【正文】 它不依賴于鄰域內(nèi)那些與典型值差別很大的值。對圖像處理而言，常使用二維零均值離散高斯函 數(shù)作平滑濾波器。此外它還能減少光照對人臉圖像 的影響，使人臉特征提取變得容易，同時(shí)還提高了人臉圖像的主觀質(zhì)量。39。它的顯示速度快，只需下載 1/64 的圖像信息就可以顯示出低分辨率的預(yù)覽圖像。由此，人們開始尋求一種新技術(shù)，以減少開發(fā)成本。 Windows 以前的 BMP 圖文件格式與顯示設(shè)備有關(guān)，因此把這種 BMP 圖象文件格式稱為設(shè)備相關(guān)位圖 DDB(devicedependent bitmap） 文件格式。 JPEG 文件以 .jpg 或 .jpeg 為擴(kuò)展名，其壓縮技術(shù)非常先進(jìn)。 每個(gè)圖像的大小為 180*200， 圖像的背景是藍(lán)色的。 ORL 人臉數(shù)據(jù)庫由劍橋大學(xué) ATamp。該方法開銷較大，但可以使用圖像的相關(guān)性質(zhì)進(jìn)行邊界定位。其包含有活動(dòng)輪廓模型等。 動(dòng)態(tài)人臉圖像相比于靜態(tài)人臉圖提供了更加客觀的信息量。 比如可以先將原始特征空間映射到維數(shù)較低的空間，在這個(gè)空間中在進(jìn)一步選擇特征來進(jìn)一步降低維度；也可以先去除那些明顯不含有分類信息的特征，而后再進(jìn)行映射以降低維度。特征提取和選擇的根本任務(wù)就是從許多特征中找出那些最有效的特征。 以上列舉 了 部分 主要的技術(shù)難點(diǎn) ，其他難點(diǎn) 由于本文的討論不會涉及，所以 不會再一一列 6 舉 。目前大多數(shù)特征定位算法的精度都會隨著光照，姿態(tài)等變化而快速下降。 三 、 基于小波神經(jīng)網(wǎng)絡(luò)的人臉識別 小波自提出以來 ，其理論和應(yīng)用得到了長足的發(fā)展。 Blanz 和 Vetter等人基于 3D 變形模型的多姿態(tài)，多光照的人臉識別方法。彈性匹配方法的優(yōu)點(diǎn)是既保留了面部的全局結(jié)構(gòu)特征，也對人臉關(guān)鍵局部特征進(jìn)行了建模。 對于人臉識別 的研究歷史 可 分為三個(gè)階段： 第一 階段 （ 19641990）這個(gè)階段主要采取的技術(shù)是基于人臉幾何結(jié)構(gòu)的。由于生物特征內(nèi)在的穩(wěn)定性和唯一性使其成為了作為身份識別的理想依據(jù)。 人 們 需要更加安全可靠的身份識別技術(shù)。 在實(shí)驗(yàn)中我們發(fā)現(xiàn)基于 PCA 的人臉識別系統(tǒng)的識別率很高，而且具有一定魯棒性， 所以 基于 PCA 的人臉識別算法的實(shí)現(xiàn) 的研究還是有意義。 自動(dòng)人臉的研究歷史相對比較短，到現(xiàn)在不過五十多年的時(shí)間。它用一個(gè)屬性圖 來描述人臉：屬性 的頂點(diǎn)代表面部關(guān)鍵特征點(diǎn)，它的屬性為相應(yīng)特征點(diǎn)處 的多分辨率，多方向局部特征 — Gabor 變換 [2]，稱 為 Jet；邊的屬性為不同特征點(diǎn)間的幾何關(guān)系。 主要針對的是主流的人臉識別技術(shù)在采集條件不理想和用戶不配合下 魯棒性差的問題。如 何使用數(shù)據(jù)融合理論，將不同的方法綜合起來，相互補(bǔ)充，來取得較好的人臉識別效果，便成為人們的研究熱點(diǎn)之一。 5 第 三 節(jié) 人臉識別技術(shù)的主要難點(diǎn) 目前的人臉識別技術(shù)在人員配合，較理想采集條件下可以取得比較滿意的結(jié)果。以上這些決定計(jì)算機(jī)很難用統(tǒng)一的標(biāo)準(zhǔn)來識別人的面部表情。 特征主要包括三種類型：物理特征，結(jié)構(gòu)特征和數(shù)學(xué)特征。 特征提取和特征選擇在有些情況下并不是截然分開的，因?yàn)閺囊欢ㄒ饬x上來講，二者都是要達(dá)到對 數(shù)據(jù) 進(jìn)行降維的目的，只是實(shí)現(xiàn)的途徑不同。人臉圖像的采集形式主要有兩種：一為靜態(tài)人臉圖像，二位動(dòng)態(tài)人臉圖像。數(shù)據(jù)驅(qū)動(dòng)方法直接對圖像進(jìn)行處理，不依賴于先驗(yàn)知識。在每個(gè)子區(qū)域中，對經(jīng)過適當(dāng)定義能反映一個(gè)物體內(nèi)成員隸屬度的性質(zhì)進(jìn)行計(jì)算，每個(gè)子區(qū)域會用一組參數(shù)來表示該區(qū)域。 FERET 人臉數(shù)據(jù)庫是人臉識別中最常用的數(shù)據(jù)庫，包含多姿態(tài)和多光照的人臉灰度圖像，但其多為西方人臉圖像，每個(gè)人的人臉圖像變化較少。我們在本文采用的是它的face94 數(shù)據(jù)庫。圖像的文件格式很多，本節(jié)只介紹本文常用的幾種圖像格式。而接收方隨著觀察，常常會有新的要求，可能對新的區(qū)域感興趣，也可能希望某一區(qū)域更清晰 13 些。然而令很多軟件開發(fā)商感到意外的是， GIF 文件所采用的壓縮算法忽然成了 Unisys 公司的專利。PNG 使用從 LZ77 派生的無損數(shù)據(jù)壓縮算法。39。局部閥值法可以處理比較復(fù)雜的情況，但有些情況會發(fā)生失真。線性平滑濾波器去除了高頻成分和圖像中的銳化細(xì)節(jié) 。 3. 中值濾波器 中值濾波是一種非線性濾波方法。