提取 9 應(yīng)用LBP算子 10 采用PCA和LPP對(duì)提取的特征向量降維，以提高識(shí)別時(shí)間 10 用距離測(cè)度法度量相似度進(jìn)行結(jié)果測(cè)試 10 本章小結(jié) 10第2章 Gabor小波變換 11 引言 11 Gabor小波變換的定義 13 Gabor變換在人臉識(shí)別中的應(yīng)用 15 Gabor濾波器 15 Gabor濾波器參數(shù)的選擇 19 Gabor濾波器的性質(zhì)和計(jì)算方法 19 Gabor變換的人臉特征提取 20 Gabor快速算法圖 21 快速傅里葉變換(FFT) 22 Gabor變換的快速算法 24 本章小結(jié) 25第3章 LBP算法、PCA和LPP降維算法 26 引言 26 LBP基本算子 26 改進(jìn)的LBP算子 27 PCA降維算法的實(shí)現(xiàn)原理 28 PCA的基本概念 29 PCA原理 29 PCA算法 30 LPP算子降維原理 31 LPP算法降維實(shí)現(xiàn)原理 31 本章小結(jié) 32第四章 距離測(cè)度法度量相似度比較 33 引言 33 距離測(cè)量簡(jiǎn)介 33 具體算法 34 ORL人臉庫(kù)實(shí)驗(yàn)分析 35 算法的比較 36 YALE人臉庫(kù)實(shí)驗(yàn) 37 本章小結(jié) 38結(jié) 論 39參考文獻(xiàn) 40致 謝 42附錄一 43附錄二 46附錄三 47 第1章 緒 論 課題的背景和意義在現(xiàn)在這個(gè)信息化的時(shí)代中，身份識(shí)別技術(shù)的應(yīng)用價(jià)值是非常重要的。隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展，信息安全也顯示出前所未有的重要性。在電子商務(wù)、金融信息、司法安全、網(wǎng)絡(luò)傳輸?shù)雀鱾€(gè)應(yīng)用領(lǐng)域，都需要精確而唯一的身份鑒定[1]。然而，如今的身份識(shí)別主要依靠身份證、工作證和密碼手段來(lái)鑒定一個(gè)人的身份。這些手段具有諸多缺點(diǎn)：如不便攜帶、易丟失、易損壞最后導(dǎo)致不可識(shí)別；而密碼手段的缺點(diǎn)更加凸顯：不便記憶，易被破解等。近年來(lái)，由于電子商務(wù)的迅猛發(fā)展，偽造制假的手段也是越來(lái)越先進(jìn)，傳統(tǒng)的身份識(shí)別方法受到了嚴(yán)峻的挑戰(zhàn)，對(duì)于科技的發(fā)展和社會(huì)的進(jìn)步顯得有點(diǎn)跟不上腳步。 生物特征識(shí)別技術(shù)（Biometrics）以其唯一性、高可靠性和穩(wěn)定性成為了人們爭(zhēng)相研究的熱門技術(shù)。所謂生物特征識(shí)別[2]，就是根據(jù)不同人之間的身體（physical）的或者行為（behavioral)的特征的獨(dú)特性，來(lái)唯一地把未知身份識(shí)別出來(lái)。身體特征包括：指紋、視網(wǎng)膜、虹膜、人臉等；行為特征包括簽名、聲音、步態(tài)等。有的識(shí)別是幾種特征的結(jié)合，如身份識(shí)別可以結(jié)合人臉和指紋兩個(gè)特征。人臉識(shí)別是身份識(shí)別技術(shù)的一種，它在身份識(shí)別領(lǐng)域的發(fā)展和應(yīng)用方面都有著重大意義：一是可以推進(jìn)對(duì)人類視覺(jué)系統(tǒng)本身的認(rèn)識(shí)；二是可以滿足人工智能應(yīng)用的需要。采用人臉識(shí)別技術(shù)，建立自動(dòng)人臉識(shí)別系統(tǒng)，用計(jì)算機(jī)實(shí)現(xiàn)對(duì)人臉圖像的自動(dòng)識(shí)別有著廣闊的應(yīng)用領(lǐng)域和誘人的應(yīng)用前景。而人臉特征提取又是人臉識(shí)別技術(shù)當(dāng)中最重要的步驟，可以這么說(shuō)，人臉特征提取的優(yōu)劣直接影響到人臉的識(shí)別率。人臉本身的采集方式多樣，既可以是靜態(tài)圖像，也可以是動(dòng)態(tài)圖像。通常我們辨別一個(gè)人是通過(guò)我們的眼睛觀察這個(gè)人的臉部特征，恰好人臉識(shí)別和人們通常的識(shí)別相符合，所以很容易被接受。因此，人臉識(shí)別及其相關(guān)技術(shù)的應(yīng)用前景也是生物特征識(shí)別諸多技術(shù)中最被看好的。生物特征識(shí)別在國(guó)外起步早，也發(fā)展很快[2] 。而我國(guó)在這方面就起步稍晚，不過(guò)發(fā)展卻是極為迅速。人臉識(shí)別是我們?nèi)粘Ｉ钪斜夭豢缮俚摹寄堋?，是我們辨認(rèn)一個(gè)人采用的最普遍的生物特征識(shí)別方法。人臉識(shí)別相對(duì)于其它的生物特征識(shí)別技術(shù)來(lái)說(shuō)，具有以下獨(dú)特優(yōu)勢(shì):(1)友好、直觀和方便。人臉識(shí)別由于十分符合人們的習(xí)慣，人們很容易接受和不會(huì)讓人感覺(jué)有障礙。(2)對(duì)用戶不會(huì)造成不必要的干擾。