【文章內(nèi)容簡(jiǎn)介】 金融服務(wù)、電子商務(wù)、政府部門(mén)、公共管理、國(guó)家安全、信息安全、智能家居、人機(jī)交互等領(lǐng)域顯示出其無(wú)可比擬的優(yōu)越性。另外，人臉識(shí)別技術(shù)還將推動(dòng)圖像處理、模式識(shí)別理論與應(yīng)用的發(fā)展，同時(shí)由于人臉模式的特殊性，對(duì)人臉識(shí)別進(jìn)行應(yīng)用研究，對(duì)推動(dòng)認(rèn)知科學(xué)、生理學(xué)、心理學(xué)等相關(guān)學(xué)科的研究也有積極的影響。 本文 將 重點(diǎn)研究人臉檢測(cè)定位及特征提取技術(shù)，提出了一個(gè)人臉識(shí)別系統(tǒng)框架，并細(xì)化各模塊的功能。利用 LabVIEW 2020 SP1 與 IMAQ Vision 圖像處理軟件包，結(jié)合 實(shí)現(xiàn)了人臉檢測(cè)與識(shí)別系 統(tǒng)， 使 系統(tǒng)操作簡(jiǎn)單，界面友好，可靠性高。 [3][4][8][10] 人臉識(shí)別技術(shù)的研究隨著電子計(jì)算機(jī)的誕生和使用開(kāi)始于上世紀(jì) 60 年代。當(dāng)時(shí)，很多生理學(xué)家、心理學(xué)家和神經(jīng)科學(xué)家做了大量的基礎(chǔ)性研究，從算法的角度來(lái)看， 90 年代以前，主要是采用人臉特征部件的幾何特征，由于這類(lèi)特征的極度不穩(wěn)定性，使當(dāng)時(shí)的識(shí)別性能難以得到提高。人臉識(shí)別技術(shù)的真正興起，是在 90 年代， Turk 和 Pentland 等人提出了采用 KL 變換的特征臉?lè)椒?，使在限定條件下的識(shí)別率達(dá)到了 90%左右 [5]。特別是 事件的發(fā)生，使人臉識(shí)別技術(shù)變得更為世人關(guān)注。 國(guó)外的人臉識(shí)別發(fā)展的比較早，最早關(guān)于人臉識(shí)別的研究可以追溯到 19 世紀(jì)末 Nature 雜志發(fā)表 Sir Francis Galton 在人臉側(cè)面輪廓圖像的研究。因此相對(duì)來(lái)說(shuō)國(guó)外在人臉識(shí)別方面的研究和應(yīng)用比國(guó)內(nèi)要成熟。 從 1993 年開(kāi)始，美國(guó)國(guó)防高級(jí)研究項(xiàng)目組 (DARPA)和美國(guó)軍方研究實(shí)驗(yàn)室(ARL)開(kāi)展了 FERET(FaeialReeognitionTechnology)計(jì)劃，建立了用于測(cè)試人臉識(shí)別算法的標(biāo)準(zhǔn)人臉數(shù)據(jù)庫(kù) FERET Database，并進(jìn)行多次測(cè)試來(lái)比 較各種人臉識(shí)別算法。 2020 年，美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)局（ NIST）舉辦了第一屆人臉識(shí)別開(kāi)發(fā)商測(cè)試大會(huì)（ FRVT 2020），這是第一次公開(kāi)的、針對(duì)多種商業(yè)生物特征識(shí)別系統(tǒng)的大規(guī)模技術(shù)評(píng)測(cè)，此后，在 2020 年和 2020 年舉辦了兩屆， FRVT 的主要目的是評(píng)測(cè)系統(tǒng)在大規(guī)模數(shù)據(jù)庫(kù)上的執(zhí)行性能。 2020 年，人臉識(shí)別挑戰(zhàn)賽（ Face RecognitionGrand Challenge， FRGC）啟動(dòng)， FRGC 由美國(guó)政府資助，針對(duì)人臉識(shí)別中存在的主要問(wèn)題征集算法，參加者分析數(shù)據(jù)、嘗試提出新方法去解決問(wèn)題，然后，聚集到一起進(jìn) 行討論與交流。