【正文】 各種技術(shù)和方法都有自己不同的適應(yīng)環(huán)境和各自的特點。二、動態(tài)跟蹤人臉識別系統(tǒng)目前的靜態(tài)人臉識別技術(shù)只能滿足一般身份識別場合如門禁系統(tǒng)，考勤系統(tǒng)等，無法進行人臉的動態(tài)跟蹤與識別。三、基于小波神經(jīng)網(wǎng)絡(luò)的人臉識別小波自提出以來，其理論和應(yīng)用得到了長足的發(fā)展。隨著神經(jīng)網(wǎng)絡(luò)的理論研究的深入，與小波，混沌，模糊集等非線性理論相結(jié)合已成為一個非常重要的發(fā)展方向。如果能結(jié)合兩者的優(yōu)勢，將會取得人臉識別不錯的效果。三維人臉相比較于二維圖像提供了更加完整的人臉信息。五、適應(yīng)各種復(fù)雜背景的人臉分割技術(shù)現(xiàn)在在復(fù)雜背景下的人臉分割已經(jīng)取得了一定的成果，如彈性匹配，但檢測速度和效果還無法令人滿意。六、全自動人臉識別技術(shù)全自動人臉識別技術(shù)目前還處于初級研究階段，識別效果和速度離實際的要求還相差甚遠。如何有效的表達人臉特征將是其研究的重點。但在人員不配合，采集條件不理想下，系統(tǒng)的性能陡然下降。目前大多數(shù)特征定位算法的精度都會隨著光照，姿態(tài)等變化而快速下降。二、光照問題關(guān)照問題是計算機視覺存在已久的問題，尤其在人臉識別中表現(xiàn)得更加明顯。三、資態(tài)問題對于姿態(tài)的研究相對不多，現(xiàn)在人臉識別算法主要以正面或準正面姿態(tài)。如何提高人臉識別系統(tǒng)對姿態(tài)的魯棒性是人臉識別中一個具有挑戰(zhàn)性的任務(wù)。表情是復(fù)雜的面部肌肉運動，每個表情都是幾十塊面部肌肉共同運動的結(jié)果，很難用精確的數(shù)學(xué)模型來表示這些肌肉的運動。由于目前的計算機技術(shù)的限制，計算機還不能準確的定位這些面部特征點，也無法辨別面部肌肉的運動。并且同一個人的不同表情之間也沒有明確的界限。五、遮擋問題對于非配合情況下，采集到的人臉圖像一般都不是完整的，這會影響人臉特征提取與識別，可能還會導(dǎo)致人臉檢測算法的失效。以上列舉了部分主要的技術(shù)難點，其他難點由于本文的討論不會涉及，所以不會再一一列舉。這樣做的目的只是讓我們的工作重心集中在分析PCA 人臉識別算法性能上。這是人臉識別的第一步。二、預(yù)處理預(yù)處理是為了除去噪聲和對測量儀器或其他因素對人臉圖像造成退化現(xiàn)象進行復(fù)原。如何分割就需要定位和分割算法。常用的人臉預(yù)處理有人臉圖像灰度化，人臉圖像二值化，人臉圖像歸一化，直方圖修正，圖像濾波和圖像銳化。本文講解如何使用PCA算法提取人臉特征，進而實現(xiàn)人臉識別。由于物理特征和結(jié)構(gòu)特征容易被察覺，觸覺以及其他感覺器官所感知，所以人類常常是利用這些特征來對對象進行識別。特征提取和選擇的根本任務(wù)就是從許多特征中找出那些最有效的特征。因此，如何把高維測量空間壓縮到低維特征空間，以便有效的設(shè)計分類器，便成為了一個值得思考的問題。1. 特征形成特征形成是根據(jù)被識別對象產(chǎn)生出一組基本特征的過程，當(dāng)被識別的對象是波形或數(shù)字圖像時，這些特征可以通過計算得來；當(dāng)被識別對象是實物或某種過程時，這些特征可以用儀表或傳感器測量來得到。2. 特征提取原始數(shù)據(jù)組成的空間被稱為測量空間。通過映射或變換方法用低緯空間來表示樣本的過程被稱為特征提取。3. 特征選擇從一組特征中挑出一些最有效的特征從而達到降低特征空間維數(shù)目的的過程稱為特征選擇。從而使得特征選擇和特征提取的任務(wù)復(fù)雜化。特征提取是通過某種變換的方法組合原有的高維特征，從而得到一組低維的特征。比如可以先將原始特征空間映射到維數(shù)較低的空間，在這個空間中在進一步選擇特征來進一步降低維度；也可以先去除那些明顯不含有分類信息的特征，而后再進行映射以降低維度。