【正文】 提取使用 Laplacian 操作符?！?0176。(4) Miao 等人提出了用于人臉檢測的層次模板匹配方法。(3) Govindaraju 等人提出兩個階段的人臉檢測方法。用五個特征（兩眼、兩鼻孔和嘴）來表示一個典型的臉。在頭輪廓定位以后，用相同的過程以不同的尺度重復(fù)定位眼睛、眼眉和嘴唇等特征。(2) Craw 等人提出了一種基于正面人臉的形狀模板（也就是人臉的外形）定位方法。首先將待檢測子圖像與輪廓模板匹配以確定人臉的候選位置，然后在候選的人臉位置將其與各子模板進(jìn)行匹配，完成人臉檢測。國內(nèi)外很多學(xué)者研究了基于模板匹配的人臉檢測方法，主要有：(1) 早期的嘗試是 Sakai，Nagao 和 Fujibayashi 檢測照片中的前視人臉。2. 可變形模板匹配算法可變形模板法可以說是幾何特征方法的改進(jìn)，其基本思想是：根據(jù)臉部特征的形狀特點(diǎn)設(shè)計(jì)參數(shù)可調(diào)的器官模型，即可變形模板，并設(shè)定一個相應(yīng)的評價函數(shù)以度量被檢測區(qū)域與模型的匹配程度。利用此方法能檢測人臉的局部特征。原因是人臉模式變化太大，一個固定的人臉模板無法對其充分描述，也不能有效的處理尺度，姿勢和形狀的變化。相關(guān)模板匹配方法是通過計(jì)算一個未知模式和一個固定的已知人臉模式之間的相似性，來判斷未知模式是否為人臉模式?；谀０宓娜四槞z測算法又分為通用模板匹配算法和可變形模板匹配算法。但卻忽略了同一個體由于光照、姿態(tài)等因素的不同而產(chǎn)生的類內(nèi)差異。該方法以訓(xùn)練樣本的類內(nèi)散布矩陣與類間散布矩陣為基礎(chǔ)構(gòu)造最優(yōu)投影空間。在該直線上樣本的投影具有最佳可分性，即同類模式盡可能的密集，不同類模式盡可能分開。此方法在特征值較少時識別率高于 PCA。人臉的許多重要信息隱含在圖像像素的高階統(tǒng)計(jì)關(guān)系中，ICA 方法可以更好的表示人臉視圖的局部特征。與 PCA 方法不同，ICA 方法要求特征空間的各個分量間統(tǒng)計(jì)獨(dú)立。圖 ORL 人臉數(shù)據(jù)庫的獨(dú)立分量Bartlett 等首先運(yùn)用 ICA 方法表示人臉，用一組統(tǒng)計(jì)獨(dú)立變量的線性組合來表示。加入新的人臉時不能保證已有特征臉的通用性，有可能要重新計(jì)算特征臉。KL 變換從壓縮能量的角度看是最優(yōu)的，不僅使得降維后的均方誤差最小，變換后的低維空間有很好的人臉表達(dá)能力。圖 ORL 人像數(shù)據(jù)庫的主分量Turk 和 Pentland 首先提出了基于 KL 的人臉識別方法。如將子空間的正交基按照圖像陣列排列，可以看出這些正交基呈現(xiàn)人臉的形狀，因此這些正交基也被稱作特征臉(Eigenface)。KL 變換是圖像壓縮中的一種最優(yōu)正交變換。1．主分量分析(PCA)主分量分析(PCA，Principal Component Analysis)是多元統(tǒng)計(jì)分析中用來分析數(shù)據(jù)的一種方法。把子空間向量叫做變換域向量。把給定的 像素*mn的訓(xùn)練樣本集稱為空間域向量。且這種方法工作量大，運(yùn)算時間長。由于灰度受光照的影響較大，一般應(yīng)采用預(yù)處理技術(shù)?；谥R的人臉檢測方法很多，這里就不一一列舉。