【正文】 [15] 何東風(fēng)、凌捷：《人臉識(shí)別技術(shù)綜述》，微機(jī)發(fā)展，2003年。[13] Rafael 、Richard ：《數(shù)字圖像處理》，阮秋琦，阮宇智等譯，2004年6月。[11] 應(yīng)理航：《人臉檢測(cè)子空間方學(xué)碩士論文》，2002年5月。[9] 黃德雙：《神經(jīng)網(wǎng)絡(luò)模式識(shí)別系統(tǒng)理論》，北京電子工業(yè)出版社，1996年。[7] 呂琳：《人臉檢測(cè)方法綜述》，電腦知識(shí)與技術(shù)，2005年10月。[5] 梁路宏、艾海舟，徐光佑，張鈸：《人臉檢測(cè)研究綜述》，2004年。[3] 張書真：《人臉檢測(cè)技術(shù)淺析》，中國(guó)西部科技(下半月刊)，2005年4月。參考文獻(xiàn)[1] 鄧剛、閆勝業(yè)、張洪明：《人臉檢測(cè)技術(shù)報(bào)告》，2003年。而計(jì)算機(jī)對(duì)任意規(guī)模的人臉庫(kù)進(jìn)行查詢都不會(huì)因?yàn)榛煜龑?dǎo)致識(shí)別錯(cuò)誤；而且即使工作了較長(zhǎng)的時(shí)間，計(jì)算機(jī)也不會(huì)像人一樣由于視覺疲勞而導(dǎo)致識(shí)別錯(cuò)誤。這說明計(jì)算機(jī)不會(huì)像人類一樣受一些視覺心理因素的影響，識(shí)別更為精確。3．計(jì)算機(jī)雖然不具有像人一樣強(qiáng)大的視覺系統(tǒng)。2．基于P2DHMM的人臉識(shí)別方法精度高，但相應(yīng)計(jì)算量也大。通過大量的實(shí)踐加深了對(duì)人臉識(shí)別技術(shù)的體會(huì)和理解，同時(shí)也感到以下問題應(yīng)該作為今后研究的重點(diǎn)：1．如果采用膚色信息進(jìn)行人臉檢測(cè)，光照條件和背景類膚色區(qū)域始終是影響檢測(cè)準(zhǔn)確率的主要因素，單純依靠膚色信息存在一定的人臉漏檢。目前對(duì)人臉檢測(cè)與識(shí)別的研究尚出于探索階段。這一目標(biāo)盡管遙遠(yuǎn)，但意義非常重大。（二）展望人臉識(shí)別不僅是模式識(shí)別、圖像處理領(lǐng)域的一個(gè)熱門的研究課題，同樣也是計(jì)算機(jī)視覺、人工智能領(lǐng)域內(nèi)的一個(gè)重要課題。4．研究了對(duì)待檢照片進(jìn)行預(yù)處理的方法。3．研究并實(shí)現(xiàn)了對(duì)人臉P2DHMM模型的自動(dòng)訓(xùn)練，使得構(gòu)建任意規(guī)模的人臉庫(kù)均可由計(jì)算機(jī)自動(dòng)完成。離散余弦變換在對(duì)人臉進(jìn)行特征提取的同時(shí)，有效降低了觀察向量的維度，從而提升了人臉模型訓(xùn)練的速度。由于背景中類膚色區(qū)域的干擾，有時(shí)會(huì)造成算法對(duì)人臉的漏檢，因此如何增強(qiáng)人臉驗(yàn)證算法對(duì)復(fù)雜背景的魯棒性，還有待進(jìn)一步研究。在人臉驗(yàn)證前，先對(duì)圖像進(jìn)行預(yù)處理，排除了大量非法膚色區(qū)域，最后采用人眼區(qū)域定位結(jié)合幾何模板匹配的方法實(shí)施人臉驗(yàn)證。具體研究工作與成果包括如下幾方面：1．采用非線性估計(jì)閾值選取方法確定顏色空間轉(zhuǎn)換后膚色區(qū)域的分布邊界，該方法兼顧了亮度對(duì)膚色聚類性的影響，為膚色區(qū)域的精確分割奠定了基礎(chǔ)。文中采用了基于膚色信息的人臉檢測(cè)和基于二維隱馬爾可夫模型的人臉識(shí)別方法。本文的研究?jī)?nèi)容涵蓋了人臉識(shí)別技術(shù)中的人臉檢測(cè)和人臉識(shí)別。經(jīng)過大量的工程實(shí)踐，人們逐漸認(rèn)識(shí)到：研究一種方法完成基本的人臉檢測(cè)與識(shí)別功能是遠(yuǎn)遠(yuǎn)不夠的。