【正文】 的，對(duì)這些區(qū)域，采用低壓縮比，而感興趣區(qū) 域之外采用高壓縮比，在保證不丟失重要信息的同時(shí) ， 又能有效地壓縮數(shù)據(jù)量，這就是基于感興趣區(qū)域的編碼方案所采取的壓縮策略。 JPEG2021 格 式有一個(gè)極其重要的特征在于它能實(shí)現(xiàn)漸進(jìn)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。 JPEG2021 文件的擴(kuò)展名 為 jp2。 二 、 JPEG2021格式 JPEG2021 是基于小波變換的圖像壓縮標(biāo)準(zhǔn)，同樣由 聯(lián)合照片專家組（ Joint Photographic Experts Group）開發(fā)和維護(hù)。 由于 JPEG 優(yōu)異的品質(zhì)和杰出的表現(xiàn)，它的應(yīng)用也非常廣泛，特別是在網(wǎng)絡(luò)和光盤讀物上，肯定都能找到它的影子。 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(shí)還可以給人豐富生動(dòng)的視覺感受，即可以使用最小的磁盤存儲(chǔ)較好的圖像質(zhì)量。它是由聯(lián)合照片專家組 （ Joint Photographic Experts Group） 開發(fā)的，并且命名為“ ISO109181”， JPEG 僅僅是一種俗稱而已。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。這樣做的目的是我們的工作中心集中在核 心人臉識(shí)別算法 的性能研究上 。在人臉圖像獲取和人臉?lè)指顑蓚€(gè)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(kù)打下了基礎(chǔ)。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 7 種 變化因素為姿態(tài)，表情，飾物，光照，背景，距離和時(shí)間跨度，其中以姿態(tài)，表情，飾物和 光照 為主， 故稱為 PEAL（ pose，expression， accessory 和 lighting 的簡(jiǎn)寫）。該數(shù)據(jù)庫(kù) 是基于目前的人臉數(shù)據(jù)庫(kù)大多都較小或圖像變化因素單一，人臉圖像的多為西方人，其面部特征與東方人存在一定的差別，需要建立一個(gè)大規(guī)模，多因素的東方人臉數(shù)據(jù)庫(kù)的需求建立的， 共采集了 1040 位志愿者（ 595 名男性， 445 名女性）的 99450幅圖像。有輕微的姿態(tài)變換，無(wú)光照變換 。 講話的目的是為了采集面部表情的變化。我們?cè)诒疚牟捎玫氖撬膄ace94 數(shù)據(jù)庫(kù)。 它們的背景和比例是變化的，人臉表情是極度變化的。這樣做的目的是為了增加 難度 。這個(gè)人臉數(shù)據(jù)庫(kù) 由 Libor Speacek 博士主持的計(jì)算機(jī)視覺研究項(xiàng)目 在維護(hù)。 Essex 人臉數(shù)據(jù)庫(kù) 是英國(guó) 埃塞克斯大學(xué) 的人臉數(shù)據(jù)庫(kù)。 AR 人臉數(shù)據(jù)庫(kù)為西班牙巴塞羅那計(jì)算機(jī)視覺中心建立，由 116 人的 3228 幅圖像構(gòu)成。T 實(shí)驗(yàn)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。 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。 FERET 人臉數(shù)據(jù)庫(kù)是人臉識(shí)別中最常用的數(shù)據(jù)庫(kù)，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。所以有必要建立滿足不同需要的人臉數(shù)據(jù)庫(kù) 。設(shè)計(jì)一個(gè)在所有變化情況下都能正確識(shí)別的系統(tǒng)是非常困難的，而且也沒有必要。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)。目標(biāo)分割與識(shí)別通過(guò)將 目標(biāo)集合和統(tǒng)計(jì)信息表示為模型，是其成為目標(biāo)的搜索匹配或監(jiān)督分類。其中活動(dòng)輪廓模型是使用在圖像上的一條動(dòng)態(tài)曲線，在內(nèi)力曲線本身新的表現(xiàn)和外力圖像信息的表現(xiàn)共同作用下趨于對(duì)象的輪廓。該方法當(dāng)前研究的區(qū)別在于區(qū)域性質(zhì)差異上。它是一個(gè)迭代過(guò)程，每一步重新計(jì)算邊界信息，若沒有區(qū)域合并，迭代完成，圖像分割完成。在每個(gè)子區(qū)域中，對(duì)經(jīng)過(guò)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(huì)用一組參數(shù)來(lái)表示該區(qū)域。 基于區(qū)域增長(zhǎng)的方法是將含有相似性質(zhì)的像素集合起來(lái)形成一個(gè)新的區(qū)域。此方法只考慮了圖像的灰度信息，拋棄了圖像的其他信息。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。 基于閥值的方法是使用采集到圖像的灰度直方圖計(jì)算出分割閥值，又可以分為全局閥值方法和局部閥值方法。該方法先提取邊緣后再進(jìn)行邊界連接，得到分割輪廓。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(shí)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(shí)際中基于模型的方法使用的比較多?；谀Ｐ偷姆椒ㄐ枰闰?yàn)知識(shí)。