【正文】 具 。 X=AABBCCxyxyxy???????????????????? （ ） 如果以 200Hz 的頻率拍攝 10分鐘，將得到 10*60*200=120210 個這樣的向量數(shù)據(jù) 。也就是說，標準正交基表現(xiàn)了數(shù)據(jù)觀測的一般方式。舉例來說，上例中每個攝像機記錄的 數(shù)據(jù)坐標為 (x,y)，這樣的基便是 [(1,0),(0,1)]。在這個例子中，沿著某 x 軸上的運動是最重要的。在這個實驗中噪音可能來自空氣、摩擦、攝像機的誤差以及非理想化的彈簧等等。球的運動只是在 x 軸向上發(fā)生，只需要記錄下 x 軸上的運動序列并加以分析即可。 在實際中， 由于實驗環(huán)境和觀測手段的限制，實驗數(shù)據(jù)往往變得極其的復雜 ，混亂 ，而且數(shù)據(jù)存在很大的冗余 。 它的優(yōu) 點 是簡 單 ， 而且無參數(shù)限制，可以方便的應用與各個場合 。39。 直接幾何校正從畸變圖像數(shù)組開始，按照行列的順序，通過 39。這樣做的目的是減弱光照變化對灰度變化而導致人臉識別率降低。但是圖像銳化存在一個前提條件，圖像必須要有較高的信噪比，否則會造成信噪比更低，圖像噪 18 聲增加比圖像信號更多。但對一些細節(jié)多，特別是線，尖點等細節(jié)多的圖像不宜采用中值濾波。因此，二維高斯濾波器的計算量隨著濾波模板寬度線性增長而不是平方增長。這表明，高斯濾波器是用像素鄰域的加權均值來代替該點的像素值，而每一鄰域像素點權值是隨該 點與中心點間距離單調(diào)遞減。在設計線性平滑濾波器時，選擇濾波權值使得濾波器只有一個峰值，稱之為主瓣， 并且在水平和垂直方向上是對稱的。 這樣可以是需要的細節(jié)灰度值區(qū)間得以拉 16 伸，不需要的細節(jié)得以壓縮。 整體閥值法適合圖像質(zhì)量比較好的情況，此時圖像在直方圖一般有兩個峰值。對數(shù)變換可以使圖像低灰度區(qū)有較大拉伸而高灰度區(qū)進行壓縮。常用的經(jīng)驗公式為 gray=*R+*G+*B. 常用變換的方法如下： 線性變換 ：假設圖像為 (, )fij 灰度變化范圍為 [ , ]ab，變換后的圖像為 (, )gi j 灰度變化范圍為 39。并且由于各種條件的限制 ，采集到的原始圖像不能直接進行使用，必須做預處理，即消除噪聲，校正失真，將圖像變化為標準形式。 PNG 用來存儲灰度圖像時，灰度圖像的深度可多到 16 位，存儲彩色圖像時，彩色圖像的深度可多到 48 位。在歐洲、日本及加拿大的專利權亦已分別在 2021 年的 6月 18 日、 6 月 20 日和 7 月 7 日到期失效。 在早期， GIF所用的 LZW 壓縮算法是 Compuserv 所開發(fā)的一種免費算法。 BMP 位圖文件默認的文件擴展名是 BMP 或者 bmp， 有時它也會以 .DIB 或 .RLE作擴展名 。其優(yōu)點在于它結合了接收方對壓縮的主觀需求，實現(xiàn)了交互式壓縮 。目前各類瀏覽器均支持 JPEG 這種圖像格式，因為 JPEG 格式的文件尺寸較小，下載速度快，使得 Web 頁有可能以較短的下載時間提供大量美觀的圖像 ， JPEG 同時也就順理成章地成為網(wǎng)絡上最受歡迎的圖像格式 。 12 第 三 章 人臉圖像的預處理 第一節(jié) 人臉圖像格式 在計算機 中 任何信息都是以文件的形式存儲，圖像信息也不例外，它經(jīng)過采樣，量化和編碼后以圖像文件進行存儲，所以在人臉識別之前 有必要介紹圖像文件格式。