在本文主要講解使用最近鄰法分類器歐幾里得距離來判別人臉圖像，在實際廣泛使用的還有基于SVM即支持向量機，基于神經(jīng)網(wǎng)絡(luò)和圖匹配的方法。在人臉識別的研究概況小節(jié)主要講解人臉識別的研究概況及基于PCA人臉識別算法實現(xiàn)的研究意義。在人臉識別技術(shù)的主要難點小節(jié)主要講解人臉識別的主要技術(shù)難點及本文是在什么樣的條件進行試驗的。第二章 人臉圖像的獲取第一節(jié) 人臉圖像獲取隨著計算機科技和微電子的發(fā)展，現(xiàn)在人臉圖像采集設(shè)備也越來越多。但是采集設(shè)備成像原理各異，有些設(shè)備對某類人臉圖像的采集效果比較好，進而人臉識別率高，對不同類的人臉圖像采集效果差，進而人臉識別率低。另外，人臉圖像采集的形式不同也會影響識別率。靜態(tài)人臉圖像的采集相對比較簡單，用數(shù)碼相機即可獲取。動態(tài)人臉圖像相比于靜態(tài)人臉圖提供了更加客觀的信息量。上述問題是由人臉的多變性產(chǎn)生的。同時建立人臉圖像間的相關(guān)性是有必要的，可以有效的提高識別率。一般而言，動態(tài)人臉圖像采集應(yīng)用于特殊場合，如犯罪識別過程，而靜態(tài)人臉圖像采集應(yīng)用于普通的安全場合。采集完成后要對每個對象的圖像做必要的審核，剔除掉不符合要求的人臉圖像。人臉分割屬于圖像分割，是人臉識別系統(tǒng)中不可缺少的一環(huán)。人臉分割比較經(jīng)典的方法有數(shù)據(jù)驅(qū)動和模型驅(qū)動。其包含有基于邊緣檢測的方法，基于閥值的方法和基于區(qū)域增長的方法。其包含有活動輪廓模型等?；谶吘壍姆指罘椒ㄐ枰獌蓚€步驟，分別為邊緣檢測和邊緣連接。但是這個方法也存在問題，實際中由于噪聲的圖像的影響，常常會檢測到假的邊緣，從而導(dǎo)致錯誤的分割。全局閥值方法是使用整個圖像的灰度信息，來得到用于分割的閥值。在實際中，由于噪聲等因素的影響，直方圖經(jīng)常不能有明顯的峰值出現(xiàn)，這是選擇閥值并不合理，它是由閥值分割的特點決定的。對于灰度差不明顯的圖像，得不到令人滿意的結(jié)果。首先把圖像分割成較小的區(qū)域，有可能非常小，甚至可能是一個像素。然后對相鄰區(qū)域所有邊界進行分析，若便捷信息強，則邊界不變，若邊界信息弱，則消除個邊界并合并相應(yīng)的鄰域。該方法開銷較大，但可以使用圖像的相關(guān)性質(zhì)進行邊界定位?；谀Ｐ偷姆椒ǎ际峭ㄟ^引入統(tǒng)計信息來得到高魯棒性。模型方法具有豐富的先驗知識，在實際中具有很好的適應(yīng)性和魯棒性。第三節(jié) 人臉數(shù)據(jù)庫人臉數(shù)據(jù)庫是人臉識別研究，開發(fā)和評測不可缺少的。人臉圖像數(shù)據(jù)庫的設(shè)計對人臉識別系統(tǒng)的識別率有著非常大影響。所有人臉識別系統(tǒng)都是在一定的約束條件進行的。常用人臉數(shù)據(jù)庫如下：國外人臉數(shù)據(jù)庫的有FERET人臉數(shù)據(jù)庫， MIT人臉數(shù)據(jù)庫，YALE人臉數(shù)據(jù)庫，PIE人臉數(shù)據(jù)庫，ORL人臉數(shù)據(jù)庫，AR人臉數(shù)據(jù)庫和Essex人臉數(shù)據(jù)庫。MIT人臉數(shù)據(jù)庫有麻省理工大學(xué)媒體實驗室建立，由16位志愿者的2592副多姿態(tài)，多光照和不同大小的圖像組成。ORL人臉數(shù)據(jù)庫由劍橋大學(xué)ATamp。由于其人臉變化模式較少，現(xiàn)已很少使用。采集是在嚴格控制攝像機參數(shù)，光照變化，攝像機距離等條件下進行的。任何人都可以下載它的人臉數(shù)據(jù)庫，但是你不能發(fā)布，打印，銷售或發(fā)行這些圖像。這個數(shù)據(jù)庫由faces94，faces95，faces96，grimace四個庫組成。Faces96和grimace是這個數(shù)據(jù)庫最難識別的。