【正文】 為近幾年來(lái)圖像處理領(lǐng)域中最活躍的分支之一。人臉特征同時(shí)還具有唯一性，一個(gè)人與他人的臉部特征是不同的，即使是雙胞胎的人臉也有區(qū)別，這說(shuō)明用人臉區(qū)分不同的人是合理可以行的。人臉識(shí)別是一個(gè)交叉的學(xué)科，囊括了數(shù)學(xué)中的高等代數(shù)、統(tǒng)計(jì)學(xué)、微分幾何，計(jì)算機(jī)學(xué)科中的計(jì)算機(jī)視覺(jué)、智能系統(tǒng)、模式識(shí)別，以及醫(yī)學(xué)中的神經(jīng)生理學(xué)、心理學(xué)等研究領(lǐng)域的學(xué)科。 模式識(shí)別、圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)熱點(diǎn)研究方向便是人臉識(shí)別，與指紋識(shí)別、掌紋識(shí)別、語(yǔ)音識(shí)別、虹膜識(shí)別等其他生物 特征相比，人臉圖像更加容易得到，在視頻會(huì)議、身份識(shí)別、訪問(wèn)控制、檔案管理、電子相冊(cè)、基于對(duì)象的圖像和視頻檢索等方面有著廣泛的應(yīng)用。人臉識(shí)別是根據(jù)場(chǎng)景中的靜態(tài)圖像或視頻，利用給定的人臉數(shù)據(jù)庫(kù)信息，通過(guò)計(jì)算機(jī)提取的人臉特征來(lái)鑒別或確認(rèn)該場(chǎng)景中人的身份的過(guò)程，它與其它人體生物特征識(shí)別技術(shù)相比具有結(jié)果直觀、隱蔽性好的優(yōu)越性，是最直接的手段，易于為用戶(hù)所接受。在“ 911”恐怖事件發(fā)生后，由于各方面關(guān)于人臉識(shí)別的研究成果也層出不窮。 目錄 第一章 緒論 ...................................................................................................................3 人臉識(shí)別的意義 ........................................................................................................3 人臉識(shí)別的現(xiàn)狀 ........................................................................................................4 人臉識(shí)別研究問(wèn)題 ..........................................................................................4 數(shù)據(jù)庫(kù) ..............................................................................................................6 本論文的內(nèi)容 ............................................................................................................9 第二章 變電站視頻監(jiān)控系統(tǒng) .......................................................................................10 視頻監(jiān)控技術(shù)的發(fā)展 ..............................................................................................10 變電站視頻監(jiān)控系統(tǒng) ..............................................................................................10 變電站視頻監(jiān)控系統(tǒng)的組成 ........................................................................10 廠站端設(shè)備功能 ............................................................................................ 11 通信通道 .........................................................................................................12 集控端設(shè)備功能 實(shí)時(shí)視頻監(jiān)控 .....................................................................12 本章小結(jié) ..................................................................................................................14 第三章人臉圖像的預(yù)處理 .............................................................................................15 預(yù)處理的基本概念 ..................................................................................................15 圖像的歸一話 ..........................................................................................................15 二值化 ......................................................................................................................18 本章小結(jié) ..................................................................................................................18 第四章 核方法的特征提取 ...........................................................................................19 核方法的基本概念 ..................................................................................................19 核的主成分分析法（ KPCA） ................................................................................20 主成分分析法 .................................................................................................20 核的主成分分析法（ KPCA） .......................................................................21 基于 KPCA 的人臉識(shí)別算法 .........................................................................23 線性判別分析法（ LDA） ......................................................................................23 的基本原理 .............................................................................................24 基于 LDA 的人臉識(shí)別計(jì)算步驟 ...................................................................25 核 FISHER 判別法（ KFDA） ..................................................................................26 核 Fisher 判別法原理 ....................................................................................26 核 Fisher 判別法算法 ..........................................................................................................28 本章小結(jié) ..................................................................................................................29 參考文獻(xiàn) .........................................................................................................................30 附錄 .................................................................................................................................32 第一章 緒論 人臉識(shí)別的意義 人臉識(shí)別的研究開(kāi)始于 20 世紀(jì) 70年代 [1,2]，至今為止已有了 30 多年的歷史，隨著人們對(duì)人機(jī)交換、圖像理解、自動(dòng)身份識(shí)別的要求的提高，人臉識(shí)別技術(shù)得到了飛速的發(fā)展。但促使人臉識(shí)別發(fā)展的原因是計(jì)算機(jī)硬件成本的降低。人們之所對(duì)人臉識(shí)別問(wèn)題加以重視，因?yàn)樗哂?重大的研究意義，它潛在著巨大的應(yīng)用前景和科學(xué)的發(fā)展。特別是在非接觸環(huán)境和不驚動(dòng)被檢測(cè)人的情況下，人臉識(shí)別技術(shù)的優(yōu)越性遠(yuǎn)遠(yuǎn)超過(guò)已有的指紋識(shí)別、簽名識(shí)別等其他生物特征識(shí)別技術(shù)。人臉識(shí)別是指計(jì)算機(jī)根據(jù)一定的算法，對(duì)新獲得的圖像與計(jì)算機(jī)中已有的經(jīng)過(guò)機(jī)器學(xué)習(xí)的圖像庫(kù)進(jìn)行匹配比較后，做出測(cè)試圖像中身份判斷的識(shí)別過(guò)程。指紋、掌紋、聲音、 DNA、簽名、步態(tài)等特征都可被用來(lái)嘗試進(jìn)行身份的鑒定研究，但是在各種 生物特征中，人臉特征有自己的特點(diǎn)，人臉是一個(gè)人區(qū)別于他人的最自然、最主要的特征。另一方面，人臉圖像相對(duì)于其他生物特征來(lái)說(shuō)更容易獲取，法律上也沒(méi)有障礙。表明人臉 識(shí)別 別成為一項(xiàng)富有挑戰(zhàn)性的研究課題，并將在不久的將來(lái)將更加普遍的運(yùn)用于生活之中。 人臉識(shí)別的現(xiàn)狀 人臉識(shí)別研究問(wèn)題 人臉識(shí)別至今已有了 30 多年的發(fā)展，在技術(shù)上已經(jīng)達(dá)到了一定的成熟度，也有一些公司開(kāi)始在企業(yè)系統(tǒng)中加入了人臉識(shí)別這一環(huán)節(jié)，如 Identix 公司的FaceIt 系統(tǒng)、 Viisage 公司的 Vissage Face TOOLS 系統(tǒng)等，這些商業(yè)系統(tǒng)的成功也預(yù)示著人臉識(shí)別系統(tǒng)存在著巨大的市場(chǎng)需求和廣闊的應(yīng)用前景。 （ 1）基于幾何特征的方法 這類(lèi)識(shí)別方法首先將人臉用一個(gè)幾何特征矢量表示，進(jìn)而用模式識(shí)別中的層次聚類(lèi)思想設(shè)計(jì)分類(lèi)器對(duì)人臉進(jìn)行識(shí)別。 側(cè)影識(shí)別是最早的基于幾何特征的人臉識(shí)別方法，主要是從人臉側(cè)面輪廓線上提取特征點(diǎn)人手。但同時(shí)存在如下問(wèn)題：① 從圖像中抽取穩(wěn)定的特征比較困難，特別是當(dāng)特征受到遮擋時(shí)；② 對(duì)強(qiáng)烈的表情變化和姿態(tài)變化的魯棒性較差；③ 一般幾何特征只描述了部件的基本形狀與結(jié)構(gòu)關(guān)系，忽略了局部細(xì)微特征，造成部分信息丟失。 （ 2）基于子空間分析的人臉識(shí)別 子空間方法的基本思路是將高維的人臉圖像特征通過(guò)空間變換 (線性或非線性 )壓縮到一個(gè)低維的子空間進(jìn) 行識(shí)別。 20 世紀(jì) 80 年代末，研究人員將 KL 變換的思想引入圖像表達(dá)領(lǐng)域，開(kāi)發(fā)出一種最小均方誤差意義下描述人臉圖像的最優(yōu)技術(shù)。從所提取特征的角度來(lái)看，基本的線性子空間方法中包含表達(dá)性特征提取方法和鑒別性特征提取方法 2 類(lèi)。 PCA 方法實(shí)際上是在二階統(tǒng)計(jì)量上的去相關(guān) [5]，而 ICA 則是在所有階統(tǒng)計(jì)量上的去相關(guān)，從 而使信號(hào)的二階統(tǒng)計(jì)量和高階統(tǒng)計(jì)量都得到了有效利用，其基本思想是通過(guò)線性變換，從訓(xùn)練樣本中找到一組互相獨(dú)立的基 (獨(dú)立分量 )，并以此來(lái)描述樣本數(shù)據(jù)。在基于線性子空間的人臉識(shí)別中，實(shí)際上是把人臉圖像中存在的表情、姿態(tài)及光照等復(fù)雜的變化進(jìn)行了線性簡(jiǎn)化，因此不可能得到人臉充分的描述。他們?cè)谝粋€(gè)由個(gè)人組成的人臉數(shù)據(jù)庫(kù)上將該方法與基于幾何特征的方法進(jìn)行了比較，實(shí)驗(yàn)結(jié)果表明：在人臉尺度、光照、姿態(tài)條件穩(wěn)定的情況下，模板匹配方法取得的識(shí)別精度更高。在實(shí)際應(yīng)用中，當(dāng)模板數(shù)據(jù)庫(kù)中的人數(shù)較多時(shí)，該方法的識(shí)別速度將是難以忍受的。目前已應(yīng)用于人臉識(shí)別中的非線性子空間方法 有核主分量分析、核 Fisher 判別分析和核獨(dú)立分量分析等。而隱馬爾可夫模型 (HMM)[7]提供了解決這一問(wèn)題的方法，按照這種模型，觀測(cè)到的特征被看成是另一組不可觀測(cè)“狀態(tài)”產(chǎn)生的一系列實(shí)現(xiàn)。 最早由 Samaria提出了關(guān)于人臉的隱馬爾科夫模型 [8].隱馬爾科夫過(guò)程是一 個(gè)雙重的隨機(jī)過(guò)程：一個(gè)潛在的