【正文】 西南交通大學(xué)本科畢業(yè)設(shè)計(論文) 第 I 頁人臉識別技術(shù)的研究與設(shè)計畢業(yè)論文目 錄摘 要 ...............................................................IV第 1 章 緒 論 ..........................................................1 引言 ..............................................................1 國內(nèi)外研究現(xiàn)狀與人臉識別的發(fā)展階段 ................................2 人臉識別的研究內(nèi)容 ................................................3 相關(guān)學(xué)科 ..........................................................4 小結(jié) ..............................................................5第 2 章 人臉檢測技術(shù)研究 ................................................6 人臉檢測問題分類 ..................................................6 人臉模式特征提取法 ................................................8 膚色特征 .......................................................8 灰度特征 ......................................................8 人臉檢測方法分類 ..................................................9 基于知識的方法 ...............................................10 基于統(tǒng)計模型的人臉檢測方法 ...................................11 基于模板的方法 ...............................................15 小結(jié) .............................................................16第 3 章 基于隱馬爾可夫模型 HMM 的人臉識別 ...............................17 相關(guān)背景概念 .....................................................17 隱馬爾可夫模型 HMM 構(gòu)成元素 .......................................18 隱馬爾可夫模型 HMM 原理 ...........................................19 西南交通大學(xué)本科畢業(yè)設(shè)計(論文) 第 II 頁 隱馬爾可夫模型基本算法 ...........................................20 前向－后向算法 ...............................................20 維特比算法 ...................................................24 Baum－Welch 算法 .............................................25 隱馬爾可夫模型在人臉識別中應(yīng)用 ...................................28 人臉圖像 HMM 模型狀態(tài)的確定 ...................................28 觀察值序列 ...................................................29 基于離散余弦變換（DCT）的特征提取方法 ........................30 HMM 建模訓(xùn)練和人臉識別工作流程 ................................32 改進(jìn)的隱馬爾可夫模型在人臉識別中的應(yīng)用 ...........................35 觀察向量的提取 ...............................................35 人臉參數(shù)訓(xùn)練 .................................................35 人臉的識別 ...................................................36 小結(jié) .............................................................37第 4 章 人臉識別系統(tǒng)設(shè)計與試驗(yàn) .........................................38 人臉識別系統(tǒng)涉及的軟件和硬件 .....................................38 軟件部分 .....................................................38 硬件部分 .....................................................42 人臉識別系統(tǒng) .....................................................43 用戶界面介紹 .................................................43 主要模塊介紹 .................................................43 程序?qū)崿F(xiàn)界面 .................................................47 相關(guān)人臉數(shù)據(jù)庫 ...............................................48 人臉識別試驗(yàn) .....................................................51 用 Yale 人臉庫進(jìn)行人臉識別試驗(yàn) ................................51 用 ORL 人臉庫進(jìn)行人臉識別試驗(yàn) .................................54 用自建的人臉庫進(jìn)行人臉識別試驗(yàn) ...............................56結(jié) 論 .................................................................60 西南交通大學(xué)本科畢業(yè)設(shè)計(論文) 第 III 頁致 謝 .................................................................61參 考 文 獻(xiàn) ............................................................62附 錄 ..................................................................64 西南交通大學(xué)本科畢業(yè)設(shè)計(論文) 第 1 頁第 1 章 緒 論 引言近些年來，生物特征的身份認(rèn)證技術(shù)得到了迅速的發(fā)展，此技術(shù)結(jié)合多種學(xué)科，是一種前沿的多學(xué)科性綜合技術(shù)，主要結(jié)合認(rèn)知科學(xué)，圖像處理，計算機(jī)圖形學(xué)，小波分析，機(jī)器視覺和模式識別等多個領(lǐng)域。