【正文】 得出后者的準(zhǔn)確度和實(shí)時(shí)性均大于前者，最后將Adaboost人臉檢測(cè)算法和2DPCA算法結(jié)合，不僅能大幅度降低識(shí)別時(shí)間，而且還相互補(bǔ)充，有效的提高了識(shí)別率。在圖像的預(yù)處理階段，經(jīng)過(guò)了圖象的顏色處理，圖像的幾何歸一化，圖像的均衡化和圖象的灰度歸一化四個(gè)過(guò)程。由于近年來(lái)計(jì)算機(jī)技術(shù)的飛速發(fā)展，為人臉識(shí)別技術(shù)的廣泛應(yīng)用提供了可能，所以圖像處理技術(shù)被廣泛應(yīng)用了各種領(lǐng)域。該技術(shù)具有廣闊的前景，如今已有大量的研究人員專(zhuān)注于人臉識(shí)別技術(shù)的開(kāi)發(fā)。所有人臉圖像通過(guò)上述處理后，就可以在一定程度上減小光照、背景等一些外在因素的不利影響。關(guān)鍵詞：人臉識(shí)別 2DPCA 特征提取 人臉檢測(cè)2DPCA Face Recognition Algorithm Based on The ResearchAbstract：Face recognition is a technology to detect and locate human face in an image or video streams,Including location, size, shape, number and other information of human face in an image or video to the rapid development of puter operation speed makes the image processing technology has been widely applied in many fields in recent years. This paper39。對(duì)于人類(lèi)而言，對(duì)其他個(gè)體進(jìn)行識(shí)別是件非常容易的事情，人臉識(shí)別屬于我們一種無(wú)意識(shí)的本能行為。早在1888年就已經(jīng)提出了人臉識(shí)別的概念[3] RGalton．Personal identification and ，June 21，1888，173177.，可是直到20世紀(jì)80年代末，人臉識(shí)別技術(shù)才成為人們研究的熱點(diǎn)。其應(yīng)用范圍非常廣泛，可應(yīng)用于下面的幾個(gè)應(yīng)用[4] Chellappa R Wilson C k Sirohey S．Human and machine recognition of faces：a survey．Proc．IEEE，1995，83(5)：705740．：公眾場(chǎng)合的監(jiān)控嫌疑犯的電子照片簿以下是目前人們公認(rèn)的幾個(gè)研究方向[5] 蘇劍波,[M].上海:上海交通大學(xué)出版社,2001,4549.： （1）圖像的信息檢測(cè)：圖像的信息檢測(cè)：該技術(shù)即是在不同的環(huán)境條件下，對(duì)人臉的信息進(jìn)行檢測(cè)，包括人臉在圖像中的具體位置?？墒峭饨绛h(huán)境對(duì)人臉識(shí)別的影響是巨大的，因而要進(jìn)行人臉采集需要克服許多未知的難度。在整個(gè)過(guò)程當(dāng)中，選擇人臉特征的表征方式和對(duì)應(yīng)的匹配方式是圖像信息鑒別的關(guān)鍵，這將直接影響到人臉識(shí)別的效果。 研究的現(xiàn)狀與存在的困難到目前為止，國(guó)內(nèi)外有多種多樣的人臉識(shí)別的方法，并且新的研究成果不斷涌現(xiàn)。1）人臉本身的特點(diǎn)人臉的姿態(tài)的多樣性以及表情的豐富性是人臉本身的兩個(gè)最重要的特點(diǎn)。在光照不確定的環(huán)境中，環(huán)境中的各種因素將會(huì)影響到每隔像素的亮度：光照的顏色、亮度、位置和周?chē)矬w的影響。怎樣利用計(jì)算機(jī)來(lái)正確處理巨大的數(shù)據(jù)量，并能保證人臉識(shí)別系統(tǒng)實(shí)時(shí)性的要求將會(huì)是人臉識(shí)別研究的主要難點(diǎn)之一。