其他功能模塊攝像頭的管理CCamera類攝像頭的初始化視頻參數(shù)的設(shè)置攝像頭的暫停與重啟HMM參數(shù)設(shè)置CHMMParams類初始化超狀態(tài)數(shù)設(shè)置嵌入狀態(tài)數(shù)設(shè)置其他參數(shù)設(shè)置CMisuParams類視圖框參數(shù)圖片縮放設(shè)置手動(dòng)劃取矩形框設(shè)置獲取圖片CPersonImage類載入圖片保存圖片設(shè)定文件名等 圖16 人臉識(shí)別模塊其他功能模塊框圖（七）系統(tǒng)截圖 圖17 人臉庫(kù)管理圖18 系統(tǒng)界面圖19 人臉提取系統(tǒng)六、結(jié)束語（一）工作總結(jié)人臉檢測(cè)與識(shí)別技術(shù)的研究具有重要的理論價(jià)值和現(xiàn)實(shí)意義。其中CCamera類實(shí)現(xiàn)對(duì)視頻攝像頭的控制，包括攝像頭的初始化、各種視頻參數(shù)的設(shè)置等；CHMMParams類完成對(duì)系統(tǒng)EHMM參數(shù)的設(shè)置，包括超狀態(tài)數(shù)、嵌入式狀態(tài)數(shù)等EHMM模型的關(guān)鍵參數(shù)； CPersonImage類則是用來管理具體的人臉圖像，設(shè)定圖像的感興趣區(qū)域，從攝像頭中獲取人臉圖像；CMisuParams類，用來設(shè)置其他參數(shù)如圖片的縮放比例等。在這些類中添加消息響應(yīng)函數(shù)調(diào)用不同的功能模塊，實(shí)現(xiàn)人臉的訓(xùn)練和識(shí)別。（六）其他功能模塊的設(shè)計(jì) 人臉識(shí)別模塊應(yīng)用程序使用Visual C++ AppWizard exe項(xiàng)目，項(xiàng)目名為Zhou。圖15 人臉訓(xùn)練程序流程圖 （五）識(shí)別部分設(shè)計(jì)人臉識(shí)別程序主要完成對(duì)待識(shí)別人臉圖像與人類庫(kù)中圖像的匹配識(shí)別，在程序的設(shè)計(jì)過程中，識(shí)別程序與用戶的交互同樣通過主消息函數(shù)來完成，我們?cè)贛FC的框架類CMainFrame中添加消息消息響應(yīng)函數(shù)，用戶通過點(diǎn)擊界面上的功能按鈕啟動(dòng)識(shí)別程序，對(duì)各變量進(jìn)行初始化，調(diào)用識(shí)別核心代碼，并將識(shí)別出來的人的信息顯示出來。 以上第一部分在MFC的CMainFrame框架類中添加消息映射函數(shù)實(shí)現(xiàn)，后面的兩部分則設(shè)定在人臉庫(kù)類CFaceBace中，人臉訓(xùn)練核心代碼則在一個(gè)專門的類CPerson中實(shí)現(xiàn)。 4．人臉訓(xùn)練核心函數(shù)部分。 3．多人模式下的訓(xùn)練函數(shù)部分。 2．單人模式下的訓(xùn)練函數(shù)部分。 1．主消息函數(shù)部分。我們?cè)O(shè)定在兩種情況下對(duì)人臉圖像進(jìn)行訓(xùn)練，在多人模式的人臉庫(kù)中點(diǎn)擊人臉訓(xùn)練按鈕，所有沒有訓(xùn)練過的人臉圖像將被訓(xùn)練，得到所有人的HMMs，在單人模式的人臉庫(kù)中點(diǎn)擊人臉訓(xùn)練按鈕，當(dāng)前人的人臉圖像將被訓(xùn)練，得到該人的HMM模型。 圖14 人臉識(shí)別模塊功能劃分框圖其中訓(xùn)練和識(shí)別部分是程序?qū)崿F(xiàn)的核心部分，下面兩節(jié)內(nèi)容將分別介紹訓(xùn)練和識(shí)別部分的設(shè)計(jì)過程。從用戶的角度考慮，畫出系統(tǒng)功能用例圖如圖13所示 。 （2）訓(xùn)練人臉庫(kù)圖像，得到EHMM模型數(shù)據(jù)，為識(shí)別人臉信息提供依據(jù)。: 不是“CvFGDStatModel”的成員”解決的方法是：在“解決方案管理器”中打開“cvaux“項(xiàng)目的包含文件中(Include\External)的cvaux. h文件，找到上述foreground_regions成員，會(huì)發(fā)現(xiàn)此成員已被注釋掉了，只要將其上一行末尾的“/”改為“*/”使該成員可見，再次啟動(dòng)項(xiàng)目，應(yīng)該就可以編譯通過了。這樣就生成了以後大家經(jīng)常用到的一些lib及dll，包括release和debug兩個(gè)版本的。在安裝時(shí)選擇“將…\OpenCV\bin加入系統(tǒng)變量“（Add...\OpenCV\bin to the systerm PATH），否則需要在“我的電腦”“屬性”“高級(jí)”“環(huán)境變量”中添加上述變量，如：變量：Path，值：C:\OpenCV\bin。