這一挑戰(zhàn)賽的參加者眾多，表明人臉識(shí)別涉及的知識(shí)面廣、問(wèn)題復(fù)雜，同時(shí)也表明它受到學(xué)術(shù)界和企業(yè)界的廣泛關(guān)注。 2020青島科技大學(xué)研究生學(xué)位論文 3 年 3 月，美國(guó) NIST 報(bào)告了 2020 年人臉識(shí)別供應(yīng)商評(píng)測(cè) (FRVT2020)結(jié)果，對(duì)控制光照條件下的極高分辨率正面人臉圖像，最小錯(cuò)誤接受率為 時(shí)，最小錯(cuò)誤拒絕率已達(dá)到 ，對(duì)高分辨率、低分辨率下的正面人臉圖像的識(shí)別，這個(gè)數(shù)據(jù)也分別達(dá)到了 與 。在一定條件，有些技術(shù)甚至超過(guò)了人類(lèi)的人臉識(shí)別能力。 在人臉識(shí)別應(yīng)用方面，美國(guó)威視訊公司的“ Face It”系統(tǒng)可同時(shí) 檢測(cè)一群人的面貌，并將面像從背景中分離出來(lái)，自動(dòng)調(diào)整尺寸，光度，表情及姿態(tài)造成的誤差，然后與數(shù)據(jù)庫(kù)中的人臉進(jìn)行對(duì)比識(shí)別。日本 Sony 公司新推出的數(shù)碼相機(jī)里己整合了人臉自動(dòng)識(shí)別功能，在拍照時(shí)，相機(jī)可自動(dòng)識(shí)別出人臉區(qū)域并進(jìn)行對(duì)焦，并且還具有笑臉識(shí)別功能，能自動(dòng)檢測(cè)笑臉。 國(guó)內(nèi)人臉識(shí)別的研究起步雖然比國(guó)外晚，但發(fā)展速度很快，同時(shí)，國(guó)家對(duì)人臉識(shí)別方面的研究也給予了很高的重視。 863 計(jì)劃、國(guó)家科技支撐計(jì)劃、自然科學(xué)基金都撥出專(zhuān)款資助人臉識(shí)別的相關(guān)研究。國(guó)家“十一五”科技發(fā)展規(guī)劃中也將人臉識(shí)別技術(shù)的研究與發(fā)展列入其中， 明確指出 :“要在生物特征識(shí)別技術(shù)領(lǐng)域縮小與世界先進(jìn)水平的差距，開(kāi)展生物特征識(shí)別應(yīng)用技術(shù)研究，開(kāi)發(fā)具有高安全性、低誤報(bào)率的出入口控制新產(chǎn)品”。在這種環(huán)境下，國(guó)內(nèi)一些科研院所和院校在人臉識(shí)別技術(shù)方面取得了很大進(jìn)展 [6]。 2020 年，由中科院計(jì)算機(jī)所等單位承擔(dān)的國(guó)家 863 計(jì)劃之一的面像檢測(cè)與識(shí)別核心技術(shù)通過(guò)專(zhuān)家鑒定。該系統(tǒng)只需 1/10 秒或 1/20 秒即可自動(dòng)檢測(cè)到人臉。目前，這一成果己經(jīng)開(kāi)發(fā)出銀行安全防范管理系統(tǒng)、會(huì)議代表身份認(rèn)證系統(tǒng)、面像識(shí)別考勤等 8 大應(yīng)用系統(tǒng)，在一些領(lǐng)域得到初步應(yīng)用。 光照對(duì)人臉的識(shí)別效果會(huì)產(chǎn) 生很大的影響，也是人臉識(shí)別技術(shù)中的難點(diǎn)。中科院自動(dòng)化所的中科奧森進(jìn)紅外人臉識(shí)別系統(tǒng)獨(dú)樹(shù)一幟，創(chuàng)造出獨(dú)創(chuàng)的基于近紅外圖像的人臉識(shí)別核心技術(shù)和系統(tǒng)。在不同光線條件下，能夠拍攝不受環(huán)境光照變化影響的近紅外人臉圖像，徹底解決了困擾人臉識(shí)別領(lǐng)域的環(huán)境光照影響問(wèn)題，識(shí)別率達(dá)到 %。 