該數(shù)據(jù)庫根據(jù)不同的變化因素又分為 7 種 模式子庫。 英國 埃塞克斯大學 計算機視覺研究項目 鼓勵研究者公布使用這個數(shù)據(jù)庫取得人臉識別結果 。采集是在嚴格控制攝像機參數(shù)，光照變化，攝像機距離等條件下進行的。 常用人臉數(shù)據(jù)庫如下： 國外 人臉 數(shù)據(jù)庫 的有 FERET 人臉數(shù)據(jù)庫， MIT 人臉數(shù)據(jù)庫， YALE 人臉數(shù)據(jù)庫， PIE 人臉數(shù)據(jù) 庫， ORL 人臉數(shù)據(jù)庫 ， AR 人臉數(shù)據(jù)庫 和 Essex 人臉數(shù)據(jù) 庫 。模型方法具有豐富的先驗知識，在實際中具有很好的適應性和魯棒性。首先把圖像分割成較小的區(qū)域，有可能非常小，甚至可能是一個像素。但是這個方法也存在問題，實際中由于噪聲的圖像的影響，常常會檢測到假的邊緣，從而導致錯誤的分割。 人臉 分割 比較經(jīng)典的方法有數(shù)據(jù)驅(qū)動和模型驅(qū)動。同時建立人臉圖像間的相關性是有必要的，可以有效的提高識別率。另外，人臉圖像采集的形式不同也會影響識別率。在 人臉識別的研究概況 小節(jié)主要 講解人臉識別的研究 概況 及基于 PCA 人臉識別算法實現(xiàn)的研究意義。從而使得特征選擇和特征提取的任務復雜化。 1. 特征形成 特征形成是根據(jù)被識別對象產(chǎn)生出一組基本特征的過程，當被識別的對象是波形或數(shù)字圖像時，這些特征可以通過計算得來；當被識別對象是實物或某種過程時，這些特征可以用儀表或傳感器測量來得到。 本文講解如何使用 PCA 算法提取人臉特征，進而實現(xiàn)人臉識別。這是人臉識別的第一步。并且同一個人的不同表情之間也沒有 明確的界限。 三 、 資 態(tài)問題 對于姿態(tài)的研究相對不多，現(xiàn)在人臉識別算法主要以正面或準正面姿態(tài)。 如何有效的表達人臉特征將是其研究的重點。 如果能結合兩者的優(yōu)勢，將會取得人臉識別不錯的效果。但是各種技術和方法都有自己不同的適應環(huán)境和各自的 特 點 。 從整個人臉識別的研究歷史來看，基于 PCA 的特征臉 [8,9]識別方法占據(jù)了非常重要的地位，也對后來的人臉識別技術產(chǎn)生甚遠的影響。有大量的研究人員從事這方面的研究。局部 特征分析技術 已 商業(yè)化為 著名 FaceIt系統(tǒng)。 彈性匹配技術 [1]為另一個重要方法。 第二 階段 （ 19911997）這個階段 雖然時間相對較短，但是碩果累累，出現(xiàn)了若干具有代表 性的算法和 幾個商業(yè) 化 的人臉識別系統(tǒng)，如 Identix（原為 Visionics）公司的 FaceIt 系統(tǒng)。 在 他 的文章，他 使 用一組數(shù)字表示相異的人臉側面特征 ，同時還對 人類本身的人臉識別能進行了研究分析。 在 人 臉識別 領域 ，很多先進的識別算法都是在其基礎上的改進。接著 使用 PCA提取人臉特征 ， 使用 奇異值分解定理 計算 協(xié)方差 矩陣 的特征值和特征向量 以及 使用 最近鄰法分類器 歐幾里得 距離來進行人臉判別分類 。 主成分分析（ PCA） 通過提取 高維度的 人臉圖像 的主元 ， 使得圖像在低維度 空間中被處理 來 降低了圖像處理的難度。 