數(shù)據(jù)驅(qū)動(dòng)方法直接對(duì)圖像進(jìn)行處理，不依賴于先驗(yàn)知識(shí)。 要對(duì)人臉進(jìn)行識(shí)別一般需要將人臉區(qū)域從采集到的圖像中分離出來(lái)。 第二 節(jié) 人臉?lè)指? 人臉識(shí)別是通過(guò)對(duì)人臉進(jìn)行精確定位，并從圖像中提取人臉區(qū)域。 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。在實(shí)際中，要采用何種人臉采集形式要取決于應(yīng)用的需求和場(chǎng)合。對(duì)于動(dòng)態(tài)人臉圖像要考慮如何在序列中提取清晰的圖像又不丟失局部信息。但同時(shí)也帶了問(wèn)題， 動(dòng)態(tài)人臉圖像序列里的某一幅圖像可能會(huì)產(chǎn)生瞬間模糊，這將會(huì)影響其識(shí)別率。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。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。不過(guò)隨著現(xiàn)在科技的發(fā)展，這個(gè)問(wèn)題已基本上被解決。常用的采集設(shè)備有數(shù)碼相機(jī) ，數(shù)碼攝影機(jī)等。 人臉識(shí)別小節(jié)講解本文人臉識(shí)別的流程。 在人臉識(shí)別的發(fā)展趨勢(shì) 小節(jié) 主要講解人臉識(shí)別技術(shù)未來(lái)的走向 。 第 五 節(jié) 本章小結(jié) 本章 由 人臉識(shí)別的研究背景，人臉識(shí)別技術(shù)的主要難點(diǎn) ，人臉識(shí)別的發(fā)展趨勢(shì) 和人臉識(shí)別流程 四 個(gè)小節(jié)構(gòu)成 。 四 、 特征匹配 8 特征匹配 是計(jì)算兩個(gè)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(chǔ)的特征模版進(jìn)行比對(duì)， 并輸出最佳匹配對(duì)象。而特征選擇是根據(jù)專家的檢驗(yàn)知識(shí)或評(píng)價(jià) 準(zhǔn)則來(lái)挑選對(duì)分類最有影響的特征。 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(lái)講，二者都是要達(dá)到對(duì) 數(shù)據(jù) 進(jìn)行降維的目的，只是實(shí)現(xiàn)的途徑不同。由于在許多實(shí)際問(wèn)題中常常不容易找到那些最重要的特征，或者由于條件限制而不能對(duì)這些重要特征進(jìn)行測(cè)量。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。由于測(cè)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(cè)量空間變換到維數(shù)很少的特征空間，由特征向量表示。通過(guò)上面方法獲得特征被稱為原始特征。 為了獲得有效的特征，一般需要經(jīng)過(guò)特征 形成，特征提取和特征選擇等步驟。在樣本數(shù)不是很多的情況下，可以利用這些特征進(jìn)行分類器的設(shè)計(jì)，但是在大多數(shù)情況下，由于測(cè)量空間的維數(shù)很高，不能直接進(jìn)行分類器的設(shè)計(jì)。對(duì)于計(jì)算機(jī)而言，模擬人類的感覺器官是很難實(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)。 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。 三 、 特征提取 7 特征提取 就是計(jì)算機(jī)通過(guò)提取人臉圖像中能夠 凸顯個(gè)性化差異的的本質(zhì)特征 ，進(jìn)而來(lái)實(shí)現(xiàn)身份識(shí)別。他們一般以人臉圖像在圖像結(jié)構(gòu)和人臉信號(hào)分布的先驗(yàn)知識(shí)為依據(jù)。 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。在采集人臉圖像時(shí)，要注意用戶人臉姿態(tài)，臉部有無(wú)遮擋 ， 周圍光照是否滿足要求 及設(shè)備采集圖像的質(zhì)量是否能滿足要求。 第 四 節(jié) 人臉識(shí)別流程 人 臉 圖 像獲 取特 征 提 取系 統(tǒng) 數(shù) 據(jù)庫(kù)輸 出 結(jié) 果人 臉 圖 像獲 取特 征 提 取特 征 匹 配預(yù) 處 理 預(yù) 處 理 圖 人臉識(shí)別 系統(tǒng) 處理流程 一 、 人臉圖像采集 采集人臉圖像是通過(guò)傳感器采集人臉圖像，并將其轉(zhuǎn)換為計(jì)算機(jī)可以處理的數(shù)字信號(hào)。本文的實(shí)驗(yàn)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(jìn)行的。 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。以上這些決定計(jì)算機(jī)很難用統(tǒng)一的標(biāo)準(zhǔn)來(lái)識(shí)別人的面部表情。而且，同一種表情在不同的人上也會(huì)有不同的表現(xiàn)形式。 面部表情的變化為面部特征點(diǎn)的運(yùn)動(dòng)。 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。 當(dāng)人 臉姿態(tài)俯仰或左右比較大時(shí)，人臉識(shí)別的識(shí)別率驟降。但目前為止光照處理技術(shù)遠(yuǎn)未達(dá)到實(shí)用的程度，還需要深入的研究。 復(fù)雜條件下的人臉檢測(cè)與關(guān)鍵點(diǎn)定位是目前人臉識(shí)別急需解決的問(wèn)題之一。 