【正文】 ........................ 37 結(jié) 論 ................................................................ 38 致 謝 ................................................................ 39 參考文獻(xiàn) .............................................................. 40 附 錄 ................................................................ 41 一、英文原文 ....................................................... 41 二、英文翻譯 ....................................................... 54 三、源程序 ......................................................... 65 1 前 言 隨著社會(huì)和科技的發(fā)展，社會(huì)步伐的加快，人們 對(duì) 高效可靠的身份識(shí)別 需求 日益強(qiáng)烈?，F(xiàn)已成為了身份識(shí)別領(lǐng)域研究的熱點(diǎn)。 本文主要介紹基于 PCA 的人臉識(shí)別 算法的實(shí)現(xiàn)， 除第一章外，其余 內(nèi)容按照人臉識(shí)別的流程可分為 人臉圖像獲取，人臉圖像預(yù)處理，人臉特征提取和 特征匹配 四個(gè)部分。 第四章 主要介紹 PCA 算法， SVD 定理 ， 如何通過(guò) PCA和 SVD 提取人臉特征 及如何使用 最近鄰法分類器 歐幾里得距離來(lái) 進(jìn)行 判別分類 。 不過(guò) 1990 年以來(lái)，才得到了長(zhǎng)足的進(jìn)步。研究人員做了大量關(guān)于如何提取面部剪影曲線的結(jié)構(gòu)特征的研究。 后來(lái)很多人臉識(shí)別技術(shù)都與特征臉有 關(guān) ，現(xiàn)在特征臉已與歸一化的協(xié)相關(guān)量方法一起成為了人臉識(shí)別性能測(cè)試的基準(zhǔn)算法。該方法目前依然是 主流人臉識(shí)別方法 中的一種 ，產(chǎn)生了很多變種 ，比如子空間判別模型等。對(duì)于輸入的圖像，其通過(guò)一種優(yōu)化搜索策略來(lái)定位預(yù)先定位的若干面部關(guān)鍵特征點(diǎn)，同時(shí)提取它們的 Jet 特征，得到輸入人臉圖像的屬性圖。其在本質(zhì)上是基于統(tǒng)計(jì)的低維 對(duì)象描述方法，與 PCA 相比，局部特征分析在全局主 成分分析的基礎(chǔ)上提取的是局部特征。它是人臉建模方面的一個(gè)新的進(jìn)步。 ，也誕生幾個(gè)著名的人臉識(shí)別系統(tǒng)。 光照和姿態(tài)問(wèn)題成為了研究焦點(diǎn)。 總體而 言，目前非理想成像條件下（尤其是光照和姿態(tài)），對(duì)象不配合，大規(guī)模人臉數(shù)據(jù)庫(kù)上的人臉識(shí)別已逐漸成為研究的重點(diǎn)。 人臉圖像維數(shù)都很高， PCA 方法不但很好表征人臉而且通過(guò)去除相關(guān)性，減少冗余，解決了在人臉識(shí) 別過(guò)程中圖像為數(shù)過(guò)高的問(wèn)題 。人臉識(shí)別的難度在于：人臉是非剛性物體，并且會(huì)隨著年齡的增長(zhǎng)而改變，特征難以完全描述；人臉常常有許多遮擋物，如：眼鏡，帽子等；環(huán)境的光照和人臉的姿態(tài)等。 二 、 動(dòng)態(tài)跟蹤人臉識(shí)別系統(tǒng) 目前的靜態(tài)人臉識(shí)別技術(shù)只能滿足一般身份識(shí)別場(chǎng)合如門禁系統(tǒng)，考勤系統(tǒng)等，無(wú)法進(jìn)行人臉的動(dòng)態(tài)跟蹤與識(shí)別。隨著神經(jīng)網(wǎng)絡(luò)的理論研究的深入，與小波，混沌，模糊集等非線性理論相結(jié)合已成為一個(gè)非常重要的發(fā)展方向。三維人臉相比較于二維圖像提供了更加完整的人臉信息。 