而 生物特征的 獨一無二 ， 不易 丟失和 被 復制 的特性 很好滿足了 身份識別 的需要 。 本文為了更好的分析基于 PCA 人臉識別系統(tǒng)的性 能選用了 Essex 人臉數(shù)據(jù)庫。人臉特征作為典型的生物特征外，還有 隱蔽性好，易于被用戶接受，不需要人的配合等優(yōu)點。 第三章 主要 介紹 常用 的 人臉圖像預處理 方法 。 研究的重點主要在剪影 上。 Belhumeur 等人的 Fisherface 方法也是此階段一個重要的成果。 3 局部特征分析 由 Atick 等提出。 這個階段所提出的算法在理想圖像采集條件，人員配合，中小規(guī)模正面 人臉 數(shù)據(jù)庫 上達到了非常 好的性能。 Shashua 等人基于上圖像的人臉圖像識別與繪制技術 [6,7]。 第二節(jié) 人臉識別 的發(fā)展 趨勢 人臉識別至今雖然取得了豐碩的研究成果， 但是還有很多問題需要解決。它被認為是傅里葉分析的突破性的發(fā)展 。在復雜背景下快速有效檢測和分割人臉技術還需進一步的研究。 復雜條件下的人臉檢測與關鍵點定位是目前人臉識別急需解決的問題之一。 面部表情的變化為面部特征點的運動。本文的實驗是在人臉圖像正面姿態(tài)，光照正常，表情正常，部分面部圖像有小范圍 遮擋的情況下進行的。他們一般以人臉圖像在圖像結構和人臉信號分布的先驗知識為依據(jù)。在樣本數(shù)不是很多的情況下，可以利用這些特征進行分類器的設計，但是在大多數(shù)情況下，由于測量空間的維數(shù)很高，不能直接進行分類器的設計。映射后的特征稱為二次特 征，它們是原始特征的某種組合，通常是線性組合。 四 、 特征匹配 8 特征匹配 是計算兩個人臉圖像特征樣本的特征模塊間的 相似 度 即將采集到的人臉圖像的特征模版與系統(tǒng)中已存儲的特征模版進行比對， 并輸出最佳匹配對象。常用的采集設備有數(shù)碼相機 ，數(shù)碼攝影機等。但同時也帶了問題， 動態(tài)人臉圖像序列里的某一幅圖像可能會產(chǎn)生瞬間模糊，這將會影響其識別率。 第二 節(jié) 人臉分割 人臉識別是通過對人臉進行精確定位，并從圖像中提取人臉區(qū)域。采集到圖像中人 臉區(qū)域顏色和紋理變化較大，因此如果要實現(xiàn)精確分割，只利用圖像的數(shù)據(jù)信息是不夠的，所以實際中基于模型的方法使用的比較多。此方法只考慮了圖像的灰度信息，拋棄了圖像的其他信息。該方法當前研究的區(qū)別在于區(qū)域性質(zhì)差異上。設計一個在所有變化情況下都能正確識別的系統(tǒng)是非常困難的，而且也沒有必要。T 實驗室建立 由 40 位志愿者的 400 幅圖像組成，其中部分志愿者 的圖像還有姿態(tài)，表情和光照的變化。這樣做的目的是為了增加 難度 。有輕微的姿態(tài)變換，無光照變換 。在人臉圖像獲取和人臉分割兩個小節(jié)中主要介紹常用的人臉獲取方法及獲取人臉原始圖像后如何分割出我們需要部分的方法 ，也為后面人臉圖像數(shù)據(jù)庫打下了基礎。 JPEG 使用有損壓縮方法去除冗余圖像和彩色數(shù)據(jù)，獲得了較高的壓縮率，同時還可以給人豐富生動的視覺感受，即可以使用最小的磁盤存儲較好的圖像質(zhì)量。 JPEG2021 格 式有一個極其重要的特征在于它能實現(xiàn)漸進傳輸，即先傳輸圖像的輪廓，然后逐步傳輸數(shù)據(jù)，不斷提高圖像質(zhì)量，讓圖像由朦朧到清晰顯示。