【正文】 ................................................... 6 三、特征提取 .................................................... 6 第五節(jié) 本章小結(jié) .................................................... 8 第二章 人臉圖 像的獲取 ................................................. 9 第一節(jié) 人臉圖像獲取 ................................................ 9 第二節(jié) 人臉?lè)指? .................................................... 9 第三節(jié) 人臉數(shù)據(jù)庫(kù) ................................................. 10 第四節(jié) 本章小結(jié) ................................................... 11 第三章 人臉圖像的預(yù)處理 .............................................. 12 第一節(jié) 人臉圖像格式 ............................................... 12 一、 JPEG 格式 ................................................... 12 二、 JPEG2021 格式 ............................................... 12 V 三、 BMP 格式 .................................................... 13 四、 GIF 格式 .................................................... 13 五、 PNG 格式 .................................................... 14 第二節(jié) 人臉圖像常用預(yù)處理方法 ..................................... 14 一、灰度變化 ................................................... 14 二、二值化 ..................................................... 15 三、直方圖均衡 ................................................. 15 四、圖像濾波 ................................................... 16 五、圖像銳化 ................................................... 17 六、圖像歸一化 ................................................. 18 第三節(jié) 本章小結(jié) ................................................... 19 第四章 人臉識(shí)別 ...................................................... 20 第一節(jié) 主成分分析基本理論 ......................................... 20 一、什么是主成分分析？ ......................................... 20 二、例子 ....................................................... 20 三、基變換 ..................................................... 21 四、方差 ....................................................... 24 五、 PCA 求解：特征根分解 ........................................ 27 六、 PCA 的假設(shè) .................................................. 28 七、總結(jié)： ..................................................... 29 八、在計(jì)算機(jī)視覺(jué)領(lǐng)域的應(yīng)用 ..................................... 31 第二節(jié) 基于 PCA 人 臉識(shí)別算法的實(shí)現(xiàn) ................................. 32 一、創(chuàng)建數(shù)據(jù)庫(kù) ................................................. 32 二、計(jì)算特征臉 ................................................. 33 三、人臉識(shí)別 ................................................... 35 第三節(jié) 本章小結(jié) ................................................... 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。 本文 研究的就是基于 PCA 的人臉識(shí)別算法的實(shí)現(xiàn) 。 I 畢業(yè)設(shè)計(jì)（論文） 設(shè)計(jì)（論文）題目： 基于 PCA 的人臉識(shí)別 算法實(shí)現(xiàn) II 摘 要 隨著科技的發(fā)展，人類(lèi)社會(huì)的進(jìn)步 ， 傳統(tǒng)身份識(shí)別由于容易遺失，容易被破解已不能起到身份識(shí)別作用。 本文按照完整人臉識(shí)別流程來(lái)分析基于 PCA 的人臉識(shí)別算法實(shí)現(xiàn)的性能。各種技術(shù)在科研和實(shí)際中都受到了很大的重視和發(fā)展。具體安排如下 : 第一章 主要介紹人臉識(shí)別的研究 現(xiàn)狀 ，人臉識(shí)別技術(shù)的主要難點(diǎn)及人臉識(shí)別流程 ?，F(xiàn)在，已變成計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)焦點(diǎn)，很多著名的大學(xué)和 IT 公司都有研究組在從事這發(fā)面的研究。 這個(gè)時(shí)期的 主要成果有： 1992 年 左右， Brunelli 和 Poggio 做了一個(gè) 基于結(jié)構(gòu)特征的方法和基于模板匹配的方法性能 對(duì)比 的實(shí)驗(yàn)，并得出了模塊匹配的方法優(yōu)于基于特征的方法的結(jié)論。