六 、 全自動(dòng)人臉識(shí)別技術(shù) 全自動(dòng)人臉識(shí)別技術(shù)目前還處于初級(jí)研究階段，識(shí)別效果和速度離實(shí)際的要求還相差甚遠(yuǎn)。但在人員不配合，采集條件不理想下，系統(tǒng)的性能陡然下降。 二 、 光照問(wèn)題 關(guān)照問(wèn)題是計(jì)算機(jī)視覺(jué)存在已久的問(wèn)題，尤其在人臉識(shí)別中表現(xiàn)得更加明顯。如何提高人臉識(shí)別系統(tǒng)對(duì)姿態(tài)的魯棒性是人臉識(shí)別中一個(gè)具有挑戰(zhàn)性的任務(wù)。 由于 目前的計(jì)算機(jī)技術(shù)的限制，計(jì)算機(jī)還不能準(zhǔn)確的定位這些面部特征點(diǎn)，也無(wú)法辨別面部肌肉的運(yùn)動(dòng)。 五 、 遮擋問(wèn)題 對(duì)于非配合情況下，采集到的人臉圖像一般都不是完整的，這會(huì)影響人臉特征提取與識(shí)別，可能還會(huì)導(dǎo)致人臉檢測(cè)算法的 失效 。這樣做的目的 只 是讓我們的工作重心集中在 分析 PCA 人臉識(shí)別算法 性能上。 二 、 預(yù)處理 預(yù)處理 是為了除去噪聲 和對(duì)測(cè)量?jī)x器或其他因素對(duì)人臉圖像造成退化現(xiàn)象進(jìn)行復(fù)原。 常用的人臉預(yù)處理有人臉圖像灰度化，人臉圖像二值化，人臉圖像歸一化，直方圖修正，圖像濾波和圖像銳化。由于物理特征和結(jié)構(gòu)特征容易被察覺(jué)，觸覺(jué)以及其他感覺(jué)器官所感知，所以人類常常是利用這些特征來(lái) 對(duì)對(duì)象進(jìn)行識(shí)別。因此，如何把高維測(cè)量空間壓縮到低維 特征空間，以便有效的設(shè)計(jì)分類器，便成為了一個(gè)值得思考的問(wèn)題。 2. 特征 提取 原始數(shù)據(jù)組成的空間 被稱為 測(cè)量空間。 3. 特征選擇 從一組特征中挑出一些最有效的特征從而達(dá)到降低特征空間維數(shù)目的的過(guò)程稱為特征選擇。特征提取是通過(guò)某種變換的方法組合原有的高維特征，從而得到一組低維的特征。在本文主要講解 使用 最近鄰法分類器 歐幾里得距離 來(lái) 判別人臉圖像 ，在實(shí)際廣泛使用的還有基于 SVM即支持向量機(jī)，基于神經(jīng)網(wǎng)絡(luò)和圖匹配的方法。在人臉識(shí)別技術(shù)的主要難點(diǎn)小節(jié)主 要講解人臉識(shí)別的主要技術(shù)難點(diǎn)及本文是在什么樣的條件進(jìn)行試驗(yàn)的。但是采集設(shè)備成像原理各異，有些設(shè)備對(duì)某類人臉圖像的采集效果比較好，進(jìn)而人臉識(shí)別率高，對(duì)不同類的人臉圖像采集效果差，進(jìn)而人臉識(shí)別率低。靜態(tài)人臉圖像的采集相對(duì)比較簡(jiǎn)單，用數(shù)碼相機(jī)即可獲取。上述問(wèn)題是由 人臉 的多變性產(chǎn)生的。一般而言，動(dòng)態(tài)人臉圖像采集應(yīng)用于特殊場(chǎng)合，如犯罪識(shí)別過(guò)程，而靜態(tài)人臉圖像采集應(yīng)用于普通的安全場(chǎng)合。人臉?lè)指顚儆趫D像分割，是人臉識(shí)別系統(tǒng)中不可缺少的一環(huán)。其包含有基于邊緣檢測(cè)的方法，基于閥值的方法和基于區(qū)域增長(zhǎng)的方法。 10 基于邊緣的分割方法需要兩個(gè)步驟，分別為邊緣檢測(cè)和邊緣連接。全局閥值方法是使用整個(gè)圖像的灰度信息，來(lái)得到用于分割的閥值。對(duì)于灰度差不明顯的圖像，得不到令人滿意的結(jié)果。然后對(duì)相鄰區(qū)域所 有邊界進(jìn)行分析，若便捷信息強(qiáng)，則邊界不變，若邊界信息弱 ，則消除個(gè)邊界并合并相應(yīng)的鄰 域。 基于模型的方法，都是通過(guò)引入統(tǒng)計(jì)信息來(lái)得到高魯棒性。 第 三 節(jié) 人臉數(shù)據(jù)庫(kù) 人臉數(shù)據(jù)庫(kù)是人臉識(shí)別研究，開發(fā)和評(píng)測(cè)不可缺少的。所有人臉識(shí)別系統(tǒng)都是在一定的約束條件進(jìn)行的。 MIT 人臉數(shù)據(jù)庫(kù)有麻省理工大學(xué)媒體實(shí)驗(yàn)室建立，由 16 位志愿者的2592 副多姿態(tài)，多光照和不同大小的圖像組成。