Windows 以后的 BMP 圖象文件與顯示設備無關，因此把這種 BMP 圖象文件格式稱為設備無關位圖 DIB(deviceindependent bitmap） 格式 。目前幾乎所有相關軟件都支持它，公共領域有大量的軟件在使用 GIF 圖像文件。 PNG（ Portable Network Graphics，便攜網(wǎng)絡圖形）標準就在這個背景下應運而生了。 14 五 、 PNG 格式 PNG，圖像文件存儲格式，其目的是替代 GIF 和 TIFF 文件格式，同時增加一些 GIF 文件格式所不具備的特性。 PNG 同樣支持透明圖像的制作。利用彩色圖像進行人臉識別存在較多缺陷，而灰度圖像為一種最簡單有效的對比增強方法。( , ) ( ( , ) )bag i j a f i j aba?? ? ?? （ ） 分段線性變換：假設圖像為 (, )f i j 灰度變化范圍為 [0, ]fM，變換后的圖像為 (, )gi j ，目標的 灰度變化范圍為 [ , ]ab ，想使灰度變化到 [ , ]cd ，則 對應關系為 15 ( / ) ( , ) 0 ( , )( , ) [ ( ) / ( ) ] [ ( , ) ] + c ( , )[ ( ) / [ ] ] ( , )g f fc a f x y f x y ag x y d c b a f x y a a f x y bM d M b d b f x y M? ???? ? ? ? ? ??? ? ? ? ? ?? （ ） 非線性 變換：使用非線性函數(shù)作為映射函數(shù)如對數(shù)函數(shù)，進行灰度變換。常用的圖像二值化選擇方法如下： 整體閥值法：在二值化時候只使用一個全局閥值 t。其主要在于根據(jù)圖像灰度分布和實際的需求選擇合適的映射函數(shù)。 1. 均值濾波器 均值濾波是對信號進行局部平均，以平均值來代表該像素點 來代表該像素點的灰度值，即每個像素值用其局部鄰域內(nèi)所有值的均值置換： ( , )1h [i,j] = [ , ]k l N f k lM ?? （ ） 其中， M 是鄰域內(nèi)像素點總數(shù)。二維零均值離散高斯函數(shù)為： 222()2[ , ] ijg i j e ???? （ ） 一般而言，一幅圖像的邊緣方向是事先無法知道的，因此，在濾波前是無法確定一個方向是否比另一個方向需要更多的平滑。通過調(diào)節(jié) ? ，可在圖像特征過分模糊（過平滑）與平滑圖像中過多突變量（欠平滑）間取得折中。中值濾波器在處理連續(xù)圖像窗函數(shù)時與線性濾波器的工作方式類似 ，但濾波過程不再是加權運算。基于像素加權運算的濾波器屬于線性濾波器，均值濾波器和高斯濾波器都屬于線性濾波器，而中值濾波器為非線性濾波器。若 k 過小會導致銳化效果不明顯。旋轉(zhuǎn)是為了 使兩眼保持在水平位置。變換式為 39。 20 第 四 章 人臉 識別 第一節(jié) 主成分分析基本理論 一 、 什么是 主成分分析 ？ 主成分分析為 Principle ponent analysis[10,11,12]的中文翻譯，其英文簡寫為 PCA。隨后將揭示 PCA 與 SVD(Singular Value Deposition)之間的聯(lián)系以及如何將之應用于真實世界。如圖表 所示 ， 這是一個理想彈簧運動規(guī)律的測定實驗。事實上，在真實世界中也并沒有所謂的 x,y,z 軸，每個攝像機記錄下的都是一幅二維的圖像，有其自己的空間坐標系，球的空間位置是由一組二維坐標記錄的： [(xA,yA)(xB,yB)(x