在實(shí)際中，一般先濾除噪 聲后在進(jìn)行圖像銳化處理。39。 因此應(yīng)用極其廣泛，從神經(jīng)科學(xué)到計(jì)算機(jī)圖形學(xué)都有 它的身影 。但是，在 實(shí)際 中，對于第一次 做這個(gè) 實(shí)驗(yàn)的 實(shí)驗(yàn) 者來說（這也是實(shí)驗(yàn)科學(xué)中最常遇到的一種情況），是 無法 進(jìn)行這樣的假設(shè)的 。這個(gè)維度即最重要的 “ 主元 ” 。(在 2 2 2 2, , ,2 2 2 2????? ? ? ?? ? ? ???? ? ? ???基下） ， 因?yàn)橐话愕挠^測者都是習(xí)慣于取攝像機(jī)的屏幕坐標(biāo)，即向上和向右的方向作為觀測的基準(zhǔn)。 上面提出的兩個(gè)問題就是 PCA 方法 要解決 的目標(biāo)。 下面的 例子 取自一個(gè) 我們都非常熟悉的 物理學(xué)中的實(shí)驗(yàn)。 第 三 節(jié) 本章小結(jié) 本章主要介紹了 JPEG 文件格式和人臉圖像常用預(yù)處 理方法。大小矯正是為了把原始圖像的人臉校正到統(tǒng)一的大小，常常依據(jù)人臉的坐標(biāo)。 邊緣保持算法的基本過程為：對灰度圖像的每一個(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應(yīng)區(qū)域的均值作為該像素的新灰度值。 高斯濾波器寬度決定著平滑程度，是由 ? 表征的。人臉圖像預(yù)處理經(jīng)常使用后一類方法。在人臉識別中二值化用來把人的頭發(fā)，眼睛，臉的輪廓及背影與人臉的亮域分開。 一 、 灰度變化 人臉識別的研究常以灰度圖像為處理對象。 GIF 格式的特點(diǎn)是壓縮比高，磁盤空間占用少。 GIF 文件的數(shù)據(jù)，是一種基于 LZW 算法的連續(xù)色調(diào)的無損壓縮格式。 JPEG2021 文件的擴(kuò)展名 為 jp2。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。這個(gè)人臉數(shù)據(jù)庫 由 Libor Speacek 博士主持的計(jì)算機(jī)視覺研究項(xiàng)目 在維護(hù)。每個(gè)人臉識別系統(tǒng) 都需要 一個(gè) 人臉數(shù)據(jù)庫。局部閥值方法是圖像不同區(qū)域得到對應(yīng) 不同區(qū)域的閥值即一個(gè)閥值對應(yīng)圖像的一個(gè)子區(qū)域。 對于靜態(tài)人臉圖像采集要注意要確保人臉表情正常，姿態(tài)無傾斜，光線盡量均勻，并且要對周圍的光源做必要的處理，避免受到周圍強(qiáng)光和不均 勻異色光的干擾。 人臉識別小節(jié)講解本文人臉識別的流程。由于測量空間的維數(shù)一般都很高，不易設(shè)計(jì)分類器，所以在分類器設(shè)計(jì)之前，需要從測量空間變換到維數(shù)很少的特征空間，由特征向量表示。 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。 四 、 表情問題 表情識別是生物特征識別的中的一種，是人機(jī)交互不可或缺的部分。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)行人臉識別已成為一個(gè)新的研究熱點(diǎn)。 并 且隨著現(xiàn)代社會的發(fā)展，快速人臉識別的需求越來越大 。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 PCA[3,4,5]將兩者合成來對人臉建模。 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。具體安排如下 : 第一章 主要介紹人臉識別的研究 現(xiàn)狀 ，人臉識別技術(shù)的主要難點(diǎn)及人臉識別流程 。 本文按照完整人臉識別流程來分析基于 PCA 的人臉識別算法實(shí)現(xiàn)的性能。 本文 研究的就是基于 PCA 的人臉識別算法的實(shí)現(xiàn) 。 本文主要介紹基于 PCA 的人臉識別 算法的實(shí)現(xiàn)， 除第一章外，其余 內(nèi)容按照人臉識別的流程可分為 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。 后來很多人臉識別技術(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別性能測試的基準(zhǔn)算法。它是人臉建模方面的一個(gè)新的進(jìn)步。 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去除相關(guān)性，減少冗余，解決了在人臉識 別過程中圖像為數(shù)過高的問題 。三維人臉相比較于二維圖像提供了更加完整的人臉信息。如何提高人臉識別系統(tǒng)對姿態(tài)的魯棒性是人臉識別中一個(gè)具有挑戰(zhàn)性的任務(wù)。 二 、 預(yù)處理 預(yù)處理 是為了除去噪聲 和對測量儀器或其他因素對人臉圖像造成退化現(xiàn)象進(jìn)行復(fù)原。 2. 特征 提取 原始數(shù)據(jù)組成的空間 被稱為 測量空間。在人臉識別技術(shù)的主要難點(diǎn)小節(jié)主 要講解人臉識別的主要技術(shù)難點(diǎn)及本文是在什么樣的條件進(jìn)行試驗(yàn)的。