2） 本文主要的研究?jī)?nèi)容，是在第三章到第五章里，對(duì)人臉識(shí)別的主要算法進(jìn)行了深入的分析和研究。第五章首先討論了人臉圖像分類(lèi)函數(shù)的選擇，并最終選擇了歐氏距離分類(lèi)函數(shù)。第2章 人臉識(shí)別系統(tǒng)及軟件平臺(tái)的配置 人臉識(shí)別系統(tǒng)概況模式識(shí)別技術(shù)是當(dāng)今社會(huì)的學(xué)術(shù)研究熱點(diǎn)問(wèn)題，而人臉識(shí)別是模式識(shí)別中的一個(gè)重要的組成部分，它是通過(guò)用計(jì)算機(jī)作為平臺(tái)，對(duì)人臉圖像進(jìn)行分析處理和分類(lèi)，并從人臉圖像信息中獲取能表征人臉特征的有效特征信息來(lái)進(jìn)行有效的識(shí)別。其中最重要的是人臉特征的提取和人臉圖像的識(shí)別?？梢詫⑦@樣一個(gè)過(guò)程稱(chēng)為人臉圖像的信息獲取的過(guò)程，通過(guò)這種方式，可以把人臉圖像轉(zhuǎn)換成計(jì)算機(jī)能識(shí)別的信息。主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來(lái)分類(lèi)的方法，它把一些比較弱的分類(lèi)方法組合在一起，得到新的具有很好分類(lèi)能力的分類(lèi)方法。 特征提取人臉圖像特征提?。喝四樧R(shí)別系統(tǒng)可使用的特征通常分為視覺(jué)特征、像素統(tǒng)計(jì)特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等?；谥R(shí)的表征方法主要是根據(jù)人臉器官的形狀描述以及他們之間的距離特性（即幾何特征）來(lái)獲得有助于人臉?lè)诸?lèi)的特征數(shù)據(jù)；基于代數(shù)方法的人臉表征包括模板匹配法和基于幾何特征的方法兩種。 OpenCV OpenCV簡(jiǎn)介OpenCV(Open Source Computer Vision Library)即開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，由Intel在1999年建立，而現(xiàn)在是由Willow Garage提供的后臺(tái)支持。在OpenCV函數(shù)庫(kù)里，有500多視覺(jué)函數(shù)，包括醫(yī)學(xué)成像、工廠產(chǎn)品檢測(cè)、用戶(hù)界面、信息安全、機(jī)器人視覺(jué)、攝像機(jī)標(biāo)定和立體視覺(jué)等多個(gè)領(lǐng)域。步驟如下： 1）配置函數(shù)庫(kù)的路徑 C:\Program Files\OpenCV\cxcore\includeC:\Program Files\OpenCV\cv\includeC:\Program Files\OpenCV\cvaux\includeC:\Program Files\OpenCV\ml\includeC:\Program Files\OpenCV\otherlibs\highguiC:\Program Files\OpenCV\otherlibs\cvcam\include配置源文件的路徑： C:\Program Files\OpenCV\cv\srcC:\Program Files\OpenCV\cxcore\srcC:\Program Files\OpenCV\cvaux\srcC:\Program Files\OpenCV\otherlibs\highguiC:\Program Files\OpenCV\otherlibs\cvcam\src\windows3）設(shè)置環(huán)境變量： Path：= C:\Program Files\OpenCV\bin 4） 每創(chuàng)建一個(gè)將要使用OpenCV的VC工程，都需要給它指定需要的lib。