【正文】 人臉是由嘴、眼睛、下巴、鼻子等器官組成，對(duì)于這些器官與結(jié)構(gòu)關(guān)系的幾何特征描述，可以當(dāng)作人臉識(shí)別重要的特征?；诮y(tǒng)計(jì)的方法的基本實(shí)現(xiàn)是選取某個(gè)適當(dāng)?shù)淖涌臻g，使圖像能投影到該子空間上，然后可以通過(guò)利用對(duì)圖像到子空間的這種投影間的某一種度量方式來(lái)確定圖像之間的相似程度，各種距離度量是最常見(jiàn)的度量方式。在人臉識(shí)別的方法中，基于統(tǒng)計(jì)的方法是比較常見(jiàn)而且是經(jīng)典的。特征提取效果的好壞直接影響到人臉的識(shí)別率，所以提取的特征必須保證能包含信息量大、最具有代表性、冗余量小等特點(diǎn)，并且還需要具有一定的魯棒性。如果是測(cè)量的空間，是特征的空間，則變換就成為特征提取。二次特征就是映射后的特征，它是原始特征通過(guò)某種組合（常用的是線性組合）而成的。第5章 圖像的特征提取與識(shí)別 引言在模式識(shí)別中，被識(shí)別對(duì)象的一些基本特征可以被計(jì)算出來(lái)（需先將識(shí)別對(duì)象處理為波形或數(shù)字圖像），甚至可以用傳感器或儀表測(cè)量出這些特征（識(shí)別對(duì)象是某種過(guò)程或者實(shí)物時(shí)），通過(guò)這樣得到的特征被稱為原始特征。最后在人臉圖象的灰度歸一化中，對(duì)圖像進(jìn)行灰度歸一化處理，部分消除光照的影響，得到標(biāo)準(zhǔn)的人臉圖像。再通過(guò)幾何歸一化，對(duì)人眼進(jìn)行手工定位，并經(jīng)過(guò)圖像剪切、縮放和旋轉(zhuǎn)的操作，把所有的人臉圖像中的兩眼之間連線距離固定，并保持水平，圖像處理到標(biāo)準(zhǔn)大小。 圖45：灰度歸一化效果圖 本章小結(jié)本章詳細(xì)的介紹了人臉識(shí)別系統(tǒng)中人臉圖像預(yù)處理的每個(gè)過(guò)程和相應(yīng)的預(yù)處理方法?；叶燃?jí)的像素經(jīng)過(guò)直方圖變換后的灰度級(jí)為： （46）在對(duì)人臉圖像進(jìn)行了灰度歸一化后,我們得到下面的圖。對(duì)于數(shù)字圖象，設(shè)為灰度級(jí)數(shù)，則第級(jí)灰度的出現(xiàn)頻度為： （44）式中，為灰度級(jí)為像素?cái)?shù)，為圖像中總的像素?cái)?shù)。由于人臉系統(tǒng)的需要，對(duì)圖像必須進(jìn)行灰度歸一化的處理，灰度歸一化與傳統(tǒng)的幾何歸一化不同，它是通過(guò)線性的方法把圖像的對(duì)比度和亮度歸一化到某一個(gè)數(shù)值區(qū)域。處理結(jié)果如下圖44。 （1）原始圖像 （2）原始圖像對(duì)應(yīng)的直方圖圖43：圖像直方圖示意圖8位灰度圖像總共有256個(gè)灰度等級(jí)，然而數(shù)字化后的原始圖像的真實(shí)范圍一般都沒(méi)有占滿0到255之間的全部灰度級(jí)，僅僅是集中在某幾個(gè)區(qū)域段內(nèi)，例如圖像偏亮、偏暗、對(duì)比度不足或亮度范圍不足等。而圖像是輸入圖像直方圖[20] 朱秀昌，劉峰，[M].北京郵電大學(xué)出版社，2002，6990.均衡化后的輸出,均衡化的過(guò)程可以從下面的公式（42）和公式（43）得到: （42） （43）直方圖是指一幅圖像中部分或者全部區(qū)域內(nèi)具有相同亮度值的統(tǒng)計(jì)分布圖，表達(dá)的是在數(shù)字圖像中的每個(gè)灰度等級(jí)出現(xiàn)頻率之間的統(tǒng)計(jì)關(guān)系。(1)原始圖像(2)旋轉(zhuǎn)后的圖像 (3)剪切后的圖像 (4)縮放后的圖像圖42：圖像預(yù)處理示意圖對(duì)于人臉圖像需要對(duì)其進(jìn)行直方圖均衡化，它的原理是：將原始圖像的像素值逐點(diǎn)改變，使原圖像能變?yōu)樵诿總€(gè)灰度級(jí)別上都具有一樣的像素點(diǎn)數(shù)的輸出圖像，即讓輸出圖像的直方圖變成均勻的。所以在本文實(shí)驗(yàn)中選取了效果較好，速度較好的雙線性插值法[12][17]。