最后通過(guò)計(jì)算其與已知人臉屬性圖的相似度來(lái)完成識(shí)別過(guò)程。其主要將人臉描述為 2D形狀和紋理兩個(gè)分離的部分，分別用 PCA 建模，然后再通過(guò) PCA[3,4,5]將兩者合成來(lái)對(duì)人臉建模。 這個(gè)時(shí)期主要成果有： Gehiades 等人基于光照錘模型的多姿態(tài)，多光照條件人臉識(shí)別方法。 并 且隨著現(xiàn)代社會(huì)的發(fā)展，快速人臉識(shí)別的需求越來(lái)越大 。隨著現(xiàn)在社會(huì)的發(fā)展，目前對(duì)動(dòng)態(tài)人臉的跟蹤與識(shí)別的需求越來(lái)越大，尤其是在一些安全領(lǐng)域。隨著現(xiàn)在三維人臉采集技術(shù)的逐步發(fā)展，如何利用三維人臉進(jìn)行人臉識(shí)別已成為一個(gè)新的研究熱點(diǎn)。 目前的主要的難點(diǎn)為： 一 、 復(fù)雜條件下人臉的檢測(cè)和關(guān)鍵點(diǎn)定位 人臉檢測(cè)和關(guān)鍵點(diǎn)定位為實(shí)際人臉識(shí)別系統(tǒng)的前端處理模塊，此模塊直接影響著人臉識(shí)別系統(tǒng)的性能。 四 、 表情問(wèn)題 表情識(shí)別是生物特征識(shí)別的中的一種，是人機(jī)交互不可或缺的部分。 如何有效地排除遮擋物的影響有著非常重要的意義，如在監(jiān)控環(huán)境下。 從傳感器采集到圖像除了包含人臉特征信息，還包含背景信息，所以必須從原始人臉圖像分割出 我們要處理的部分。對(duì)于計(jì)算機(jī)而言，模擬人類(lèi)的感覺(jué)器官是很難實(shí)現(xiàn)的，但計(jì)算機(jī)在處理數(shù)學(xué)特征的能力上要比人類(lèi)強(qiáng)得多，因此我們通過(guò)諸如協(xié)方差矩陣，統(tǒng)計(jì)平均值和相關(guān)系數(shù)等數(shù)學(xué)特征來(lái)構(gòu)建人臉識(shí)別系統(tǒng)。由于測(cè)量空間的維數(shù)一般都很高，不易設(shè)計(jì)分類(lèi)器，所以在分類(lèi)器設(shè)計(jì)之前，需要從測(cè)量空間變換到維數(shù)很少的特征空間，由特征向量表示。而特征選擇是根據(jù)專(zhuān)家的檢驗(yàn)知識(shí)或評(píng)價(jià) 準(zhǔn)則來(lái)挑選對(duì)分類(lèi)最有影響的特征。 人臉識(shí)別小節(jié)講解本文人臉識(shí)別的流程。動(dòng)態(tài)人臉圖像相比靜態(tài)人臉圖像獲取難度較大，但其更加貼近實(shí)際需求，應(yīng)用場(chǎng)合更加廣闊。 對(duì)于靜態(tài)人臉圖像采集要注意要確保人臉表情正常，姿態(tài)無(wú)傾斜，光線盡量均勻，并且要對(duì)周?chē)墓庠醋霰匾奶幚恚苊馐艿街車(chē)鷱?qiáng)光和不均 勻異色光的干擾?；谀Ｐ偷姆椒ㄐ枰闰?yàn)知識(shí)。局部閥值方法是圖像不同區(qū)域得到對(duì)應(yīng) 不同區(qū)域的閥值即一個(gè)閥值對(duì)應(yīng)圖像的一個(gè)子區(qū)域。它是一個(gè)迭代過(guò)程，每一步重新計(jì)算邊界信息，若沒(méi)有區(qū)域合并，迭代完成，圖像分割完成。每個(gè)人臉識(shí)別系統(tǒng) 都需要 一個(gè) 人臉數(shù)據(jù)庫(kù)。 PIE 人臉數(shù)據(jù)庫(kù)有卡內(nèi)基梅隆大學(xué)建立，由 11 68 位志愿者的 41368 副不同姿態(tài)，多光照和不同表情的圖像組成。這個(gè)人臉數(shù)據(jù)庫(kù) 由 Libor Speacek 博士主持的計(jì)算機(jī)視覺(jué)研究項(xiàng)目 在維護(hù)。 講話的目的是為了采集面部表情的變化。其中研究人員 指的是 研究生導(dǎo)師或其他固定職位的研究員，不 包括 學(xué)生。它是由聯(lián)合照片專(zhuān)家組 （ Joint Photographic Experts Group） 開(kāi)發(fā)的，并且命名為“ ISO109181”， JPEG 僅僅是一種俗稱(chēng)而已。 JPEG2021 文件的擴(kuò)展名 為 jp2。 Windows 系統(tǒng)內(nèi)部各圖像繪制操作都是以 BMP為基礎(chǔ)的。 GIF 文件的數(shù)據(jù)，是一種基于 LZW 算法的連續(xù)色調(diào)的無(wú)損壓縮格式。如果要開(kāi)發(fā)生成（或顯示） GIF 文件的程序，則需向該公司支付版稅。 GIF 格式的特點(diǎn)是壓縮比高，磁盤(pán)空間占用少。它能將圖像文件壓縮到極限以利于網(wǎng)絡(luò)傳輸，又能保留所有與圖像品質(zhì)相關(guān)的信息。 一 、 灰度變化 人臉識(shí)別的研究常以灰度圖像為處理對(duì)象。39。在人臉識(shí)別中二值化用來(lái)把人的頭發(fā)，眼睛，臉的輪廓及背影與人臉的亮域分開(kāi)。 三 、 直方圖 均衡 直方圖 均衡是將將各灰度級(jí)分量盡量均勻分布，從而來(lái)增強(qiáng)人臉圖像的對(duì)比度。人臉圖像預(yù)處理經(jīng)常使用后一類(lèi)方法。 一維零均值高斯函數(shù)為： 222() xg x e ??? （ ） 其中高斯分布參數(shù) ? 決定了高斯濾波器的寬度。 高斯濾波器寬度決定著平滑程度，是由 ? 表征的。它用像素點(diǎn)鄰域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值。 邊緣保持算法的基本過(guò)程為：對(duì)灰度圖像的每一個(gè)像素點(diǎn) [i,j]取適當(dāng)大小的一個(gè)鄰域，分別計(jì)算 [i,j]的左上角子鄰域，左下角子鄰域，右上角子鄰域和右下角子鄰域的灰度分布均勻度V，然后取最小均勻度對(duì)應(yīng)區(qū)域的均值作為該像素的新灰度值。 假設(shè)拉普拉斯算子為 2f? 即 222 fffxy??? ? ? 離散數(shù)字圖像為 (, )f i j ，其一階偏導(dǎo)數(shù)為 ( , ) ( , ) ( 1 , )( , ) ( , ) ( , 1 )xyf i j f i j f i jxf i j f i j f i jy?? ? ? ? ?? ??? ?? ? ? ? ???? （ ） ，則其二階偏導(dǎo)數(shù)為 2222( , ) ( 1 , ) ( 1 , ) ( 1 , ) ( 1 , ) 2 ( , )( , ) ( , 1 ) ( , ) ( , 1 ) ( , 1 ) 2 ( , )xyf i j f i j f i j f i j f i j f i jxf i j f i j f i j f i j f i j f i jy? ? ? ? ? ? ? ? ? ? ? ?? ??? ?? ? ? ? ? ? ? ? ? ??