英國埃塞克斯大學(xué)計算機視覺研究項目鼓勵研究者公布使用這個數(shù)據(jù)庫取得人臉識別結(jié)果。faces94數(shù)據(jù)庫中人臉圖像是在受試者坐在距離相機固定位置，并要求講話的情況下采集而成。每個圖像的大小為180*200，圖像的背景是藍色的。國內(nèi)人臉數(shù)據(jù)庫有中科院計算技術(shù)研究所銀晨科技面向識別聯(lián)合實驗室建立的CAS—PEAL人臉數(shù)據(jù)庫。該數(shù)據(jù)庫根據(jù)不同的變化因素又分為7種模式子庫。CASE—PEAL—R1為CASE—PEAL的共享版，可以提供給研究人員用以研究使用。第四節(jié) 本章小結(jié)本章主要介紹人臉圖像獲取，人臉分割和人臉數(shù)據(jù)庫。在人臉數(shù)據(jù)庫一節(jié)中，主要介紹了常用的人臉數(shù)據(jù)庫及本文的實驗是在Essex人臉數(shù)據(jù)庫中我們選擇出來的子庫中進行的。第三章 人臉圖像的預(yù)處理第一節(jié) 人臉圖像格式在計算機中任何信息都是以文件的形式存儲，圖像信息也不例外，它經(jīng)過采樣，量化和編碼后以圖像文件進行存儲，所以在人臉識別之前有必要介紹圖像文件格式。一、JPEG格式JPEG文件格式是常用的圖像文件格式。其壓縮技術(shù)非常先進。它是一種靈活的格式，可以調(diào)節(jié)圖像質(zhì)量，允許使用不同壓縮比例壓縮文件。目前各類瀏覽器均支持JPEG這種圖像格式，因為JPEG格式的文件尺寸較小，下載速度快，使得Web頁有可能以較短的下載時間提供大量美觀的圖像，JPEG同時也就順理成章地成為網(wǎng)絡(luò)上最受歡迎的圖像格式。JPEG2000通常被認為是未來取代JPEG（基于離散余弦變換）的下一代圖像壓縮標準。JPEG2000壓縮率比JPEG高約30%左右，同時支持有損和無損壓縮，而且不會產(chǎn)生原先的基于離散余弦變換的JPEG標準的塊狀模糊瑕疵。此外，JPEG2000還支持所謂的感興趣區(qū)域 特性，可以任意指定影像上感興趣區(qū)域的壓縮質(zhì)量，還可以選擇指定的部分先解壓縮。其優(yōu)點在于它結(jié)合了接收方對壓縮的主觀需求，實現(xiàn)了交互式壓縮。三、BMP格式BMP(BitmapFile）圖形文件是Windows采用的圖形文件格式，在Windows環(huán)境下運行的所有圖象處理軟件都支持BMP圖象文件格式。Windows ，因此把這種BMP圖象文件格式稱為設(shè)備相關(guān)位圖DDB(devicedependent bitmap）文件格式。Windows ，在系統(tǒng)中仍然存在DDB位圖，只不過如果你想將圖像以BMP格式保存到磁盤文件中時，微軟極力推薦你以DIB格式保存。BMP位圖文件默認的文件擴展名是BMP或者bmp。四、GIF格式GIF圖像互換格式（Graphics Interchange Format）是CompuServe公司在 1987年開發(fā)的圖像文件格式。其壓縮率一般在50%左右，它不屬于任何應(yīng)用程序。GIF圖像文件的數(shù)據(jù)是經(jīng)過壓縮的，而且是采用了可變長度等壓縮算法。在早期，GIF所用的LZW壓縮算法是Compuserv所開發(fā)的一種免費算法。據(jù)Unisys公司稱，他們已注冊了LZW算法中的W部分。由此，人們開始尋求一種新技術(shù)，以減少開發(fā)成本。它一方面滿足了市場對更少的法規(guī)限制的需要，另一方面也帶來了更少的技術(shù)上的限制，如顏色的數(shù)量等。在歐洲、日本及加拿大的專利權(quán)亦已分別在2004年的6月18日、6月20日和7月7日到期失效。與GIF相關(guān)的專利于2006年8月11日過期。目前互聯(lián)網(wǎng)上大量彩色動畫多為這種格式。流式網(wǎng)絡(luò)圖形格式(Portable Network Graphic Format，PNG)名稱來源于非官方的“PNG39。PNG用來存儲灰度圖像時，灰度圖像的深度可多到16位，存儲彩色圖像時，彩色圖像的深度可多到48位。 