雖然最鄰近插值法簡(jiǎn)單，但是有很大的失真。本文中的實(shí)驗(yàn)就采用灰度插值的方法來(lái)進(jìn)行圖象的縮放[12]。這也體現(xiàn)出了人臉在圖像的平面內(nèi)尺度的不變性[12]。假如規(guī)定的圖像的大小是，那么縮放的倍數(shù)就是。經(jīng)過(guò)裁剪，在的圖象內(nèi)，可以保證o點(diǎn)固定于處。圖像裁剪的比例示意圖如下圖41。圖像旋轉(zhuǎn)就是把人臉圖像在平面內(nèi)進(jìn)行旋轉(zhuǎn)處理，目的是為了讓人臉上的雙眼之間的連線能保持在水平位置。所以，輸入的人臉圖像都需要進(jìn)行校正，才能把不同情況的人臉圖像處理成像素大小一致，人臉的關(guān)鍵部位也一致的標(biāo)準(zhǔn)圖像[12]。圖像的幾何歸一化是指在人臉圖像中，人臉的關(guān)鍵部位在圖像中的位置是否都是一致的。由圖像的理論知識(shí)可以得到二者的轉(zhuǎn)換公式： （41）在這個(gè)公式中,變量代表顏色的亮度,和變量都表示色調(diào)。其中255代表全白，0代表全黑。同時(shí)，灰度圖像是有變化的，比如從暗到亮之間的變化過(guò)程。從生活中獲取的圖像都是彩色的。 人臉預(yù)處理算法 顏色處理人臉特征點(diǎn)的提取是人臉識(shí)別系統(tǒng)中一個(gè)重要的步驟，但是提取人臉特征點(diǎn)信息只能在灰度圖像上，所以，圖像預(yù)處理的第一步就是要先對(duì)圖像進(jìn)行灰化處理，獲得灰度圖像。每人兩組不同時(shí)間段的照片里都含有微笑、憤怒、尖叫和中立等不同的面部表情，雙側(cè)光照、左側(cè)光照和右側(cè)光照的不同的光照條件，甚至還有用圍巾遮擋部分面部或者佩戴太陽(yáng)鏡。AR數(shù)據(jù)庫(kù)分別采集了間隔14天兩個(gè)不同時(shí)間段，都是以白色作為拍攝背景的同一批人的人臉圖像，包括56女70男總共126人，由每人共有28張彩色的正面圖像組成。該人臉庫(kù)的最大特點(diǎn)就是光照變化很明顯，而且人臉部分被遮掩。相對(duì)FERET人臉庫(kù)來(lái)說(shuō)，ORL人臉庫(kù)中的人臉信息時(shí)很容易獲得的，以前研究工作者的大量實(shí)驗(yàn)數(shù)據(jù)也包含在里面，正是基于這一優(yōu)點(diǎn)，所以該人臉庫(kù)就作為了本文實(shí)驗(yàn)的人臉數(shù)據(jù)庫(kù)。圖像的人臉上的細(xì)節(jié)和表情都是不一樣的，并且都是不斷變化的，比如不哭與哭，有沒(méi)有戴帽子，有沒(méi)有頭發(fā)等。T Laboratories ORL Database of Faces. ORL人臉庫(kù)是由Ohvertti實(shí)驗(yàn)室拍攝的一系列人臉圖像組成，它是一個(gè)美國(guó)的專門從事人臉圖像研究的實(shí)驗(yàn)室，這個(gè)數(shù)據(jù)庫(kù)內(nèi)共有40個(gè)不同性別、不同種族和不同年齡的人，每個(gè)人有十幅圖像。非美研究機(jī)構(gòu)在獲取該數(shù)據(jù)庫(kù)是很不方便的，這也是該數(shù)據(jù)庫(kù)的最大缺點(diǎn)。這個(gè)數(shù)據(jù)庫(kù)中的人臉都沒(méi)有戴眼鏡，拍攝的條件也是有限制的，圖片中的人臉?lè)胖迷谝?guī)定大小的范圍內(nèi)。人臉庫(kù)的設(shè)計(jì)對(duì)人臉識(shí)別系統(tǒng)的識(shí)別率起決定性的作用，數(shù)據(jù)庫(kù)中的不同表情、姿態(tài)和光照變化即使是背景的微小變化都會(huì)嚴(yán)重影響系統(tǒng)的系別率，因此人們就建立了能適應(yīng)不同要求的人臉數(shù)據(jù)庫(kù)。經(jīng)過(guò)統(tǒng)一處理后，人臉圖像就比較標(biāo)準(zhǔn)了，可以消除一些外在因素的不利影響[12]。本節(jié)的預(yù)處理工作是在原始0RL人臉庫(kù)上進(jìn)行的。另外，焦距大小、距離遠(yuǎn)近等又會(huì)讓人臉在整幅圖像中的大小和位置不確定。第4章 圖像的預(yù)處理 引言模式識(shí)別的過(guò)程中一個(gè)非常重要的步驟就是預(yù)處理。