【正文】 光照的變化是很多識別系統(tǒng)不能解決的問題，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)過計算量和有無快速算法的比較，DCT 變換較小波變換和 KL 等其他變化有一定的優(yōu)勢，所以，在做人臉特征提取時取 2D－DCT 變換后的若干項低頻系數(shù)。然后利用前向－后向算法或者Viterbi算法計算出觀察值序列O(,)AB????在這個模型下的 。,1iOT?（2） 建立一個通用的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(論文) 第 31 頁從上式可以看出， 是適于離散信號在廣義頻域上的直流分量，與10()()NXFfx???傅里葉變換相同，是時域信號的均值。離散余弦變換DCT（Discrete Cosine Transform，DCT）是一種實數(shù)域的變換，是簡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，可以把人臉分為五個狀態(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，最后得到模型估計參數(shù) 。這里所說的最佳意義上的狀態(tài)序列 ，P?是指使 最大時確定的狀態(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”來表示，后一個狀態(tài)出現(xiàn)的概率決定于其以前出現(xiàn)過的狀態(tài)次序。1,jNkM?這樣，可以記一個隱馬爾可夫模型 為 或簡寫為()HM(,)NAB??? 西南交通大學(xué)本科畢業(yè)設(shè)計(論文) 第 19 頁。 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。馬爾可夫過程是指具有無后效性的隨機過程，t時刻的狀態(tài)與t1之前的狀態(tài)和t之后的狀態(tài)無關(guān)，只與t1時刻的狀態(tài)有關(guān)。人臉特征被表述成參數(shù)模板。因而實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現(xiàn)模板匹配，用來增加適應(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的人臉檢測方法。CMU的Schneideman等提出一種基于后驗概率估計的人臉檢測方法。Sung 等使用樣本到各個簇中心的距離訓(xùn)練一個多層感知器進行分類。 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，分別檢測眼睛、鼻子和嘴巴。檢測效果比較理想。4. 對稱性人臉具有一定的軸對稱性，器官也具有一定的對稱性，比如人的左右眼睛是對稱的等。Ying Dai等人用SGLD矩陣（灰度級相關(guān)矩陣）實現(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(論文) 第 10 頁人臉檢測基于膚色的方法基于統(tǒng)計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 人臉檢測主要方法分類對于彩色的圖像或者視頻流，一般先使用彩色和運動特征縮小檢測區(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題，它地自組織、自適應(yīng)學(xué)習(xí)功能能放松傳統(tǒng)識別方法所需的約束條件，所以神經(jīng)網(wǎng)絡(luò)技術(shù)對某些識別問題顯示出很大的優(yōu)越性。計算機視覺是一門用計算機來實現(xiàn)人的視覺功能，實現(xiàn)客觀三維世界的識別的學(xué)科。信息處理過程的一個重要形式是生命體對環(huán)境及客體的識別。人臉識別：我們最終的目的就是要把人臉給識別出來，將待識別的圖像的特征與庫里圖像的特征進行匹配，它要解決的問題是將某張人臉與庫里已登記的某個名字或代號對應(yīng)起來。（）使用積分投影方法計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(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。進入九十年代，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。 雖然人類的人臉識別能力很強， 能夠記住并辨別上千個不同人臉， 可是計算機則困難多了。 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 .........................................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 .....................................................51 用 Yale 人臉庫進行人臉識別試驗 ................................51 用 ORL 人臉庫進行人臉識別試驗 .................................54 用自建的人臉庫進行人臉識別試驗 ...............................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