實(shí)驗(yàn)結(jié)果表明，其方法具有較強(qiáng)的魯棒性，能夠很好地解決復(fù)雜背景下的多人臉檢測問題。采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖模型。實(shí)驗(yàn)結(jié)果表明其所采用的方法具有較高的準(zhǔn)確率(%)和光照魯棒性。然后根據(jù)眉毛/眼睛、鼻孔/鼻子、嘴的檢測規(guī)則對可能的臉部區(qū)域進(jìn)行驗(yàn)證。4. Kotropoulos 和 Pitas 利用輸入圖像在水平及垂直方向上的灰度積分投影。輸入圖像首先利用顏色信息進(jìn)行加強(qiáng)，然后由SGLD 矩陣得到慣量，倒數(shù)差分和相關(guān)特征等結(jié)構(gòu)化特征，根據(jù)人臉的結(jié)構(gòu)化模型，就可以找到人臉。 2. Lin 等用正面人臉的雙眼和嘴，側(cè)面人臉的眼，嘴和耳之間呈三角形結(jié)構(gòu)特征，在圖像中可以檢測出正面，側(cè)面姿態(tài)的人臉。這種方法的特點(diǎn)是用從粗到細(xì)的策略來減少所需要的計(jì)算。提出了馬賽克方法，給出了基于人臉區(qū)域灰度分布的規(guī)則，依據(jù)這些規(guī)則對圖像從低分辨率到高分辨率進(jìn)行篩選，以樣本滿足這些規(guī)則的程度作為檢測的依據(jù)，其采用分層次的的基于知識的方法進(jìn)行人臉檢測，他們建立了一個三層檢測系統(tǒng)。許多學(xué)者利用上述提到的人臉特征在基于知識的人臉檢測方法上做了大量研究。眉，眼，鼻和嘴等區(qū)域是按照一定比例關(guān)系組織在一起，兩眼和嘴中心構(gòu)成一個三角形。正面人臉是左右對稱的，對應(yīng)邊緣和灰度特征基本相同。采用線性光照擬合和直方圖均衡的方法可以補(bǔ)償光照的影響。對人臉區(qū)域分別在 X 和 Y 方向上對灰度值投影，根據(jù)極小點(diǎn)位置確定眼，鼻，嘴和臉頰邊界的位置，從而確定臉部的大概位置。相應(yīng)的眼模板和嘴模板也經(jīng)常被使用。由頭發(fā)和皮膚的紋理投票來標(biāo)定整個人臉的紋理，并從紋理標(biāo)簽來推斷人臉的存在。主要將紋理特征分為三種類型，包括：皮膚，頭發(fā)以及其他。如 Phillips 等人利用類似于人臉紋理的特征，來鑒別人臉是否存在。缺點(diǎn)是運(yùn)算量很大，易受初始位置影響，對非凸形狀檢測效果不好，在變形，遮擋等干擾下易出錯。Snakes 方法是一種邊界檢測和圖像分割的方法，是一條由 n 個控制點(diǎn)組成的連續(xù)閉合曲線。Hough 變換也常用于提取人臉輪廓特征，并對噪聲有較好的適應(yīng)性。圖 形狀特征模型通常采用 Sobel，Laplacian 和 Canny 等算子提取邊緣特征。常用的人臉結(jié)構(gòu)特征有：1. 邊緣和形狀特征人臉及人臉器官具有典型的邊緣和形狀特征，如人臉輪廓，眉毛邊沿，眼瞼輪廓等簡單的幾何單元。 基于知識的人臉檢測方法基于知識的人臉檢測方法是根據(jù)人臉的結(jié)構(gòu)特征知識，提取各種基本特征，然后根據(jù)一些知識規(guī)則確認(rèn)圖像中是否包含人臉。這樣就能明顯減少搜索空間，提高效率。將膚色信息作為后期驗(yàn)證方法，可以提高檢測正確率，但完全沒有解決基于灰度檢測需要整體區(qū)域搜索，運(yùn)算量大，時間長的問題。目前，在已提出的基于膚色的人臉檢測方法中，分為三類：將膚色信息作為人臉檢測的核心方法；將膚色信息作為人臉檢測的前期處理方法；將膚色信息作為人臉檢測的后期驗(yàn)證方法。