【正文】 光照的變化是很多識(shí)別系統(tǒng)不能解決的問(wèn)題，作為分析基礎(chǔ)數(shù)據(jù)的觀察向量，不應(yīng)該直接取采樣圖像塊內(nèi)像素的灰度值，經(jīng)過(guò)計(jì)算量和有無(wú)快速算法的比較，DCT 變換較小波變換和 KL 等其他變化有一定的優(yōu)勢(shì)，所以，在做人臉特征提取時(shí)取 2D－DCT 變換后的若干項(xiàng)低頻系數(shù)。然后利用前向－后向算法或者Viterbi算法計(jì)算出觀察值序列O(,)AB????在這個(gè)模型下的 。,1iOT?（2） 建立一個(gè)通用的HMM模型 ，確定模型的狀態(tài)數(shù)，允許的狀態(tài)轉(zhuǎn)(,)AB???移和觀測(cè)序列向量的大小。0,.)??F為廣義頻譜矩陣。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 第 31 頁(yè)從上式可以看出， 是適于離散信號(hào)在廣義頻域上的直流分量，與10()()NXFfx???傅里葉變換相同，是時(shí)域信號(hào)的均值。離散余弦變換DCT（Discrete Cosine Transform，DCT）是一種實(shí)數(shù)域的變換，是簡(jiǎn)化傅里葉變換的重要方法，已經(jīng)在圖像壓縮編碼中得到廣泛運(yùn)用。為了得到人臉圖像的觀察值序列，可以把整幅圖像從上到下順序提取出若干高度為L(zhǎng)的子圖像(圖像塊)，用于生成觀察值序列。根據(jù)隱馬爾可夫模型的定義和人臉的特征，可以把人臉?lè)譃槲鍌€(gè)狀態(tài)，分別與額頭、眼睛、鼻子、嘴巴和下巴相聯(lián)系，在這里狀態(tài)數(shù)N=5。因此，Baum－Welch 算法利用遞歸的思想，使 達(dá)到局部極大，最后得到模型估計(jì)參數(shù) 。這里所說(shuō)的最佳意義上的狀態(tài)序列 ，P?是指使 最大時(shí)確定的狀態(tài)序列 。圖由 推導(dǎo) ，令 為在給定模型參1()tj??()ti()ti?數(shù) ，且 條件下產(chǎn)生觀察序列 ～ 的部分概率。|)trtiiPOqs????與 的關(guān)系。馬爾可夫模型的特征主要用“轉(zhuǎn)移概率”來(lái)表示，后一個(gè)狀態(tài)出現(xiàn)的概率決定于其以前出現(xiàn)過(guò)的狀態(tài)次序。1,jNkM?這樣，可以記一個(gè)隱馬爾可夫模型 為 或簡(jiǎn)寫為()HM(,)NAB??? 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 第 19 頁(yè)。 隱馬爾可夫模型HMM構(gòu)成元素 [16]HMM的狀態(tài)是隱含的，可以觀察到的是各個(gè)狀態(tài)產(chǎn)生的非確定的觀察值，因此稱為隱馬爾可夫模型。隱馬爾可夫模型具有一組已經(jīng)設(shè)置好的參數(shù)，它們可以最好的解釋特定類別中的樣本。馬爾可夫過(guò)程是指具有無(wú)后效性的隨機(jī)過(guò)程，t時(shí)刻的狀態(tài)與t1之前的狀態(tài)和t之后的狀態(tài)無(wú)關(guān)，只與t1時(shí)刻的狀態(tài)有關(guān)。人臉特征被表述成參數(shù)模板。因而實(shí)際采用中多采用多分辨率、多尺度、多子模板和可變形模板實(shí)現(xiàn)模板匹配，用來(lái)增加適應(yīng)性和準(zhǔn)確性。SVM的訓(xùn)練使用了大量人臉樣本和“自舉”方法收集的“非人臉”樣本，并且使用逼近優(yōu)化的方法減少支持矢量的數(shù)量。 Nefian等還提出了基于嵌入式HMM的人臉檢測(cè)方法。CMU的Schneideman等提出一種基于后驗(yàn)概率估計(jì)的人臉檢測(cè)方法。Sung 等使用樣本到各個(gè)簇中心的距離訓(xùn)練一個(gè)多層感知器進(jìn)行分類。 主分量分析(PCA， PrincipalComponent Analysis)是一種常用的方法。網(wǎng)絡(luò)分為兩層， “子層”網(wǎng)有三個(gè)，分別檢測(cè)眼睛、鼻子和嘴巴。檢測(cè)效果比較理想。4. 對(duì)稱性人臉具有一定的軸對(duì)稱性，器官也具有一定的對(duì)稱性，比如人的左右眼睛是對(duì)稱的等。Ying Dai等人用SGLD矩陣（灰度級(jí)相關(guān)矩陣）實(shí)現(xiàn)了在復(fù)雜背景中的人臉定位。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 第 10 頁(yè)人臉檢測(cè)基于膚色的方法基于統(tǒng)計(jì)模型的方法基于模板匹配的方法基于外觀輪廓的方法其他另外的方法基于特征空間基于人工神經(jīng)網(wǎng)絡(luò)基于支持向量基于概率模型 圖2－3 人臉檢測(cè)主要方法分類對(duì)于彩色的圖像或者視頻流，一般先使用彩色和運(yùn)動(dòng)特征縮小檢測(cè)區(qū)域。Dai 等提取空間灰度共現(xiàn)矩陣（SGLD）特征等等。輪廓是人頭部的重要特征。 一般而言，常用的膚色模型有高斯模型、混合高斯模型和直方圖模型。下圖2－1是人臉模式的特征圖 [11]。(3) 圖像的成像條件，如攝像設(shè)備的焦距、成像距離，圖像獲得的途徑等等。由于它的高魯棒性能解決輸入模式有噪聲干擾和部分有缺損地問(wèn)題，它地自組織、自適應(yīng)學(xué)習(xí)功能能放松傳統(tǒng)識(shí)別方法所需的約束條件，所以神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)某些識(shí)別問(wèn)題顯示出很大的優(yōu)越性。計(jì)算機(jī)視覺(jué)是一門用計(jì)算機(jī)來(lái)實(shí)現(xiàn)人的視覺(jué)功能，實(shí)現(xiàn)客觀三維世界的識(shí)別的學(xué)科。信息處理過(guò)程的一個(gè)重要形式是生命體對(duì)環(huán)境及客體的識(shí)別。人臉識(shí)別：我們最終的目的就是要把人臉給識(shí)別出來(lái)，將待識(shí)別的圖像的特征與庫(kù)里圖像的特征進(jìn)行匹配，它要解決的問(wèn)題是將某張人臉與庫(kù)里已登記的某個(gè)名字或代號(hào)對(duì)應(yīng)起來(lái)。