把人臉作為認(rèn)證的目標(biāo)已經(jīng)擁有了幾十年的歷史，并不是只能在電影中才能看到，現(xiàn)代社會已經(jīng)可以實(shí)現(xiàn)這樣的功能，當(dāng)然還有明顯的不足，運(yùn)用人臉圖像來身份識別，主要是因?yàn)槿说拿婷矊儆谌吮旧砉逃械纳锾卣?，這種特征具有不可復(fù)制，難于偽造的特點(diǎn)，具有唯一性和穩(wěn)定性，可以作為身份識別的依據(jù)。人臉識別的研究可以追溯到上個世紀(jì)六、七十年代，經(jīng)過幾十年的曲折發(fā)展已日趨成熟，人臉識別是模式識別和計算機(jī)視覺的交叉領(lǐng)域。人臉識別將計算機(jī)視覺和模式識別結(jié)合在一起，廣泛地運(yùn)用在機(jī)器人等學(xué)科中。作為人類幾個外在鑒別特征之一，人臉識別自動鑒別和人類自動分辨有著重要的意義。 計算機(jī)人臉識別技術(shù)也就是利用計算機(jī)分析人臉圖象，進(jìn)而從中提取出有效的識別信息，用來“辨認(rèn)”身份的一門技術(shù)。 人臉識別技術(shù)應(yīng)用背景廣泛，可用于公安系統(tǒng)的罪犯身份識別、駕駛執(zhí)照及護(hù)照等與實(shí)際持證人的核對、銀行及海關(guān)的監(jiān)控系統(tǒng)及自動門衛(wèi)系統(tǒng)等。 雖然人類的人臉識別能力很強(qiáng)， 能夠記住并辨別上千個不同人臉， 可是計算機(jī)則困難多了。 其表現(xiàn)在：人臉表情豐富；人臉隨年齡增長而變化； 人臉?biāo)蓤D象受光照、成象角度及成象距離等影響 [8]。如今，雖然在這方面的研究已取得了一些可喜的成果，但是人臉識別技術(shù)FRT（Face Recognition Technology）在實(shí)用應(yīng)用中仍面臨著很嚴(yán)峻的問題，因?yàn)槿四樜骞俚姆植际欠浅Ｏ嗨频?，而且人臉本身又是一個柔性物體，表情、姿態(tài)或發(fā)型、化妝的千變?nèi)f化都給正確識別帶來了相當(dāng)大的麻煩。如何能正確識別大量的人并滿足實(shí)時性要求是迫切需要解決的問題?？傊層嬎銠C(jī)象人一樣方便準(zhǔn)確地識別大量的人臉尚需不同學(xué)科研究領(lǐng)域的科學(xué)家共同做出不懈的努力。 西南交通大學(xué)本科畢業(yè)設(shè)計(論文) 第 2 頁 國內(nèi)外研究現(xiàn)狀與人臉識別的發(fā)展階段人臉識別是一個算是古老卻又年輕的課題，言其古老是因?yàn)樵缭谏蟼€世紀(jì)，法國Galton就已經(jīng)開始了這方面的研究，直到七十年代中期以前，典型的模式識別的分類技術(shù)始終還是用人臉正面或者側(cè)面特點(diǎn)的距離來度量，而且重點(diǎn)使用的是從側(cè)面人臉圖像上提取的幾何特征。這一階段，對圖像的約束條件較多，而提取出的特征數(shù)目少，自動提取特征的準(zhǔn)確度也十分的低。八十年代，對FRT的研究仍處于冷凝狀態(tài)，沒有什么進(jìn)展。進(jìn)入九十年代，該課題受到了前所未有的重視，原因是多方面的：首先是在安全系統(tǒng)即商貿(mào)系統(tǒng)中有應(yīng)用需要；其次是受其他技術(shù)發(fā)展的影響。在九十年代前期，研究的重心集中在分割和特征提取以及設(shè)計系統(tǒng)的或神經(jīng)網(wǎng)絡(luò)的分類器方面，采用一些傳統(tǒng)的統(tǒng)計方法，如：Karhunen—Loeve變換等或新的神經(jīng)網(wǎng)絡(luò)技術(shù)。這時的識別工作基本上是在實(shí)驗(yàn)室里用規(guī)模比較小的數(shù)據(jù)庫進(jìn)行測試，而且多半是用靜態(tài)圖像。除此之外，視頻流能提供豐富的人臉信息，因此較多的研究小組和公司把工作重心轉(zhuǎn)移到基于多樣本的統(tǒng)計方法或神經(jīng)網(wǎng)絡(luò)方法的研究上去。但是，在將理論向?qū)嵱没D(zhuǎn)化的過程中，人們認(rèn)識到只用單樣本進(jìn)行識別的重要性和困難性，言其重要性是因?yàn)镕RT的一個重要應(yīng)用是證件核實(shí)，在很多應(yīng)用場合往往只有一張照片可以利用。它的困難性是顯然的，因?yàn)橐粡堈掌男畔⒘勘榷鄰堈掌男畔⒘恳俣嗔?，人臉豐富的三維通過單張照片是不可能全部反映出來的 [17]。此外，國外已經(jīng)有許多學(xué)校在研究人臉識別技術(shù)，研究涉及的領(lǐng)域也非常的廣，其中有從感知和心理學(xué)角度探索人類識別人臉機(jī)理的，如美國Texas at Dallas 大學(xué)的Abdi和Toole 小組，由 Stirling大學(xué)的Bruce 教授和Glasgow大學(xué)的Burton 教授合作領(lǐng)導(dǎo)的小組等；也有從視覺機(jī)理角度進(jìn)行研究的，如英國的Graw小組和荷蘭Groningen 大學(xué)的Petkov小組等。在用靜態(tài)圖像或視頻圖像做人臉識別的領(lǐng)域中，比較有影響的有MIT 的Media實(shí)驗(yàn)室的Pentland小組，他們主要是用基于KL變換的本征空間的特征提取法，名為“本征臉（eigenface） ； Malsburg小組，他領(lǐng)導(dǎo)了美國的Southern California大學(xué)和德國的 Bochum大學(xué)合作，采用動態(tài)鏈接結(jié)構(gòu)和彈性圖像匹配等方法；還有Perinceton 大學(xué)Cox 領(lǐng)導(dǎo)的NEC小組等；從1994年開始，一些科研單位和公司開始將研究成果轉(zhuǎn)移為實(shí)用產(chǎn)品，如Miros 公司的True Face，Visinocs公司的Facelt，ZNBochum GmbH公司研制的ZN—Face等 [17]。 西南交通大學(xué)本科畢業(yè)設(shè)計(論文) 第 3 頁而我國國內(nèi)也有不少的人從事人臉識別研究，主要有上海交通大學(xué)的李介谷等研究基于計算機(jī)視覺場模型的人臉識別研究技術(shù)，清華大學(xué)的邊肇祈等從事基于KL變換的人臉識別研究，東南大學(xué)的程永清等從事基于統(tǒng)計方法，主要是奇異值分解方法的人臉識別研究，另外哈爾濱工業(yè)大學(xué)的賈小光和原上海工業(yè)大學(xué)的鄭堅平等都在正面人像的識別方面做過工作。還有很多的研究者。人臉識別的輸入圖像通常有三種情況：正面，傾斜，側(cè)面。由于實(shí)際情況的要求，對人臉正面模式研究最多，它發(fā)展大致可分為三個階段 [17]：(1)第一階段是研究人臉識別所需要的面部特征，這方面以Bertillon、Allen和Parke為代表。Bertill