它將矩陣計(jì)算、數(shù)值分析、非線性動(dòng)態(tài)系統(tǒng)以及科學(xué)數(shù)據(jù)可視化的建模和仿真等眾多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為工程設(shè)計(jì)、科學(xué)研究以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并且在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如C、Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。整個(gè)人臉識(shí)別系統(tǒng)的性能怎樣，直接決定于選取和使用哪種算法。經(jīng)過(guò)幾十年的發(fā)展，人臉檢測(cè)涌現(xiàn)出了大量的方法。有這種方法的人臉檢測(cè)系統(tǒng)里，一般需要先檢測(cè)出人臉圖像中的重要特征點(diǎn)（如鼻子、眼睛等）的相對(duì)位置和、特征點(diǎn)之間的相對(duì)距離和它們的形狀等參數(shù)，然后要用這些參數(shù)構(gòu)成一個(gè)表征人臉的特征向量，通常，特征向量的分量包括了兩點(diǎn)間的歐氏距離、角度和曲率等。模板匹配法需要首先建立一些作為參考標(biāo)準(zhǔn)的人臉模板，其中包括人臉的正面或是單獨(dú)的鼻子、嘴唇、眼睛等。（3）基于統(tǒng)計(jì)的人臉檢測(cè)方法。Adaboost算法是一種基于積分圖和矩形特征的算法，將在下文中詳細(xì)介紹這種方法。而選取的特征即是特征矩陣（Haar特征），計(jì)算的方法是積分圖[10] Paul Viola，Michael Object Detection using a Boosted Cascade of Simple Features[C].Conference on Computer Vision And Pattern Recognition，Kauai，Hawaii，2001(1):511 518. [11] YANG H，YUAN BZ. Feature extraction in human Face recognition system[C].2000IEEE，Proceeding of ICSP,2000:127321276. ?；谶@種考慮，Paul Vilola等人提出用積分圖的計(jì)算方法，通過(guò)積分圖，計(jì)算的速度大大加快了。（1） 簡(jiǎn)單分類(lèi)器的訓(xùn)練。 強(qiáng)分類(lèi)器的特征與簡(jiǎn)單分類(lèi)器是一一對(duì)應(yīng)的。讓待檢測(cè)的人臉圖像按一定的次序經(jīng)過(guò)多個(gè)簡(jiǎn)單分類(lèi)器，如果該圖像可能是人臉，就會(huì)通過(guò)檢測(cè)，否則就會(huì)被判斷為錯(cuò)誤圖像，結(jié)束對(duì)該圖像的檢測(cè)，接著檢測(cè)其它窗口[9]。盡管這種強(qiáng)分類(lèi)器所檢測(cè)出來(lái)的結(jié)構(gòu)還達(dá)不到人臉檢測(cè)的要求，但是至少因?yàn)樗陨淼奶卣骱芎?jiǎn)單，可以迅速的減少大量的非人臉的圖像，因此可以大大地減少后面的工作量。另外，焦距大小、距離遠(yuǎn)近等又會(huì)讓人臉在整幅圖像中的大小和位置不確定。經(jīng)過(guò)統(tǒng)一處理后，人臉圖像就比較標(biāo)準(zhǔn)了，可以消除一些外在因素的不利影響[12]。這個(gè)數(shù)據(jù)庫(kù)中的人臉都沒(méi)有戴眼鏡，拍攝的條件也是有限制的，圖片中的人臉?lè)胖迷谝?guī)定大小的范圍內(nèi)。T Laboratories ORL Database of Faces. ORL人臉庫(kù)是由Ohvertti實(shí)驗(yàn)室拍攝的一系列人臉圖像組成，它是一個(gè)美國(guó)的專(zhuān)門(mén)從事人臉圖像研究的實(shí)驗(yàn)室，這個(gè)數(shù)據(jù)庫(kù)內(nèi)共有40個(gè)不同性別、不同種族和不同年齡的人，每個(gè)人有十幅圖像。相對(duì)FERET人臉庫(kù)來(lái)說(shuō)，ORL人臉庫(kù)中的人臉信息時(shí)很容易獲得的，以前研究工作者的大量實(shí)驗(yàn)數(shù)據(jù)也包含在里面，正是基于這一優(yōu)點(diǎn)，所以該人臉庫(kù)就作為了本文實(shí)驗(yàn)的人臉數(shù)據(jù)庫(kù)。