膚色模型的建立是利用膚色特征進(jìn)行人臉檢測的首要條件，膚色模型是否合適直接影響人臉檢測的準(zhǔn)確率。因此，膚色特征在人臉檢測中是最常用的一種特征?；谀w色特征的方法適用于彩色圖像，基于灰度特征的方法利用人臉區(qū)別于其它物體的本質(zhì)特征，同時適用于彩色圖像和灰度圖像。目前，進(jìn)行人臉檢測一般需要采用多種模式特征綜合的方法。第二章 人臉檢測方法研究人臉檢測是人臉識別系統(tǒng)極其重要和關(guān)鍵的一步，它的任務(wù)是在整幅圖像中區(qū)分出人臉區(qū)域和非人臉區(qū)域，并將區(qū)分出來的人臉區(qū)域發(fā)送給人臉識別系統(tǒng)進(jìn)行特征提取和識別。詳細(xì)介紹本系統(tǒng)整體實(shí)現(xiàn)流程及各個模塊實(shí)現(xiàn)流程。 第四章 詳細(xì)介紹了人臉分類識別的熱點(diǎn)方法，分析比較了各個方法的優(yōu)缺點(diǎn)，提出本文采用的人臉分類識別方法及具體實(shí)現(xiàn)。第二章 簡單介紹了人臉檢測的概念，基本原理，對目前存在的算法進(jìn)行了比較分析，提出了結(jié)合膚色模型校驗(yàn)和 Haar 特征級聯(lián)強(qiáng)分類器人臉檢測算法，并進(jìn)行詳細(xì)介紹。 本文研究內(nèi)容及結(jié)構(gòu)安排本文在查閱和歸納大量相關(guān)資料的基礎(chǔ)上，充分借鑒國內(nèi)外人臉識別研究方面的技術(shù)，全面地理解人臉識別的概念，透徹研究實(shí)現(xiàn)人臉識別系統(tǒng)所涉及到的主要關(guān)鍵技術(shù)，主要包括人臉檢測、人臉特征抽取、人臉分類識別，在此基礎(chǔ)上探索開發(fā)一套基于局部 Gabor 變化直方圖序列的人臉描述與識別算法的人臉識別系統(tǒng)，在實(shí)踐上論證此系統(tǒng)的可行性?；谝曨l的實(shí)時人臉識別系統(tǒng)，使用視頻圖像的比對，已經(jīng)能夠較好地滿足安全、公安部門的需求。按照 40%利潤率，總利潤約 42,800 萬元。嵌入到硬件,做成與門禁設(shè)備相關(guān)產(chǎn)品。 效益分析 預(yù)期成果產(chǎn)品可應(yīng)用到銀行的監(jiān)控設(shè)備,ATM 機(jī),POS 機(jī),各地的 ATM 自動取款機(jī)有 1000 臺以上,截止 2022 年 12 月 31 日, 中國銀行全國共有超過 11000 間分行及分支機(jī),580 個自助銀行和 11600 部自助服務(wù)設(shè)備；不完全統(tǒng)計(jì)，招商銀行網(wǎng)點(diǎn)總數(shù) 500 多家，交通銀行全國營業(yè)機(jī)構(gòu) 2628 個。通過基于一對一驗(yàn)證的二代證相片比對可以有效強(qiáng)化有關(guān)人員的身份確認(rèn)，對實(shí)現(xiàn)對便民制證、補(bǔ)證、跨區(qū)域比對查證與冒領(lǐng)、冒辦證比對，核實(shí)代辦證人真實(shí)身份，具有重大意義，能大大提高制證部門的管理效率和服務(wù)水平。我們采用身份證信息自動掃描識別錄入方式并結(jié)合世界領(lǐng)先的人臉識別技術(shù)，比對效率高，速度快，比對準(zhǔn)確率接近 100％。公安及文化監(jiān)察中心對網(wǎng)吧推行了實(shí)名制。