（）使用積分投影方法計(jì)算出一族人臉特征參數(shù)，再利用模式分類技術(shù)與標(biāo)準(zhǔn)人臉匹配。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 第 3 頁(yè)而我國(guó)國(guó)內(nèi)也有不少的人從事人臉識(shí)別研究，主要有上海交通大學(xué)的李介谷等研究基于計(jì)算機(jī)視覺(jué)場(chǎng)模型的人臉識(shí)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(shí)別研究，東南大學(xué)的程永清等從事基于統(tǒng)計(jì)方法，主要是奇異值分解方法的人臉識(shí)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(jiān)平等都在正面人像的識(shí)別方面做過(guò)工作。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。 雖然人類的人臉識(shí)別能力很強(qiáng)， 能夠記住并辨別上千個(gè)不同人臉， 可是計(jì)算機(jī)則困難多了。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 第 I 頁(yè)人臉識(shí)別技術(shù)的研究與設(shè)計(jì)畢業(yè)論文目 錄摘 要 ...............................................................IV第 1 章 緒 論 ..........................................................1 引言 ..............................................................1 國(guó)內(nèi)外研究現(xiàn)狀與人臉識(shí)別的發(fā)展階段 ................................2 人臉識(shí)別的研究?jī)?nèi)容 ................................................3 相關(guān)學(xué)科 ..........................................................4 小結(jié) ..............................................................5第 2 章 人臉檢測(cè)技術(shù)研究 ................................................6 人臉檢測(cè)問(wèn)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(cè)方法分類 ..................................................9 基于知識(shí)的方法 ...............................................10 基于統(tǒng)計(jì)模型的人臉檢測(cè)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(shí)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(jì)(論文) 第 II 頁(yè) 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(shí)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(shí)別工作流程 ................................32 改進(jìn)的隱馬爾可夫模型在人臉識(shí)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(shí)別 ...................................................36 小結(jié) .............................................................37第 4 章 人臉識(shí)別系統(tǒng)設(shè)計(jì)與試驗(yàn) .........................................38 人臉識(shí)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(shí)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(kù) ...............................................48 人臉識(shí)別試驗(yàn) .....................................................51 用 Yale 人臉庫(kù)進(jìn)行人臉識(shí)別試驗(yàn) ................................51 用 ORL 人臉庫(kù)進(jìn)行人臉識(shí)別試驗(yàn) .................................54 用自建的人臉庫(kù)進(jìn)行人臉識(shí)別試驗(yàn) ...............................56結(jié) 論 .................................................................60 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 第 III 頁(yè)致 謝 .................................................................61參 考 文 獻(xiàn) ............................................................62附 錄 ..................................................................64 西南交通大學(xué)本科畢