AR數(shù)據(jù)庫(kù)分別采集了間隔14天兩個(gè)不同時(shí)間段，都是以白色作為拍攝背景的同一批人的人臉圖像，包括56女70男總共126人，由每人共有28張彩色的正面圖像組成。 人臉預(yù)處理算法 顏色處理人臉特征點(diǎn)的提取是人臉識(shí)別系統(tǒng)中一個(gè)重要的步驟，但是提取人臉特征點(diǎn)信息只能在灰度圖像上，所以，圖像預(yù)處理的第一步就是要先對(duì)圖像進(jìn)行灰化處理，獲得灰度圖像。同時(shí)，灰度圖像是有變化的，比如從暗到亮之間的變化過(guò)程。由圖像的理論知識(shí)可以得到二者的轉(zhuǎn)換公式： （41）在這個(gè)公式中,變量代表顏色的亮度,和變量都表示色調(diào)。所以，輸入的人臉圖像都需要進(jìn)行校正，才能把不同情況的人臉圖像處理成像素大小一致，人臉的關(guān)鍵部位也一致的標(biāo)準(zhǔn)圖像[12]。圖像裁剪的比例示意圖如下圖41。假如規(guī)定的圖像的大小是，那么縮放的倍數(shù)就是。本文中的實(shí)驗(yàn)就采用灰度插值的方法來(lái)進(jìn)行圖象的縮放[12]。所以在本文實(shí)驗(yàn)中選取了效果較好，速度較好的雙線性插值法[12][17]。而圖像是輸入圖像直方圖[20] 朱秀昌，劉峰，[M].北京郵電大學(xué)出版社，2002，6990.均衡化后的輸出,均衡化的過(guò)程可以從下面的公式（42）和公式（43）得到: （42） （43）直方圖是指一幅圖像中部分或者全部區(qū)域內(nèi)具有相同亮度值的統(tǒng)計(jì)分布圖，表達(dá)的是在數(shù)字圖像中的每個(gè)灰度等級(jí)出現(xiàn)頻率之間的統(tǒng)計(jì)關(guān)系。處理結(jié)果如下圖44。對(duì)于數(shù)字圖象，設(shè)為灰度級(jí)數(shù)，則第級(jí)灰度的出現(xiàn)頻度為： （44）式中，為灰度級(jí)為像素?cái)?shù)，為圖像中總的像素?cái)?shù)。 圖45：灰度歸一化效果圖 本章小結(jié)本章詳細(xì)的介紹了人臉識(shí)別系統(tǒng)中人臉圖像預(yù)處理的每個(gè)過(guò)程和相應(yīng)的預(yù)處理方法。最后在人臉圖象的灰度歸一化中，對(duì)圖像進(jìn)行灰度歸一化處理，部分消除光照的影響，得到標(biāo)準(zhǔn)的人臉圖像。二次特征就是映射后的特征，它是原始特征通過(guò)某種組合（常用的是線性組合）而成的。特征提取效果的好壞直接影響到人臉的識(shí)別率，所以提取的特征必須保證能包含信息量大、最具有代表性、冗余量小等特點(diǎn)，并且還需要具有一定的魯棒性?；诮y(tǒng)計(jì)的方法的基本實(shí)現(xiàn)是選取某個(gè)適當(dāng)?shù)淖涌臻g，使圖像能投影到該子空間上，然后可以通過(guò)利用對(duì)圖像到子空間的這種投影間的某一種度量方式來(lái)確定圖像之間的相似程度，各種距離度量是最常見(jiàn)的度量方式。Kanade曾經(jīng)用嘴角、眼角等點(diǎn)之間的幾何距離，以及它們所成的角，通過(guò)這些幾何向量來(lái)作為人臉的特征。該方法是把人臉當(dāng)作一個(gè)數(shù)學(xué)矩陣，然后通過(guò)線性投影或矩陣變換，抽取出人臉的統(tǒng)計(jì)特征。特征臉的原理是先用KL變換將圖像表征出來(lái)，然后利用主成分分析的方法由高維向量轉(zhuǎn)換到低維向量，最終得到一個(gè)低維向量空間，人臉圖像投影到低維空間而得到的投影可以作為人臉識(shí)別的特征矢量。奇異值分解法（SVD）是和KL相似的人臉特征提取的方法。特征向量是用來(lái)記錄人臉在對(duì)應(yīng)定點(diǎn)周?chē)奶卣餍畔?。它先?duì)樣本進(jìn)行學(xué)習(xí)并構(gòu)造分類(lèi)器，然后訓(xùn)練分類(lèi)器，最后就可以運(yùn)用分類(lèi)器來(lái)完成仿真分類(lèi)。目前最常用的神經(jīng)網(wǎng)絡(luò)方法有自組織神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)等。它可以