其特點(diǎn)：比對速度快、安全等級高、使用便利、節(jié)約成本、中心控制管理。專門為特殊場所、重要通道設(shè)計(jì)，是一款具有現(xiàn)代化色彩、最先進(jìn)、最科學(xué)的門禁系統(tǒng)，為所使用的單位保障工作環(huán)境安全、提高管理水平提供有力的幫助。通過比較相貌特征數(shù)據(jù)可實(shí)現(xiàn)身份認(rèn)證。 機(jī)人臉識別認(rèn)證系統(tǒng)我國勞動和社會保障事業(yè)在突飛猛進(jìn)的發(fā)展，但由于法律法規(guī)及監(jiān)管制度不完善，很多地方存在著較嚴(yán)重的養(yǎng)老金冒領(lǐng)情況。人臉識別技術(shù)是目前生物識別技術(shù)最先進(jìn)最容易實(shí)現(xiàn)的技術(shù)。我國金融業(yè)迅猛發(fā)展，但是至今為止，銀行內(nèi)部依然沿用通過用戶名和密碼的方式進(jìn)行柜員及主管授權(quán)的身份認(rèn)證，其結(jié)果導(dǎo)致密碼很容易泄漏或者丟失，使銀行的系統(tǒng)存在很大的安全漏洞。 人臉自動識別系統(tǒng) 將取款人的圖像實(shí)時傳至警方監(jiān)控室。人臉識別系統(tǒng)所具備的高速自動識別能力很大程度上可以將公安、安全部門從以往的“人海戰(zhàn)術(shù)”中解脫了出來，大大提升了整個國家、社會的安全防范水平，從而達(dá)到威懾犯罪、懲治罪犯、維護(hù)社會穩(wěn)定、保障國家安全的目的。例如在機(jī)場安裝監(jiān)視系統(tǒng)以防止恐怖分子登機(jī)。專門為現(xiàn)代化智能辦公大樓及重要通道設(shè)計(jì)，是一款最具現(xiàn)代化色彩、最先進(jìn)、最科學(xué)的門禁系統(tǒng)，為機(jī)關(guān)、企事業(yè)單位保障工作環(huán)境安全、提高管理水平提供有力的幫助。 整體應(yīng)用方案受安全保護(hù)的地區(qū)可以通過人臉識別辨識試圖進(jìn)入者的身份。將各種方法有效綜合是以后研究的必然趨勢。目前許多識別方法對光照條件有著不同程度的依賴，過亮，過暗或偏光現(xiàn)象的存在都可能導(dǎo)致識別率的急劇下降。因此，選擇合適的特征提取方法是關(guān)鍵。3. 識別人臉主要依據(jù)人臉上的特征，依據(jù)那些在不同個體之間存在較大差異而對于同一個人則比較穩(wěn)定的度量。造成人臉檢測和識別的主要困難有：1. 具有外貌、膚色、表面粗糙度以及表情等模式的可變性，同時臉上可能存在眼鏡、胡須甚至傷痕等附屬物。指紋采集儀，虹膜圖像采集儀、DNA 鑒別儀等都是專用的采集設(shè)備，而且設(shè)備昂貴。4. 更符合人類的識別習(xí)慣，可交互性強(qiáng)，適合于改善人機(jī)界面。3. 事后追蹤能力強(qiáng)，普通人即可進(jìn)行判斷核實(shí)。2. 采用非接觸式采集，沒有侵犯性，容易被接受。 隨著研究的不斷深入，會有更多優(yōu)秀的算法不斷涌入，為人臉識別技術(shù)的攻克提供了豐富的想法。根據(jù)近十幾年來國內(nèi)外發(fā)表的文獻(xiàn)報(bào)導(dǎo)，目前的正面人臉自動模式識別技術(shù)主要可分為以下幾類：基于幾何特征與模板匹配的識別方法，基于機(jī)器學(xué)習(xí)的方法，基于模型的方法，基于子空間變換的方法，彈性圖匹配方法等等。