基于主成分的人脸图像识别介绍.doc

基于主成分分析的人脸图像识别 *** (德州学院物理与电子信息学院，) 摘 要 人脸识别是生物特征识别中一个活跃的研究领域，智能人脸识别软件技术对新时期的反恐和综合安全等具有重大意义。人脸识别系统以人的脸像作为识别身份的媒介，采用计算机视觉和图像处理技术，抓住人脸的轮廓特征和局部细节特征，研究匹配和识别方法。目前己经在身份鉴别和权限控制等方面得到了广泛的应用，是计算机科学与技术和模式识别领域中非常活跃的研究课题。人脸识别是利用计算机对人脸图像进行处理、分析，并从中提取能表征人脸图像的识别信息，用以进行人脸鉴别的一门技术。目前人脸识别技术比较多，优缺点各不相同。主要包括图像预处理，特征提取训练和识别三个环节。本论文主要介绍了基于PCA主成分分析人脸识别的背景和国内外发展现状及趋势，人脸识别的方法、数据库和具体操作流程。 关键词 人脸识别； 主成分分析； PCA； K-L变换 11.1 人脸识别研究的背景 随着社会的发展以及技术的进步，尤其是近年内计算机的软硬件性能的飞速提升，各方面对快速高效的自动身份验证的要求日益迫切。生物识别技术在科研领域取得了极大的重视和发展。由于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份验证的最理想依据[1]。其中，利用人脸特征进行身份验证又是最自然直接的手段，与指纹、虹膜、掌纹等其他人体生物特征识别系统相比，人脸识别系统更加友好，方便，易于为用户所接受，有广阔的应用领域[2]，具体的各种生物识别方法的优缺点比较参见表1-1。在现代社会中，身份鉴定技术具有非常重要的应用价值，随着网络技术的发展，信息安全也显示出前所未有的重要性。例如：公安布控监控、监狱监控、司法认证、民航安检、口岸出入控制、海关身份验证、银行密押、智能身份证、智能门禁、智能视频监控、智能出入控制、司机驾照验证、各类银行卡、金融卡、信用卡、储蓄卡持卡人的身份验证，社会保险身份验证等多个方面，还可以应用到医疗和视频会议等方面，表现出其强大的生命力。所谓人脸识别[3,4](Face Recognition)就是利用计算机分析人脸图象，从中提取有效的识别信息，用来辨别身份的一门技术。即对已知人脸进行标准化处理后，通过某种方法和数据库中的人脸标本进行匹配，寻找库中对应人脸及该人脸相关信息。随着社会和科技的发展，社会步伐的加快，人们对高效可靠的身份识别需求日益强烈。各种技术在科研和实际中都受到了很大的重视和发展。由于生物特征内在的稳定性和唯一性使其成为了作为身份识别的理想依据。人脸特征作为典型的生物特征外，还有隐蔽性好，易于被用户接受，不需要人的配合等优点。现已成为了身份识别领域研究的热点。 表1-1 各生物识别方法的优缺点比较 类型 优点 缺点 指纹 指纹是人体独一无二的特征，复杂度足以提供用于鉴别的足够特征； 如果我们想要增加可靠性，我们只需登记更多的指纹，鉴别更多的手 指，最多可以多达十个．而每一个指纹都是独一无二的； ()扫描指纹的速度很快，使用方便。 (1)某些人或某些群体的指纹因为指纹特征很少，故而很难成像； (2)每一次使用指纹时都会在指纹采集头上留下用户的指纹印痕，而这些指纹痕迹存在被用来复制指纹的可能性。 声音 声音识别是一种非接触的识别技术用户可以很自然地接受。 因为变化的范围太大，故而很难进行一些精确的匹配； 音会随着音量、速度和音质的变化而影响到采集与比对的结果； 目前还很容易用录在磁带上的声音来欺骗音识别系统。 人脸 人脸识别是非接触的，用户不需要和设备直接的接触； 可以使用桌面的视频摄像， 但只有比较高级的摄像头才可以有效 高速的捕捉人脸图像。 使用者人脸的位置与周围的光环境都可能影响系统的精确性； 人脸识别技术的改进依赖于提取特征与比对技术的提高； 人体面部的如头发，饰物，变老以及其他的变化可能需要通过人智能得到补偿。 1.2 人脸识别国内外发展现状及趋势 1.2.1国内人脸识别现状 国内关于人脸识别的研究开始于20世纪80年代，主要是在国际上流行方法基础上作了发展性的工作。 四川大学周激流等实现了具有反馈的人脸正面识别系统，运用积分投影法提取面部特征的关键点并用于识别，获得了较为满意的效果。他们同时尝试了“稳定视点”特征提取方法，为使系统中包含3D信息，他对人脸侧面剪影识别作了一定研究，并实现了正、侧面互相参照的识别系统。 清华大学张长水等对特征脸的方法作了进一步的发展，提出采用类间散布矩阵作为产生矩阵，进一步降低了产生矩阵的维数，在保持识别率的情况下大大降低了运算量。他们对多模板的人脸检测问题也进行了研究。 上海交通大学李介谷等专门研究了人脸斜视图像的集合特征提取与恢复。他们的实验建立了人脸斜视图像的数学模型，并对如何从斜视图像