PNG是目前保證最不失真的格式，它綜合GIF和JPG兩者的優(yōu)點，存儲形式豐富，兼有GIF和JPG的色彩模式。它的顯示速度快，只需下載1/64的圖像信息就可以顯示出低分辨率的預(yù)覽圖像。PNG的缺點是不支持動畫應(yīng)用效果。并且由于各種條件的限制，采集到的原始圖像不能直接進行使用，必須做預(yù)處理，即消除噪聲，校正失真，將圖像變化為標準形式。常用的人臉預(yù)處理有：灰度變化，二值化，直方圖均衡，圖像濾波，圖像銳化和歸一化處理。因為彩色圖像的顏色信息常常受到復(fù)雜背景的影響。彩色圖像有紅綠藍三原色組合而成，灰度圖像只含有亮度信息，并且灰度圖像的亮度為連續(xù)變化的，所以灰度圖像要對亮度值進行量化，為0255，共256個等級。常用的經(jīng)驗公式為gray=*R+*G+*B.常用變換的方法如下：線性變換：假設(shè)圖像為灰度變化范圍為，變換后的圖像為灰度變化范圍為，則它們之間關(guān)系為 （）分段線性變換：假設(shè)圖像為灰度變化范圍為，變換后的圖像為，目標的灰度變化范圍為，想使灰度變化到，則對應(yīng)關(guān)系為 （）非線性變換：使用非線性函數(shù)作為映射函數(shù)如對數(shù)函數(shù)，進行灰度變換。指數(shù)變換能對圖像的高灰度區(qū)以較大的拉伸。對數(shù)變換可以使圖像灰度分布相匹配于人的視覺特性。在人臉識別中二值化用來把人的頭發(fā)，眼睛，臉的輪廓及背影與人臉的亮域分開。常用的圖像二值化選擇方法如下：整體閥值法：在二值化時候只使用一個全局閥值t。動態(tài)閥值法：它的閥值不僅和該像素和周圍像素有關(guān)，還和該像素的坐標位置有關(guān)。局部閥值法可以處理比較復(fù)雜的情況，但有些情況會發(fā)生失真。三、直方圖均衡直方圖均衡是將將各灰度級分量盡量均勻分布，從而來增強人臉圖像的對比度。其主要在于根據(jù)圖像灰度分布和實際的需求選擇合適的映射函數(shù)。映射函數(shù)為分段函數(shù)時一般是基于想要突出人臉圖像中某些灰度值物體的細節(jié)，又不想犧牲其他灰度值上的細節(jié)的考慮。四、圖像濾波現(xiàn)在消除噪聲的方法有全局處理和局部算子兩類。人臉圖像預(yù)處理經(jīng)常使用后一類方法。1. 均值濾波器均值濾波是對信號進行局部平均，以平均值來代表該像素點來代表該像素點的灰度值，即每個像素值用其局部鄰域內(nèi)所有值的均值置換： （）其中，M是鄰域內(nèi)像素點總數(shù)。作為去除噪聲的代價，大尺度濾波器會導(dǎo)致圖像細節(jié)的損失。線性平滑濾波器去除了高頻成分和圖像中的銳化細節(jié)。一維零均值高斯函數(shù)為： （）其中高斯分布參數(shù)決定了高斯濾波器的寬度。二維零均值離散高斯函數(shù)為： （）一般而言，一幅圖像的邊緣方向是事先無法知道的，因此，在濾波前是無法確定一個方向是否比另一個方向需要更多的平滑。高斯函數(shù)是單值函數(shù)。高斯函數(shù)的傅里葉變換的頻譜是單瓣的。高斯濾波器寬度決定著平滑程度，是由表征的。通過調(diào)節(jié)，可在圖像特征過分模糊（過平滑）與平滑圖像中過多突變量（欠平滑）間取得折中。二維高斯函數(shù)卷積可以分兩步進行，首先將圖像與一維高斯函數(shù)進行卷積，然后將卷積結(jié)果與方向垂直的相同一維高斯函數(shù)進行卷積。3. 中值濾波器中值濾波是一種非線性濾波方法。它用像素點鄰域灰度值的中值來代替該像素點的灰度值。中值濾波器在處理連續(xù)圖像窗函數(shù)時與線性濾波器的工作方式類似，但濾波過程不再是加權(quán)運算。中值濾波在一定條件下，可以克服線性濾波器帶來的圖像細節(jié)模糊的缺點，而且對濾除脈沖干擾是最有效的。4. 邊緣保持濾波器均值濾波的平滑功能會使圖像邊緣模糊，而中值濾波在去除脈沖噪聲的同時也將圖像中的細條細節(jié)濾除掉。邊緣保持算法的基本過程為：對灰度圖像的每一個像素點[i,j]取適當(dāng)大小的一個鄰域，分別計算[i,j]的左上角子鄰域，左下角子鄰域，右上角子鄰域和