一般而言，動(dòng)態(tài)人臉圖像采集應(yīng)用于特殊場合，如犯罪識別過程，而靜態(tài)人臉圖像采集應(yīng)用于普通的安全場合。全局閥值方法是使用整個(gè)圖像的灰度信息，來得到用于分割的閥值。 第 三 節(jié) 人臉數(shù)據(jù)庫 人臉數(shù)據(jù)庫是人臉識別研究，開發(fā)和評測不可缺少的。任何人都可以下載它的人臉數(shù)據(jù)庫，但是你不能發(fā)布，打印，銷售或發(fā)行這些圖像。 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。 JPEG2021 通常被認(rèn)為是未來取代 JPEG（基于離散余弦變換）的下一代圖像壓縮標(biāo)準(zhǔn)。 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。與 GIF 相關(guān)的專利于 2021 年 8 月 11 日過期。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。 二 、 二值化 二值化是通過選取適當(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。全局處理類的方法需要了解信號和噪聲的統(tǒng)計(jì)模型。這就意味著平滑圖像不會被不需要的高頻信號所污染，同時(shí)保留了大部分所需信號。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)，也不會使圖像的邊緣十分模糊。 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)。把通過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)過灰度內(nèi)插來確定 (x,y)的位置的灰度值。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單的 。如何去除噪音 是實(shí)驗(yàn)者 每天 都要思考和解決的問題 。假設(shè)采集數(shù)據(jù)點(diǎn)是 (2,2)，一般并不會 記錄 (2 2,0) 。 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。那么，一般來說，必須記錄下球的三維位置 (x0,y0,z0)。 PCA被 稱為 應(yīng)用線形代數(shù)最 有 價(jià)值的結(jié)果之一 。( , )( , )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) 。常用的圖像銳化方法為拉普拉斯銳化。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。 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，它對去除服從正態(tài)分布的噪音非常有效。動(dòng)態(tài)閥值法適應(yīng)性和性能都比較好，實(shí)際中對于人臉識別常采用此法進(jìn)行二值化。[ , ]ab ，則 它們 之間關(guān)系為 39。 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)，存儲形式豐富，兼有GIF 和 JPG 的色彩模式。據(jù) Unisys 公司稱，他們已注冊了 LZW 算法中的 W 部分。 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。 一 、 JPEG格式 JPEG 文件格式是常用的圖像文件格式。 faces94 數(shù)據(jù)庫中人臉圖像是在 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 。 MIT 人臉數(shù)據(jù)庫有麻省理工大學(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。然后對相鄰區(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。其包含有基于邊緣檢測的方法，基于閥值的方法和基于區(qū)域增長的方法。靜態(tài)人臉圖像的采集相對比較簡單，用數(shù)碼相機(jī)即可獲取。特征提取是通過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。由于物理特征和結(jié)構(gòu)特征容易被察覺，觸覺以及其他感覺器官所感知，所以人類常常是利用這些特征來 對對象進(jìn)行識別。 五 、 遮擋問題 對于非配合情況下，采集到的人臉圖像一般都不是完整的，這會影響人臉特征提取與識別，可能還會導(dǎo)致人臉檢測算法的 失效 。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 、 動(dòng)態(tài)跟蹤人臉識別系統(tǒng) 目前的靜態(tài)人臉識別技術(shù)只能滿足一般身份識別場合如門禁系統(tǒng)，考勤系統(tǒng)等，無法進(jìn)行人臉的動(dòng)態(tài)跟蹤與識別。 光照和姿態(tài)問題成為了研究焦點(diǎn)。對于輸入的圖像，其通過一種優(yōu)化搜索策略來定位預(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。 不過 1990 年以來，才得到了長足的進(jìn)步。