在這一階段的方法雖然實(shí)現(xiàn)了一定的自動化，但還需要利用操作員的某些先驗(yàn)知識，仍然不是一種完全的自動識別系統(tǒng)。如用幾何特征參數(shù)表示人臉正面圖像，以及利用歐氏距離提取人臉特征的統(tǒng)計(jì)識別方法。這一階段工作特點(diǎn)是：識別過程全部依賴于操作人員的操作，不是一種可以完成自動識別的系統(tǒng)。目前，對人臉正面情況的研究最多，它的發(fā)展大致可分為三個階段：第一階段——非自動識別階段：以 Bertillon，Allen 和 Parke 為代表，主要研究如何提取人臉識別所需要的面部特征。由于人臉檢測問題的復(fù)雜性, 無論哪一類方法都無法適應(yīng)所有的情況, 一般都針對人臉檢測領(lǐng)域內(nèi)某個或某些特定的問題采用不同的檢測方法或?qū)追N方法綜合起來使用。前者適用于構(gòu)造快速的人臉檢測和人臉跟蹤算法, 后者利用了人臉區(qū)別于其它物體的更為本質(zhì)的特征, 是人臉檢測領(lǐng)域研究的重點(diǎn)。由于人臉模式具有復(fù)雜而細(xì)致的變化, 因此一般需要采用多種模式特征綜合的方法。目前國外對人臉檢測問題的研究很多。人臉檢測是自動人臉識別系統(tǒng)中的一個關(guān)鍵環(huán)節(jié), 但是早期的人臉識別研究主要針對具有較強(qiáng)約束條件的人臉圖像(如無背景的圖像), 往往假設(shè)人臉位置已知或很容易獲得, 因此人臉檢測問題并未受到重視。自上世紀(jì) 90 年代后，人臉識別研究越來越受到國內(nèi)外學(xué)者的關(guān)注，也積累了大量的研究成果，提出了許多人臉識別技術(shù)方法。識別就是將待識別的人臉與已知人臉進(jìn)行比較，得出相似程度的相關(guān)信息。特征提取是指提取人臉的特征，將現(xiàn)實(shí)空間的圖像映射到機(jī)器空間的過程。人臉識別是利用計(jì)算機(jī)分析人臉圖像，進(jìn)而從中提取有效的識別信息，用來“辨識”身份的一門技術(shù)。人臉檢測是人臉識別系統(tǒng)首先需要解決的關(guān)鍵問題。所謂檢測，就是給定任意圖像，確定其中是否存在人臉；如果有，給出人臉的位置、大小等狀態(tài)信息。安防人臉生物信息識別系統(tǒng)主要由人臉檢測和人臉識別兩個關(guān)鍵環(huán)節(jié)組成。借助人臉識別技術(shù)，可完美地解決人工判別所存在的各種問題。人臉作為生物特征具有不易偽造、不會遺失、終身不變和隨身攜帶等優(yōu)點(diǎn)，與指紋、視網(wǎng)膜、虹膜、基因等其他人體生物特征識別系統(tǒng)相比，人臉識別系統(tǒng)更加直接、友好，使用者無任何心理障礙，是未來身份認(rèn)證發(fā)展方向之一。因此，傳統(tǒng)身份認(rèn)證技術(shù)面臨著嚴(yán)峻的挑戰(zhàn)，并越來越不適應(yīng)現(xiàn)代科技的發(fā)展和社會的進(jìn)步。傳統(tǒng)的身份標(biāo)識物容易丟失或被偽造；身份標(biāo)識知識容易遺忘或被破解；更為嚴(yán)重的是傳統(tǒng)身份認(rèn)證方法往往無法區(qū)分身份標(biāo)識物或知識真正的擁有者和冒充者。安防人臉生物信息識別系統(tǒng)畢業(yè)論文目 錄第一章 緒論 ...........................................................................................................