【正文】 取又是人臉識別技術當中最重要的步驟，可以這么說，人臉特征提取的優(yōu)劣直接影響到人臉的識別率。通常我們辨別一個人是通過我們的眼睛觀察這個人的臉部特征，恰好人臉識別和人們通常的識別相符合，所以 很容易被接受。生物特征識別在國外起步早，也發(fā)展很快 [2] 。 人臉識別是我們日常生活中必不可少的 ?技能 ?，是我們辨認一個人采用的最普遍的生物特征識別方法。人臉識別由于十分符合人們的習慣，人們很容易接受和不會讓人感覺有障礙 。因為人臉識別不需要與相關設備直接接觸，也不需 要被測試者需要特定的行為，在這一點上它是區(qū)別于其他任何生物特征技術的 。只要能照相的設備，手機相機皆可，由于這些設備目前已普及，故為人臉識別的廣泛應用提供了有力的基礎和保障 。 前面有說道：雖然我國這方面起步比較晚，但是在這方面發(fā)展卻是非?？斓?。另外，由 中科院計算所高文教授主持的 國家 863 項目“面像檢測與識別核心技術 ”也通過成果鑒定，并初步應用，這也就標志著我國在人臉識別這一當今熱點科研領域掌握了一定的核心技術。 其實在早前，北京科瑞奇技術開發(fā)股份有限公司在 20xx 年開發(fā)了一種人臉鑒別系統(tǒng)，對人臉圖像進行處理，排除外界因素，再對圖像進行特征提取和識別。系統(tǒng)可以接受時間間隔較長的照片，并能達到較高的識別率，在計算機中庫藏 2300 人的正面照片，每人一張照片，使用相距 17 年、差別比較大的照片去查詢，首選率可以達到 50%，前 20 張輸出照片中包含有與輸入照片為同一人的照片的概率可達 70%。 最早的自動人臉識別研究論文是 1965年 Chanamp。而 70年代時，美、英等發(fā)達國家就已經開始重視人臉識別的研究了，并取得了一定的成績。1996 年美國軍方更是組織了人臉自動識別系統(tǒng)大賽，獲得冠軍的是勒克菲勒大學的Face1t 系統(tǒng)。 最近，美國的 LAU 公司研制的人臉圖像自動識別系統(tǒng)，是按照平常人們的生活習慣（即人眼辨別 人臉）的原理，基于生物測量學、人像復原技術開發(fā)的裝置。 另外，國外的一些高校在這方面也取得了顯著的成就，主要是以麻省理工大學（ Massachusetts Institute of Technology ）、卡內基梅隆大學（ Carnegie Mellon University）和英國的雷丁大學（ University of Reading）等為首。 課題的總設計思路 本設計是基于 MATLAB 平臺實現(xiàn)的人臉特征提取。 人臉特征提取的步驟及方法 Chellappa 給出的人臉識別定義是，給出靜態(tài)或者視頻圖像，將其中的一個或多個人臉和存儲于數(shù)據(jù)庫中的人臉相比較，確定出圖像或視頻中各個臉的身份。一般來說，一個完整的人臉識別系統(tǒng)包括。 人臉圖像的預處理 在現(xiàn)實情況下，我們所提取的人臉圖像可能絕大多數(shù)都不是標準格式的，不僅如此，可能還會受到各種各樣的因素影響，進而導致最終的人臉識別準確率不是那么高，為了盡可能的減小甚至消除這些情況對人臉識別的影響，故而在人臉特征提取之前需要進行人臉圖像的預處理。一般情況下人臉都處在一個復雜背景中，所以預處理的時候要先進行人臉檢測，將人臉部分從復雜背景中檢測提取出來，由于本文的研究內容只是人臉特征提取部分，故而沒有人臉圖像預處理部分，而是直接采用已預處理好的ORL 和 YALE 人臉圖庫。 本文研究的基于 Gabor 小波變換的人臉特征提取的理論依據(jù)： 任意可以用高斯函數(shù)調制的復正弦形式表示的信號都可以達到時域和頻域聯(lián)合不確定關系的下限。 西南科技大學本科生畢業(yè)論文 10 Gabor 濾波器對人臉圖像的響應特性主要體現(xiàn)在邊緣、亮度和位置 3 方面的特征。而當圖像的邊緣特征方向與二維 Gabor 濾波器紋理特征方向一致的時候，二維 Gabor 小波變換有較強的響應，如眼睛，鼻子等部位 Gabor 響應輸出 較為強烈。最后考慮到 Gabor小波變換不能旋轉的缺點，故之后用 LBP 算法將 Gabor 濾波圖像再分別進行特征提取，再將得到的圖像分為互不重疊的區(qū)域，分別對各個區(qū)域建立 LBP 直方圖信息，再將各個尺度下的 LBP 直方圖特征進行組合匹配連接起來，構成人臉圖像的特征向量。