由于其人臉變化模式較少，現(xiàn)已很少使用。任何人都可以下載它的人臉數(shù)據(jù)庫(kù)，但是你不能發(fā)布，打印，銷售或發(fā)行這些圖像。 Faces96 和 grimace 是這個(gè)數(shù)據(jù)庫(kù)最難識(shí)別的。 faces94 數(shù)據(jù)庫(kù)中人臉圖像是在 受試者坐在距離相機(jī)固定位置，并要求講話的情況下采集而成 。 國(guó)內(nèi)人臉數(shù)據(jù)庫(kù) 有中科院計(jì)算技術(shù)研究所銀晨科技面向識(shí)別聯(lián)合實(shí)驗(yàn)室建立的 CAS—PEAL 人臉數(shù)據(jù)庫(kù)。 CASE— PEAL— R1 為 CASE— PEAL 的共享版，可以提供給研究人員用以研究使用。在人臉數(shù)據(jù)庫(kù)一節(jié)中，主要介紹了常用的人臉數(shù)據(jù)庫(kù)及本文的實(shí)驗(yàn)是在 Essex 人臉數(shù)據(jù)庫(kù)中我們選擇出來(lái)的子庫(kù)中進(jìn)行的。 一 、 JPEG格式 JPEG 文件格式是常用的圖像文件格式。它是一種靈活的格式，可以調(diào)節(jié)圖像質(zhì)量，允許使用不同壓縮比例壓縮文件。 JPEG2021 通常被認(rèn)為是未來(lái)取代 JPEG（基于離散余弦變換）的下一代圖像壓縮標(biāo)準(zhǔn)。此外，JPEG2021 還支持所謂的 感興趣區(qū)域 特性，可以任意指定影像上感興趣區(qū)域的壓縮質(zhì)量，還可以選擇指定的部分先解壓縮。 三 、 BMP 格式 BMP(BitmapFile） 圖形文件是 Windows 采用的圖形文件格式，在 Windows 環(huán)境下運(yùn)行的所有圖象處理軟件都支持 BMP 圖象文件格式。 Windows 以后，在系統(tǒng)中仍然存在 DDB 位圖，只不過(guò)如果你想將圖像以 BMP 格式保存到磁盤文件中時(shí)，微軟極力推薦你以 DIB 格式保存 。 四 、 GIF 格式 GIF 圖像互換格式（ Graphics Interchange Format） 是 CompuServe 公司在 1987 年開發(fā)的圖像文件格式。 GIF 圖像文件的數(shù)據(jù)是經(jīng)過(guò)壓縮的，而且是采用了可變長(zhǎng)度等壓縮算法。據(jù) Unisys 公司稱，他們已注冊(cè)了 LZW 算法中的 W 部分。它一方面滿 足了市場(chǎng)對(duì)更少的法規(guī)限制的需要，另一方面也帶來(lái)了更少的技術(shù)上的限制，如顏色的數(shù)量等。與 GIF 相關(guān)的專利于 2021 年 8 月 11 日過(guò)期。流式網(wǎng)絡(luò)圖形格式 (Portable Network Graphic Format， PNG)名稱來(lái)源于非官方的 “PNG39。 PNG 是目前保證最不失真的格式，它綜合 GIF 和 JPG 兩者的優(yōu)點(diǎn)，存儲(chǔ)形式豐富，兼有GIF 和 JPG 的色彩模式。 PNG 的缺點(diǎn)是不支持動(dòng)畫應(yīng)用效果。常用的人臉預(yù)處理有：灰度變化，二值化 ，直方圖 均衡 ，圖像濾波，圖像銳化和歸一化處理。彩色圖像有紅綠藍(lán)三原色組合而成，灰度圖像只含有亮度信息，并且灰度圖像的亮度為連續(xù)變化的，所以灰度圖像要對(duì)亮度值進(jìn)行量化，為 0255，共 256 個(gè)等級(jí)。[ , ]ab ，則 它們 之間關(guān)系為 39。對(duì)數(shù)變換和指數(shù)變換分別為 ln [ ( , ) 1 ]( , )lnf i jg i j a bc ??? ? （ ） [ ( , ) ]( , ) 1c f i j ag i j b ??? （ ） 其中 a, b, c 用來(lái)調(diào)整曲線的位置和形狀。 二 、 二值化 二值化是通過(guò)選取適當(dāng)?shù)拈y值將灰度圖像的灰度值從 0 到 255 變換為只有 0 和 255 的黑白圖像。假設(shè)圖像為 g( , )nm ，灰度范圍為 1[ , ]mkk ，t 為 1k 和 mk 之間選擇的一個(gè)合適的灰度值，轉(zhuǎn)換后的圖像為 g( , )k nm ，則轉(zhuǎn)換關(guān)系為 0 g ( , )( , )2 5 5 g ( , )k n m tg n m n m t??? ? ?? （ ） 局部閥值法：它是根據(jù)當(dāng)前像素的灰度值和此像素周圍點(diǎn)局部灰度特征值來(lái)共同決定閥值。