在由清華大學(xué)蘇光大教授主持的二代身份證識(shí)別系統(tǒng)，通過(guò)以二代身份證內(nèi)的大小只有 12k 的圖像作為人臉的數(shù)據(jù)庫(kù)，用攝像頭采集人臉，獲得了比較好的識(shí)別率和識(shí)別速度，并且在距離攝像頭 2 米左右便可檢測(cè)出人臉并進(jìn)行識(shí)別。 2020 年，在北京奧運(yùn)會(huì) 及殘奧會(huì)開(kāi)閉幕式，使用了由生物識(shí)別與安全技術(shù)研究中心研制的人臉識(shí)別技術(shù)進(jìn)行實(shí)名制門(mén)票查驗(yàn)。在奧運(yùn)會(huì)及殘奧會(huì)開(kāi)閉幕式中，約 36 萬(wàn)人次經(jīng)過(guò)了人臉識(shí)別系統(tǒng)的驗(yàn)證后進(jìn)入開(kāi)閉幕式現(xiàn)場(chǎng)。這是人臉識(shí)別技術(shù)的一次成功的應(yīng)用。 基于 LabVIEW 的人臉檢測(cè)與識(shí)別系統(tǒng) 的研究 4 LabVIEW及 IMAQVision 簡(jiǎn)介 說(shuō)到 LabVIEW 必然要先提到虛擬儀器技術(shù)。虛擬儀器 (Virtual Instrument)就是在計(jì)算機(jī)上顯示傳統(tǒng)儀器面板，將硬件電路完成的信號(hào)調(diào)理和信號(hào)處理功能交由計(jì)算機(jī)程序來(lái)完成。換言之，虛擬儀器主要以計(jì)算機(jī)為中心，通過(guò)最大限度地利用計(jì)算機(jī)系統(tǒng)的軟 、硬件資源，使計(jì)算機(jī)在儀器中不但能像在傳統(tǒng)程控化儀器中那樣，完成過(guò)程控制、數(shù)據(jù)運(yùn)算和處理工作，而且可以利用強(qiáng)有力的軟件去代替?zhèn)鹘y(tǒng)儀器的某些硬件功能，直接產(chǎn)生出激勵(lì)信號(hào)或?qū)崿F(xiàn)所需要的各種測(cè)試功能。虛擬儀器貫徹了“軟件就是儀器 (Softwareis instrument)”的思想，以軟件算法代替硬件電路 [11][12]。 LabVIEW[13][14][15]是實(shí)驗(yàn)室虛擬儀器集成環(huán)境 （ Laboratory Virtual Instrument Engineering orkbench） 的簡(jiǎn)稱，是美國(guó)國(guó)家儀器公司 NI （ National Instruments）推出的圖形化軟件開(kāi)發(fā)集成環(huán)境。利用 LabVIEW 可以構(gòu)成任意形式的虛擬儀器，如 GPIB、 VXI、 PXI 和嵌入式數(shù)據(jù)采集系統(tǒng)等，并可以通過(guò)互聯(lián)網(wǎng)與其它數(shù)據(jù)源連接進(jìn)行動(dòng)態(tài)數(shù)據(jù)交換，同時(shí)也可以嵌入 ActiveX 控件，從其它開(kāi)發(fā)環(huán)境調(diào)用LabVIEW 源代碼，或用 LabVIEW 以動(dòng)態(tài)鏈接庫(kù)形式在 Windows 或其它平臺(tái)下以分享庫(kù)的形 式調(diào)用現(xiàn)存代碼 。 IMAQ Vision[58]是 LabVIEW 中的內(nèi)嵌開(kāi)發(fā)包，它包含了豐富的函數(shù)，例如 量化分析、圖像增強(qiáng)、灰度、顏色、形 態(tài)、斑點(diǎn)分析和模式匹配等， 通過(guò)最新的空間校準(zhǔn)特性，能夠?qū)D像進(jìn)行校準(zhǔn)從而完成精確的尺寸測(cè)量，而無(wú)需擔(dān)心攝像機(jī)和鏡頭方面的圖像扭曲。在本文中， 有效地將 IMAQVision 和 Matlab 結(jié)合使用，大大 簡(jiǎn)化了人臉識(shí)別軟件的開(kāi)發(fā)進(jìn)程。其中， 圖像采集模塊與人臉 檢測(cè)模塊充分利用了 IMAQ Vision 中的各種函數(shù)， 加快 并簡(jiǎn)化 了 人臉的檢測(cè) 的開(kāi)發(fā) 。 