所以在最后用到了 PCA 和 LPP 對提取的特征向量進行降維，以提高識別時間。 采用 PCA 和 LPP 對提取的特征向量降維，以提高識別時間 PCA（ Principal Component Analysis，主成 分分析）是一種掌握事物主要矛盾的統(tǒng)計分析方法，它可以從多元事物中解析出主要影響因素，揭示事物的本質，簡化復雜的問題。 LPP（ Locality Preserving Projection，局部保局投影 ） 作為拉普拉斯特征映射的一種線性逼近可以較好的反映樣本的流形結構，已經被廣泛的應用到圖像檢索和圖像修復中。 用距離測度法度量相似度進行結果測試 在完成人臉特征的提取后，本 設計還沒有最終完成，因為我們還需要檢測我們提西南科技大學本科生畢業(yè)論文 11 取的人臉特征是否準確完善?，F(xiàn)有比較成熟的距離測度方法主要有以下幾種，如 Minkowsky 距離 (明氏距離 )、Euclidean 距離 (歐氏距離 )、 Mahalanobis 距離 (馬氏距離 )和 Hausdorf距離等。 本章小結 本章主要介紹了 此次課題 研究的 背景 和意義、國內外在這方面的 研究現(xiàn)狀，針對目前面對的技術難題，提出了本課題的研究內容和技術 思路 ，在概述本文主要工作的同時給出了文章的結構。傳統(tǒng)的 Gabor 變換的缺點是窗口尺寸一經確定就無法更改，因此不具有變焦特性，無法對信號進行多分辨率分析。 Gabor 小波具有小波變換的多分辨率特性，同時具有 Gabor 函數(shù)本身所具有的局域性和方向性。對于圖像，我們關心的往往是局部的特征，如圖像邊緣，由于標準傅立葉變換不能同時在時域和頻域具有對信號的局部分析能力， Dennis Gabor 于 1946 年在他的論文中，為了提取信號傅立葉變換的局部信息，引入了一個時間局部化“窗函數(shù)” ()gt b? ，其中參數(shù) b 用于平移動窗以便覆蓋整個時域。因為一個 Gaussian 函數(shù)的傅立葉變換還是一個 Gaussian 函數(shù)，所以傅立葉逆變換也是局部的。 Gabor 函數(shù)的這些特性，使得它在信號處理中獲得廣泛的應用，特別應用于低級視覺如紋理分割、光流估計、數(shù)據(jù)壓縮和邊緣檢測等。 目前 Gabor 變換和 Gabor 展開已被公認是信號與圖像表示的最好的方法之一。 Gabor 變換廣泛應用的困難也就是在于找不到一種簡單的計算變換系數(shù)的方法，因為 Gabor 基本函數(shù)彼此之間互不正交。但不論上述哪一種方法，均為復數(shù)形式的 Gabor 變換。為了簡化 Gabor 變換的計算，提出了一種實數(shù)形式的離散 Gabor 變換 (RDGT)方法，這種方法類似于復數(shù)形式的離散 Gabor 變換的解析理論體系，并可采用快速的離散Hartley 變換算法計算 Gabor 變換系數(shù)，尤其是實數(shù)形式的離散 Gabor 變換系數(shù)與復數(shù)形式的離散 Gabor 變換系數(shù)的實部和虛部有著非常簡單的加減關系，因此前者的計算完全可以替代后者的計算，從而達到大大減小 Gabor 復 變換系數(shù)計算量的目的；同樣，在信號的重建方面，實數(shù)形式的離散 Gabor 逆變換也比復數(shù)形式的離散 Gabor逆變換快得多，并且在實際應用中，實值 Gabor 變換更方便于軟件和硬件的實現(xiàn)。在 Fourier 變換中，把非平穩(wěn)信號過程看作是一系列短時 平穩(wěn)信號的疊加，而短時性是通過時間上加窗來實現(xiàn)的。換句話說，該變換是用一個窗函數(shù) ()gt?? 與信號 ()ft相乘實現(xiàn)在 ? 附近開窗和平移，然后施以 Fourier 變換，這就是 Gabor 變換也稱短時 Fourier 變換或加窗 Fourier 變換。該變換在 ? 點附近局部測量了頻率為ω的正弦分量的幅度。