盡管這種強(qiáng)分類器所檢測(cè)出來(lái)的結(jié)構(gòu)還達(dá)不到人臉檢測(cè)的要求，但是至少因?yàn)樗陨淼奶卣骱芎?jiǎn)單，可以迅速的減少大量的非人臉的圖像，因此可以大大地減少后面的工作量。為了提高圖像檢測(cè)的效率，最開(kāi)始的幾層分類器可以用相對(duì)簡(jiǎn)單的強(qiáng)分類器，這些強(qiáng)分類器通常僅有一兩個(gè)簡(jiǎn)單分類器所構(gòu)成，即只有一到兩個(gè)矩形特征。讓待檢測(cè)的人臉圖像按一定的次序經(jīng)過(guò)多個(gè)簡(jiǎn)單分類器，如果該圖像可能是人臉，就會(huì)通過(guò)檢測(cè)，否則就會(huì)被判斷為錯(cuò)誤圖像，結(jié)束對(duì)該圖像的檢測(cè)，接著檢測(cè)其它窗口[9]。經(jīng)過(guò)訓(xùn)練，就能得到個(gè)最優(yōu)的簡(jiǎn)單分類器，然后將這個(gè)簡(jiǎn)單分類器按照公式（33）就可以形成一個(gè)強(qiáng)分類器[9]： 式中： （33） 級(jí)聯(lián)分類器雖然由多個(gè)簡(jiǎn)單分類器按一定的方式組合而來(lái)的強(qiáng)分類器擁有很好的檢測(cè)效率，但是它消耗的檢測(cè)時(shí)間比較長(zhǎng)，達(dá)不到人臉識(shí)別系統(tǒng)的實(shí)時(shí)性的要求，所以Micheal Jones與Paulviola等人就提出了基于Adaboost算法的人臉檢測(cè)級(jí)聯(lián)分類器，不僅使人臉檢測(cè)具有很好的識(shí)別效果，還從根本上解決了人臉識(shí)別的速度上的問(wèn)題。 強(qiáng)分類器的特征與簡(jiǎn)單分類器是一一對(duì)應(yīng)的。從公式（32）可以得出，一個(gè)弱分類器是由對(duì)應(yīng)的閾值和特征決定的，訓(xùn)練一個(gè)弱分類器，就是在當(dāng)前權(quán)重的分布情況下，找到最優(yōu)的閾值，使得該弱分類器對(duì)所有訓(xùn)練樣本的分類誤差最低。（1） 簡(jiǎn)單分類器的訓(xùn)練。 Adaboost算法Adaboost算法就是通過(guò)訓(xùn)練分類器，屬于一種分類算法?；谶@種考慮，Paul Vilola等人提出用積分圖的計(jì)算方法，通過(guò)積分圖，計(jì)算的速度大大加快了。常用的Haar特征有三種，如圖31： 圖31：三種Haar特征每個(gè)特征是由2個(gè)或者3個(gè)矩形組成，它們分別用來(lái)檢測(cè)中心特征、邊界和細(xì)線，這些矩形內(nèi)的特征值可表示為： （31）式中：是矩陣所圍圖像的灰度積分，為組成的矩陣的個(gè)數(shù)，是矩陣的權(quán)。而選取的特征即是特征矩陣（Haar特征），計(jì)算的方法是積分圖[10] Paul Viola，Michael Object Detection using a Boosted Cascade of Simple Features[C].Conference on Computer Vision And Pattern Recognition，Kauai，Hawaii，2001(1):511 518. [11] YANG H，YUAN BZ. Feature extraction in human Face recognition system[C].2000IEEE，Proceeding of ICSP,2000:127321276. 。它主要有三個(gè)步驟：1)首先需要提取待測(cè)圖像中的特征點(diǎn)，經(jīng)過(guò)訓(xùn)練從中選出最優(yōu)的特征點(diǎn)；2）然后再將選取出的特征變換為相應(yīng)的簡(jiǎn)單分類器；3）最后將全部得到的簡(jiǎn)單分類器通過(guò)優(yōu)化和組合，產(chǎn)生合成級(jí)聯(lián)分類器，即可以用于人臉的檢測(cè)[9] ：重慶大學(xué)，2010:79.。Adaboost算法是一種基于積分圖和矩形特征的算法，將在下文中詳細(xì)介紹這種方法。