因?yàn)槿四樧R(shí)別不需要與相關(guān)設(shè)備直接接觸，也不需要被測(cè)試者需要特定的行為，在這一點(diǎn)上它是區(qū)別于其他任何生物特征技術(shù)的。(3)對(duì)拍攝設(shè)備無(wú)要求。只要能照相的設(shè)備，手機(jī)相機(jī)皆可，由于這些設(shè)備目前已普及，故為人臉識(shí)別的廣泛應(yīng)用提供了有力的基礎(chǔ)和保障。 當(dāng)前人臉識(shí)別的國(guó)內(nèi)外現(xiàn)狀 在當(dāng)今這個(gè)信息化的時(shí)代，人臉識(shí)別系統(tǒng)在很多領(lǐng)域都有舉足輕重的作用，尤其是用在司法機(jī)關(guān)、網(wǎng)絡(luò)信息安全、司機(jī)駕照驗(yàn)證和事業(yè)單位的考勤等。 前面有說(shuō)道：雖然我國(guó)這方面起步比較晚，但是在這方面發(fā)展卻是非?？斓摹＝刂聊壳?，我過(guò)在這方面也取得了一定的成就，08年的北京奧運(yùn)會(huì)就正式啟用了中國(guó)自主產(chǎn)權(quán)研發(fā)的人臉識(shí)別系統(tǒng)。另外，由中科院計(jì)算所高文教授主持的國(guó)家863項(xiàng)目“面像檢測(cè)與識(shí)別核心技術(shù)”也通過(guò)成果鑒定，并初步應(yīng)用，這也就標(biāo)志著我國(guó)在人臉識(shí)別這一當(dāng)今熱點(diǎn)科研領(lǐng)域掌握了一定的核心技術(shù)。該系統(tǒng)會(huì)自動(dòng)在人臉上選取103個(gè)點(diǎn)，然后通過(guò)分析面部皮膚反射屬性、三維結(jié)構(gòu)等特征進(jìn)行識(shí)別，％。 其實(shí)在早前，北京科瑞奇技術(shù)開(kāi)發(fā)股份有限公司在2002年開(kāi)發(fā)了一種人臉鑒別系統(tǒng)，對(duì)人臉圖像進(jìn)行處理，排除外界因素，再對(duì)圖像進(jìn)行特征提取和識(shí)別。這對(duì)于人臉鑒別特別有價(jià)值，因?yàn)槿四樿b別通常使用正面照，要鑒別的人臉圖像是不同時(shí)期拍攝的，使用的照相機(jī)不一樣。系統(tǒng)可以接受時(shí)間間隔較長(zhǎng)的照片，并能達(dá)到較高的識(shí)別率，在計(jì)算機(jī)中庫(kù)藏2300人的正面照片，每人一張照片，使用相距17年、差別比較大的照片去查詢，首選率可以達(dá)到50%，前20張輸出照片中包含有與輸入照片為同一人的照片的概率可達(dá)70%。 在國(guó)外，人臉識(shí)別起步就比較早了。最早的自動(dòng)人臉識(shí)別研究論文是 1965年 Chanamp。Bledsoe 在 Panoramic Research Inc 發(fā)表的技術(shù)報(bào)告，但是由于當(dāng)時(shí)的技術(shù)條件有限，所以取得的成就并不是很顯著。而70年代時(shí)，美、英等發(fā)達(dá)國(guó)家就已經(jīng)開(kāi)始重視人臉識(shí)別的研究了，并取得了一定的成績(jī)。 從1990年代起，由于社會(huì)的發(fā)展，加上人們對(duì)人臉圖像自動(dòng)識(shí)別的迫切需求，越來(lái)越多的外國(guó)科研單位開(kāi)始著手研究，因此人臉模式識(shí)別方法有了較大的突破。1996年美國(guó)軍方更是組織了人臉自動(dòng)識(shí)別系統(tǒng)大賽，獲得冠軍的是勒克菲勒大學(xué)的Face1t系統(tǒng)。由此可見(jiàn)，外國(guó)的在這方面要比中國(guó)早很多，也成熟很多。最近，美國(guó)的LAU公司研制的人臉圖像自動(dòng)識(shí)別系統(tǒng)，是按照平常人們的生活習(xí)慣（即人眼辨別人臉）的原理，基于生物測(cè)量學(xué)、人像復(fù)原技術(shù)開(kāi)發(fā)的裝置。用人臉12～42個(gè)特征點(diǎn)，對(duì)人群中尋找的人進(jìn)行定量定性識(shí)別，已經(jīng)用在機(jī)場(chǎng)、火車站等公共場(chǎng)所和重點(diǎn)控制地區(qū)。另外，國(guó)外的一些高校在這方面也取得了顯著的成就，主要是以麻省理工大學(xué)（Massachusetts Institute of Technology ）、卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）和英國(guó)的雷丁大學(xué)（University of Reading）等為首。而公司（Visionics 公司Facelt人臉識(shí)別系統(tǒng)、Viiage的FaceFINDER身份驗(yàn)證系統(tǒng)、Lau Tech 公司Hunter系統(tǒng)、德國(guó)的BioID系統(tǒng)等）他們的工程研究工作主要放在公安、刑事方面，在考試驗(yàn)證系統(tǒng)的實(shí)現(xiàn)方面深入研究并不多。 課題的總設(shè)計(jì)思路 本設(shè)計(jì)是基于MATLAB平臺(tái)實(shí)現(xiàn)的人臉特征提取。系統(tǒng)原理框圖如圖1所示：