令窗口函數(shù)為 ()agt，則有 241() 2 t aag t ea? ?? (22) 式中 a 決定了窗口的寬度， ()agt的 Fourier 變換用 ()aGw表示，則有 222()44( ) ( )1122j w taatr j w tj w t a waaG w g t e d te e d t e d t eaa??? ?????? ? ???? ? ? ??? ? ???? (23) 西南科技大學本科生畢業(yè)論文 14 由以上可以得到 ( , ) ( ) ( ) ( )jw taG f w d f t g t e d t F w? ? ?? ? ? ?? ? ? ? ? ?? ? ?? ? ? (24) 顯然，信號 ()ft經過 Gabor 變換按窗口寬度分解了 ()f? 的頻譜 ()Fw，提取出它的局部信息。相應的重構公式為： 1( ) ( ) ( )2 jw taf t G w g t e d w d t?? ?? ?? ? ? ????? (25) 窗口 Fourier 變換是能量守恒變換，即 221( ) ( )2 af t d t G w d w d ??? ? ?? ? ? ? ? ??? ? ? (26) 這里應注意，積分核 ()jwtg t e? ?? 對所有 ω 和 ? 都有相同的支撐區(qū)，但周期數(shù)隨 ω而變化。 為了研究窗口 Fourier 變換的時頻局部化特性就要研究 2,wg? 和 2,wG? 的特性。由于 Fourier 變換是能量守恒的，所以有 Parseval定理存在。如果把上述函數(shù)乘積的積分運算用內積符號表示，則有 , ( ) ( )f y f x y x d x???? ? 2, ( )f y L R? (28) 其中 f 和 y 都是在實數(shù)域的平方可積函數(shù)。1, ( )2wwf g G F w???? (29) 當 ( ) ( )f x y x? 時有 : 22f ,f = f ( x ) d t = f ( x )??? 西南科技大學本科生畢業(yè)論文 15 其中 f(x) 叫做 ()fx的范數(shù)。如果用角頻率變量 r 代替時間變量 t ，用頻域窗口函數(shù) ()Gr w 代替時域窗口函數(shù) ()gtt 則可得到： drerGrFpdreewrGrFptwGf j r ttwj w ri w t ??? ??? )()(2 1)()(2 1),( , (210) 這里 , ()wGr? 是時域窗口函數(shù) , ()wgt? 的 Fourier 變換。這樣就有利于同時在頻域和時域提取信號 ()ft的精確信息 。在諸如信號檢測、圖象壓縮、紋理分析、圖象分割和識別等領域， Gabor 小波得到了非常廣泛的應用。 用 ZD 一 Gabor 小波來表征圖像 ，將 Daubeehies 的一維框架理論拓展到二維，并證明在一定條件下， ZD 一 Gabor 小波是緊框架，原圖像能從小波系數(shù)重建，因此用小波變換的系數(shù)幅值作為特征來匹配有著良好的視覺特性和生物學背景，Gabor 小波的這些特性使得其對于亮度和人臉表情的變化不敏感，在人臉識別和圖像處理中有著廣泛的應用。節(jié)點上的 Gabor 濾波響應作為人臉特征，通過特征匹配和節(jié)點幾何位置的匹配實現(xiàn)人臉識別。根據(jù) Gabor 變換的原理和實際需要，可構造不同的 Gabor 濾波器。有研究表明神經細胞的感受也可以用 Gabor 函數(shù)來表示。 Gabor 函數(shù)從實質上來說是一個 Gauss 函數(shù)窗所限制的濾波函數(shù)。 Gabor 核函數(shù)的定義 : )2e xp()e xp(2e xp)(222222 sxkis xkskxy jjjj ??????????? ?? ??? （ 212） Gabor 濾波可以定義為： 2 2 2 2( ) ( ) ( )jjJ x I x x x d x= Y 242。 )2exp( 222?xk j? 是 Gauss 函數(shù)，這實際上是通過加窗限制了函數(shù)的范圍，使其在 局部有效。 2exp( )2?? 是直流分量，這樣濾波器就可以不受直流分量大小的影響。這里取? =π/2， jk 可以表示為： cossi njx vujy v uk kj k kk jj== 這里 222, 8vvukuppj+== （