而標(biāo)準(zhǔn)的API將簡(jiǎn)化計(jì)算機(jī)視覺程序和解決方案的開發(fā)?！　。?） 依賴硬件的一些特別的解決方案(比如視頻監(jiān)控，制造控制系統(tǒng)，醫(yī)療設(shè)備)。 　　計(jì)算機(jī)視覺市場(chǎng)巨大而且持續(xù)增長(zhǎng)，且這方面沒有標(biāo)準(zhǔn)API，目前的計(jì)算機(jī)視覺軟件大概有以下三種：　?。?） 研究代碼(慢，不穩(wěn)定，獨(dú)立并與其他庫(kù)不兼容)。（二）OpenCV的介紹安裝和配置OpenCV是Intel公司支持的開源計(jì)算機(jī)視覺庫(kù)。 //一般perl是自動(dòng)注冊(cè)環(huán)境變量的,vc在安裝過程中也有注冊(cè)環(huán)境變量的選項(xiàng),勾選就行,不用自己設(shè)置,如果過程中沒有設(shè)置,那還要自己手動(dòng)設(shè)置下vc6的環(huán)境變量。2．配置 安裝完上述步驟之后，要設(shè)置下環(huán)境變量，在系統(tǒng)變量里面添加： EPOC=\Symbian\\Series60_v21_C 在path中添加以下幾個(gè)內(nèi)容: \Symbian\\Series60_v21_C\Epoc32\tools。 （3） 安裝J2sdk。五、系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)（一）VC++環(huán)境的安裝與配置1．步驟 （1） 安裝VC++，并升級(jí)到SP3以上。對(duì)樣本權(quán)值進(jìn)行歸一化處理，使得。 (q為非人臉樣本的個(gè)數(shù)) (當(dāng)前強(qiáng)分類器的誤檢率)更新每個(gè)樣本的權(quán)值。t表示當(dāng)前已得到的弱分類器的個(gè)數(shù)。弱分類器的分類錯(cuò)誤計(jì)算公式為 （13）對(duì)于每個(gè)人臉樣本計(jì)算。設(shè)f為當(dāng)前分類器的誤檢率，初始值為1。假設(shè)非人臉樣本個(gè)數(shù)為q，那么非人臉的初始值為。對(duì)每個(gè)樣本賦一個(gè)權(quán)值w。其中m為樣本的總個(gè)數(shù)。樣本表示為，當(dāng)=1時(shí)，P。P:表示人臉樣本集合，叫P集，人臉樣本也叫正例。訓(xùn)練強(qiáng)分類器地算法描述如下：確定該強(qiáng)分類器的最大誤檢率：，最小檢測(cè)率。該弱分類器在經(jīng)過三次訓(xùn)練后輸出強(qiáng)分類。 圖12 直線最優(yōu)弱分類器第二次迭代代表的直線是最優(yōu)的弱分類器,此時(shí)錯(cuò)誤率= =。對(duì)于圖11所示的平面上有五個(gè)正訓(xùn)練樣本，五個(gè)負(fù)訓(xùn)練樣本，弱分類器是水平或垂直的直線，每個(gè)樣本的概率值(初始值為1/10)大小用圖中樣本的大小來表示，分類錯(cuò)誤的樣本畫圈表示。這樣，后面訓(xùn)練提取的簡(jiǎn)單分類器應(yīng)付更加強(qiáng)化對(duì)這些分類錯(cuò)誤樣本的訓(xùn)練。 令：； （5） 最后的強(qiáng)分類器為： （12） 其中以上訓(xùn)練的物理意義可以表述為:當(dāng)已經(jīng)提取的分類器對(duì)于某些樣本分類正確,那么減小這些樣本的權(quán)重。計(jì)算對(duì)應(yīng)所有特征的弱分類器的加權(quán)錯(cuò)誤率： （10） （3） 從2中確定的弱分類器中,找出一個(gè)具有最小的錯(cuò)誤率的弱分類器。2． 初始代權(quán)重 對(duì)于負(fù)樣本： m為負(fù)樣本個(gè)數(shù) 對(duì)于正樣本： 為第t次循環(huán)中第i個(gè)樣本的誤差權(quán)重。 四、基于AdaBoost算法的人臉檢測(cè)（一）AdaBoost算法AdaBoost算法訓(xùn)練強(qiáng)分類器的算法描述如下：1． 給定一系列訓(xùn)練樣本其中表示第i個(gè)樣本，=0時(shí)表示其為負(fù)樣本(非人臉)，=1時(shí)表示其為正樣本(人臉)。圖10 計(jì)算6種特征的數(shù)目下面列出了在不同子窗口大小內(nèi)，特征的總數(shù)量：表2 不同子窗口大小內(nèi)，特征值的數(shù)量窗口大小特征數(shù)