因?yàn)槿四槇D像是相當(dāng)復(fù)雜的，要想描述人臉的特征時(shí)非常困難，所以人們?cè)絹?lái)越青睞基于統(tǒng)計(jì)的人臉檢測(cè)方法。（3）基于統(tǒng)計(jì)的人臉檢測(cè)方法。該方法的優(yōu)點(diǎn)是當(dāng)被檢測(cè)人臉的大小不一樣或在允許范圍內(nèi)有偏轉(zhuǎn)時(shí)，由于模板匹配法使用的是可調(diào)的彈性模板，所以被測(cè)人臉都可以被檢測(cè)出來(lái)。模板匹配法需要首先建立一些作為參考標(biāo)準(zhǔn)的人臉模板，其中包括人臉的正面或是單獨(dú)的鼻子、嘴唇、眼睛等。但是該方法也具有缺點(diǎn)：它只描述了一些重要特征的相對(duì)位置之間的關(guān)系和形狀，而忽略了那些比較細(xì)微的局部特征，因此更適合用來(lái)進(jìn)行粗分類。有這種方法的人臉檢測(cè)系統(tǒng)里，一般需要先檢測(cè)出人臉圖像中的重要特征點(diǎn)（如鼻子、眼睛等）的相對(duì)位置和、特征點(diǎn)之間的相對(duì)距離和它們的形狀等參數(shù)，然后要用這些參數(shù)構(gòu)成一個(gè)表征人臉的特征向量，通常，特征向量的分量包括了兩點(diǎn)間的歐氏距離、角度和曲率等。（1）基于特征的檢測(cè)方法。經(jīng)過(guò)幾十年的發(fā)展，人臉檢測(cè)涌現(xiàn)出了大量的方法。該算法的檢測(cè)精度并不高，但是關(guān)于算法帶來(lái)的問(wèn)題將在后續(xù)過(guò)程中得到很好的解決，消除了算法帶來(lái)的影響。整個(gè)人臉識(shí)別系統(tǒng)的性能怎樣，直接決定于選取和使用哪種算法。因此，本文中的特征點(diǎn)提取和人臉?lè)诸愂菓?yīng)用Matlab完成的。它將矩陣計(jì)算、數(shù)值分析、非線性動(dòng)態(tài)系統(tǒng)以及科學(xué)數(shù)據(jù)可視化的建模和仿真等眾多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為工程設(shè)計(jì)、科學(xué)研究以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并且在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如C、Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。如果不需要這么多l(xiāng)ib，可以只添加需要的lib。步驟如下： 1）配置函數(shù)庫(kù)的路徑 C:\Program Files\OpenCV\cxcore\includeC:\Program Files\OpenCV\cv\includeC:\Program Files\OpenCV\cvaux\includeC:\Program Files\OpenCV\ml\includeC:\Program Files\OpenCV\otherlibs\highguiC:\Program Files\OpenCV\otherlibs\cvcam\include配置源文件的路徑： C:\Program Files\OpenCV\cv\srcC:\Program Files\OpenCV\cxcore\srcC:\Program Files\OpenCV\cvaux\srcC:\Program Files\OpenCV\otherlibs\highguiC:\Program Files\OpenCV\otherlibs\cvcam\src\windows3）設(shè)置環(huán)境變量： Path：= C:\Program Files\OpenCV\bin 4） 每創(chuàng)建一個(gè)將要使用OpenCV的VC工程，都需要給它指定需要的lib。OpenCV庫(kù)自帶的人臉級(jí)聯(lián)分級(jí)器具有很好的人臉檢測(cè)效果，因此在本文中，人臉檢測(cè)與人臉預(yù)處理部分均在OpenCV中完成。在OpenCV函數(shù)庫(kù)里，有500多視覺(jué)函數(shù)，包括醫(yī)學(xué)成像、工廠產(chǎn)品檢測(cè)、用戶界面、信息安全、機(jī)器人視覺(jué)、攝像機(jī)標(biāo)