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。 5 第 三 節(jié) 人臉識(shí)別技術(shù)的主要難點(diǎn) 目前的人臉識(shí)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。具體原因是人臉是非剛體，無(wú)法得到準(zhǔn)確完整的描述人臉特征。在復(fù)雜背景下快速有效檢測(cè)和分割人臉技術(shù)還需進(jìn)一步的研究。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)。 四 、 三維人臉識(shí)別 目前許多人臉識(shí)別成果是建立在二維人臉基礎(chǔ)上的，而實(shí)際的人臉是三維的。小波變換具有時(shí)頻特性和變焦特性，神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)，自適應(yīng)，魯棒性，容錯(cuò)性和推廣能力。它被認(rèn)為是傅里葉分析的突破性的發(fā)展 。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。如 何使用數(shù)據(jù)融合理論，將不同的方法綜合起來(lái)，相互補(bǔ)充，來(lái)取得較好的人臉識(shí)別效果，便成為人們的研究熱點(diǎn)之一。人臉識(shí)別的未來(lái)主要的發(fā)展趨勢(shì)如下： 4 一 、 多數(shù)據(jù)融合與方法綜合 人臉識(shí)別技術(shù)經(jīng)過(guò)這幾十年的發(fā)展， 已取得非常不錯(cuò)的成果。 第二節(jié) 人臉識(shí)別 的發(fā)展 趨勢(shì) 人臉識(shí)別至今雖然取得了豐碩的研究成果， 但是還有很多問(wèn)題需要解決。 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 。在后來(lái)很多的人臉識(shí)別技術(shù)，我們或多或少都會(huì)發(fā)現(xiàn)它的影子。而非線性建模方法，統(tǒng)計(jì)學(xué)習(xí)理論，基于 Boosting的學(xué)習(xí)技術(shù)，基于 3D 模型的人臉建模與識(shí)別方法等逐漸成為備受重視的技術(shù)發(fā)展趨勢(shì)。 Shashua 等人基于上圖像的人臉圖像識(shí)別與繪制技術(shù) [6,7]。 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。 主要針對(duì)的是主流的人臉識(shí)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(wèn)題。 第三階段（ 1998 年 — 現(xiàn)在）這個(gè)時(shí)期關(guān)于人臉識(shí)別的研究非常 熱門。 這個(gè)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(kù) 上達(dá)到了非常 好的性能。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。 柔性模型， 包括主動(dòng)形狀模型和主動(dòng)外觀模型。 它既保留了全局拓?fù)湫畔?，有提取了局部特征，使其具有了更好的描述?識(shí)別 能力。 3 局部特征分析 由 Atick 等提出。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。它用一個(gè)屬性圖 來(lái)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。 其先使用 PCA 即特征臉對(duì)人臉圖像表現(xiàn)特征進(jìn)行降維，并使用線性判別分析方法對(duì)降維后的主成分進(jìn)行變換以獲得“盡量大的類間散度和盡量小的類內(nèi)散度”。 Belhumeur 等人的 Fisherface 方法也是此階段一個(gè)重要的成果。 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。 這個(gè)時(shí)期最具盛名的人臉識(shí)別方法是 MIT 媒體實(shí)驗(yàn)室 的 Turk 和 Pentland 提出的 的“特征臉”方法。 這個(gè)階段屬于人臉識(shí)別的初級(jí)階段，突出的研究成果不多，也沒有獲得 的實(shí)際應(yīng)用。 研究的重點(diǎn)主要在剪影 上?，F(xiàn)在，已變成計(jì)算機(jī)視覺領(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。 自動(dòng)人臉的研究歷史相對(duì)比較短，到現(xiàn)在不過(guò)五十多年的時(shí)間。 2 第一章 人臉識(shí)別系統(tǒng) 概述 第一節(jié) 人臉識(shí)別的研究 概況 人臉識(shí)別的研究 起源 比較早， Galton 在 1888 年和 1910 年 就已 在 Nature 雜志發(fā)表 兩篇關(guān)于如何使用人臉進(jìn)行身份識(shí)別的論文。 第三章 主要 介紹 常用 的 人臉圖像預(yù)處理 方法 。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 。所以研究基于 PCA 的人臉識(shí)別算法實(shí)現(xiàn)具有重要的理論和使用價(jià)值。 PCA 算法 通過(guò)降低 維度，提取主元素，減少了數(shù)據(jù)冗余，解決了圖像緯度太高無(wú)法處理或處理很慢的特點(diǎn) ， 同時(shí) 保持了原始圖像的絕大部分信息。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(diǎn)。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。 在實(shí)驗(yàn)中我們發(fā)