動(dòng)態(tài)閥值法適應(yīng)性和性能都比較好，實(shí)際中對(duì)于人臉識(shí)別常采用此法進(jìn)行二值化。選擇函數(shù)可以連續(xù)平滑函數(shù)，也可以是分段函數(shù)。全局處理類的方法需要了解信號(hào)和噪聲的統(tǒng)計(jì)模型。 領(lǐng)域 N 的大小控制著濾波程度，對(duì)應(yīng)大卷積模板的大尺度鄰域會(huì)加大濾波程度。 2. 高斯平滑濾波器 由于高斯函數(shù)的傅里葉變換仍是高斯變換，因此高斯函數(shù)能構(gòu)成一個(gè)在頻域具有平滑性能的低通濾波器，它對(duì)去除服從正態(tài)分布的噪音非常有效。二維高斯函數(shù)具有旋轉(zhuǎn)對(duì)稱性，即濾波器各個(gè)方向上的平滑程度是相同的，這就意味著高斯平滑濾波器在后續(xù)邊緣檢測(cè)中不會(huì)偏向任一方向。這就意味著平滑圖像不會(huì)被不需要的高頻信號(hào)所污染，同時(shí)保留了大部分所需信號(hào)。 高斯函數(shù)的可分理性，使得高斯濾波器可以有效地 實(shí)現(xiàn)。它在平滑脈沖噪聲方面非常有效，同時(shí)它可以保護(hù)像素尖銳的邊緣。例如，取 4*4 窗函數(shù)，計(jì)算以點(diǎn) [i,j]為中心的窗函數(shù)的像素中值時(shí)，首先按強(qiáng)度值大小排列像素點(diǎn)，然后選擇排序像素集的中間值作為點(diǎn) [i,j]的新值。邊緣保持濾波器結(jié)合兩者的優(yōu)點(diǎn)，在濾除噪聲脈沖的同時(shí)，也不會(huì)使圖像的邊緣十分模糊。 五 、 圖像銳化 圖像銳化用于解決圖像提取，圖像傳輸及相關(guān)處理過(guò)程受到某些因素影響而變得模糊。常用的圖像銳化方法為拉普拉斯銳化。 六 、 圖像歸一化 圖像歸一化包括灰度歸一化和幾何歸一化。 幾何歸一化主要的內(nèi)容有大小矯正，平移，旋轉(zhuǎn)和翻轉(zhuǎn)。翻轉(zhuǎn)是為了使目標(biāo)圖像中的人臉保持在正面位置。( , )( , )xyx F x yy F x y? ??? ??? （ ） 進(jìn)行轉(zhuǎn)換，其中 ,xyFF為直接校正變換函數(shù) 。39。把通過(guò)上式得到畸變圖像位置上的灰度值去除添回 到空白校正圖像點(diǎn)陣中相應(yīng)的位置上，并且還需要經(jīng)過(guò)灰度內(nèi)插來(lái)確定 (x,y)的位置的灰度值。 它是一種 非常流行和實(shí)用的 數(shù)據(jù)分析 技術(shù) ， 最重要的應(yīng)用是對(duì)原有數(shù)據(jù)進(jìn)行簡(jiǎn)化。 PCA被 稱為 應(yīng)用線形代數(shù)最 有 價(jià)值的結(jié)果之一 。最后將分析 PCA 理論模型的假設(shè)條件以及針對(duì)這些條件可能進(jìn)行的改進(jìn)。在神經(jīng)科學(xué)、氣象學(xué)、海洋學(xué)等等學(xué)科實(shí)驗(yàn)中，假設(shè)的變 量個(gè)數(shù) 往往 非常之多 ， 但是真正的影響因素以及它們之間的關(guān)系可能又是非常之簡(jiǎn)單的 。假設(shè)球是連接在一個(gè)無(wú)質(zhì)量無(wú)摩擦的彈簧之上，從平衡位置沿 x軸拉開一定的距離然后釋放 。那么，一般來(lái)說(shuō)，必須記錄下球的三維位置 (x0,y0,z0)。經(jīng)過(guò)實(shí)驗(yàn)，系統(tǒng) 的攝像機(jī)記錄 了 幾分鐘球的位置 序列。如何去除噪音 是實(shí)驗(yàn)者 每天 都要思考和解決的問(wèn)題 。 三 、 基變換 從線形代數(shù)的角度來(lái)看 ， PCA的目標(biāo)就是使用另一組基去重新描述得到的數(shù)據(jù)空間。 PCA 的目標(biāo)就是找到這樣的 “ 主元 ” ，最大程度的去除冗余和噪音的干擾。由線形代數(shù) 知識(shí)可以 知道，在 m 維向量空間中的每一個(gè)向量都是一組正交基的線形組合。假設(shè)采集數(shù)據(jù)點(diǎn)是 (2,2)，一般并不會(huì) 記錄 (2 2,0) 。 121 0 00 1 00 0 1mbbBIb?? ???