本文主要的研究?jī)?nèi)容及安排 本文以構(gòu)建一個(gè)可用的、實(shí)用的基于 LabVIEW 的人臉檢測(cè)和識(shí)別系統(tǒng)為目標(biāo)，重點(diǎn)研究了人臉檢測(cè)定位及特征提取技術(shù)。總體說(shuō)來(lái)，基于 LabVIEW 的 人臉識(shí)別系統(tǒng)可以簡(jiǎn)明扼要的表示為如圖 11 所示的幾個(gè)部分。 人 臉 檢 測(cè)圖 像 的 預(yù) 處理特 征 提 取 與識(shí) 別圖 像 獲 取 圖 11 人臉識(shí)別流程 Face recognition process drawing 由圖 11 可見(jiàn)，一個(gè)完整的人臉識(shí)別系統(tǒng)基本包括圖像獲取、人臉檢測(cè)、人青島科技大學(xué)研究生學(xué)位論文 5 臉圖像的預(yù)處理、特征提取與識(shí)別。 其中 人臉檢測(cè)是人臉識(shí)別的第一步工作，它是指根據(jù)一定的算法和先驗(yàn)知識(shí)，確定通過(guò)圖像采集設(shè)備采集到的圖像中，有沒(méi)有人臉存在，本文 結(jié)合實(shí)用化的需求 了 提出一種基于膚色 模型 和模板匹配相結(jié)合的方法。 圖像預(yù)處理是人臉識(shí)別過(guò)程中非常關(guān)鍵的一步，為了提高人臉識(shí)別的精度，在人臉識(shí)別之前都需要進(jìn)行人臉圖像的預(yù)處理工作。特征提取與識(shí)別用某種表示方式表征可用來(lái)區(qū)分人臉的某些特征，然后利用人臉特征通過(guò)選擇適當(dāng)?shù)姆诸?lèi)器來(lái)識(shí)別人臉。本文結(jié)合主成分分析方法和線性判別分析方法的優(yōu)點(diǎn)，同時(shí)利用最小距離分類(lèi)器來(lái)實(shí)現(xiàn)人臉的識(shí)別目的。在本文中將依次對(duì)上述各個(gè)環(huán)節(jié)進(jìn)行詳細(xì)的闡述并通過(guò) Matlab 進(jìn)行仿真，并對(duì)得到的實(shí)驗(yàn)數(shù)據(jù)和結(jié)果進(jìn)行詳細(xì)分析，最終在 LabVIEW 和 Matlab 的開(kāi)發(fā)環(huán)境下設(shè)計(jì) 與實(shí)現(xiàn) 人臉檢測(cè)與識(shí)別系統(tǒng) , 使LabVIEW 方便的程序外觀和操作控制功能與 Matlab 強(qiáng)大的計(jì)算功能結(jié)合起來(lái) , 此系統(tǒng)使用方便具有友好界面。本文上分為五章，結(jié)構(gòu)如下 第一章 緒論。 本章節(jié)主要介紹了課題的研究背景和意義以及目前國(guó)內(nèi)外 人臉識(shí)別的發(fā)展與研究現(xiàn) ，并對(duì) LabVIEW 及 IMAQ Vision 軟件進(jìn)行簡(jiǎn)單的介紹 。 第二章 基于膚色 模型 與 模板匹配相結(jié)合的人臉檢測(cè)。 在 YCbCr 色彩 空間中利用 高斯概率膚色模型 將 光照補(bǔ)償后的圖像 快速的分離膚色和非膚色區(qū)域 ， 利用人臉先驗(yàn)知識(shí) 得到人臉檢測(cè)的候選區(qū)域 ， 在候選人臉區(qū)域上進(jìn)行匹配運(yùn)算， 最終確定并標(biāo)記出圖像中人臉的位置 。通過(guò) 仿真實(shí)驗(yàn)證明，該算法 提高檢測(cè)效率， 克服了全局模板匹配計(jì)算量大、速度慢的缺點(diǎn)。 第三章 人臉圖像預(yù)處理。 為了保證人臉圖像中人臉大小以及人臉圖像質(zhì)量的一致性，對(duì)檢測(cè)到的人臉圖像進(jìn)行 彩色圖像轉(zhuǎn)灰度圖像 、 圖像 增強(qiáng) ，圖像歸一化等處理。 第四章 人臉特征提取與識(shí)別。重點(diǎn)介紹了用于人臉識(shí)別的主成分分析方法和線性判別分析方法。在分析了各自優(yōu)缺點(diǎn)之后，本文采用兩者相結(jié)合的方法來(lái)提取人臉的特征，用最小距離分類(lèi)器來(lái)實(shí)現(xiàn)最終的識(shí)別。 第五章 人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。首先簡(jiǎn)單介紹了系統(tǒng)的硬件與軟件開(kāi)發(fā)平臺(tái)進(jìn) 行了，并給出了系統(tǒng)的總體框圖，然后 利用 LabVIEW 2020 SP1 與 IMAQ Vision 圖像處理軟件包，結(jié)合 實(shí)現(xiàn)了人臉檢測(cè)與識(shí)別系統(tǒng)， 該 系統(tǒng)操作簡(jiǎn)單，界面友好，可靠性高。 第六章 結(jié)論 與展望。總結(jié)了本文的工作，指出了其中的不足，提出了有待解決的問(wèn)題。 基于 LabVIEW 的人臉檢測(cè)與識(shí)別系統(tǒng) 的研究 6 第 2 章 基于膚色模型與模板匹配的人臉檢測(cè) 人臉檢測(cè)是人臉識(shí)別的基礎(chǔ)，它主要是用來(lái)檢測(cè)采集到的圖像中是否存在人臉，如果存在，則定位、分割出人臉。在彩色圖像中，顏色是人臉表面最為顯著的特征之一，是人臉的重要信息，利用顏色檢測(cè)人臉是很自然的想法。對(duì)于彩色圖像，在確定膚色模型之后，首先可以進(jìn)行膚色檢測(cè)。在檢測(cè)出膚色像素后，需要根據(jù)它們?cè)谏壬系南嗨菩院涂臻g上 的相關(guān)性分割出可能的人臉區(qū)域，同時(shí)利用區(qū)域的幾何特征或灰度特征進(jìn)行是否是人臉的驗(yàn)證，以排除其它色彩類(lèi)似膚色的物體。但由于膚色受人類(lèi)種族及個(gè)體差異、光源的顏色以及光照角度的不同所造成的高光和陰影等諸多因素的影響，并且臉部和人體其它區(qū)域膚色相同，所以只用膚色檢測(cè)人臉的結(jié)果很不可靠，僅靠膚色信息不能對(duì)人臉進(jìn)行精確定位，只能作粗略的人臉位置估計(jì) [16][17]。 基于以上考慮，本章提出了一種基于人臉膚色信息和模板匹配相結(jié)合的方法來(lái)實(shí)現(xiàn)人臉檢測(cè)。首先采用 YCbCr 色彩膚色模型將圖像中的膚色區(qū)域和非膚色區(qū)域分開(kāi) ， 得到人 臉檢測(cè)的候選區(qū)域 ， 再進(jìn)一步將候選臉與模板臉進(jìn)行匹配 ， 最終確定并標(biāo)記出圖像中人臉的位置。 根據(jù)計(jì)算機(jī)色彩理論，每一種顏色在計(jì)算機(jī)內(nèi)部有不同的表達(dá)方式，這樣就產(chǎn)生了各種不同的色彩空間。每一種色彩空間都有其產(chǎn)生背景和應(yīng)用領(lǐng)域。 RGB、rgb、 YIQ、 HSI、 YUV 、 YCbCr 等是常用的色彩空間 [21]，其中， RGB 是最基本的色彩空間。 RGB 與其它色彩空間可以按一定的關(guān)系進(jìn)行轉(zhuǎn)換。下面介紹這幾種色彩空間。 RGB 色彩空間 RGB 色彩空間是人們常用的顏色空間。國(guó)際照 明委員會(huì)（ International Commission on Illumination， CIE）選用紅（ Red）、綠（ Green）、藍(lán)（ Blue）三種單色光作為該空間的三基色。 RGB 空間是基于笛卡兒坐標(biāo)系統(tǒng)的三維空間，如圖21 所示。坐標(biāo)原點(diǎn)對(duì)于黑色；坐標(biāo)點(diǎn) ? ?1,1,1 )對(duì)于白色。任何顏色都能用三維空間第一象限中的一個(gè)點(diǎn)來(lái)標(biāo)識(shí)，該點(diǎn)的三維坐標(biāo)即為其 R、 G、 B 分量的顏色值。 青島科技大學(xué)研究生學(xué)位論文 7 圖 21 RGB色彩空間 RGB color space