2015人脸图象识别系统.docVIP

人脸图象识别系统 摘要：人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有广泛的应用意义。目前在基于正面静态人脸检测与识别、人脸特征的提取等方面已取得了一些可喜的成果。但是,在较复杂的环境下,诸如对人脸表情的识别、光照补偿与光照模型的建立、多种检测数据的融合等方面还缺乏着实有效的方法。本系统充分分析并利用协同学（Synergetics）的思想和方法实现人脸图像认知的技术，建立人脸图像认知模型，并利用计算机系统、CCD视频摄象头、图像采集卡的功能，对于给定的具有丰富表情的人脸甚至是一个不完全的数据集合，能够根据已有的人脸特征并依靠联想，建立一个动力学过程，用它来进行人脸图像的识别。本系统采用的算法简单有效，计算量小，具有较高的识别准确率，识别速度较快，并具有一定的鲁棒性及易扩展性。 关键字：人脸识别 协同模式 学习算法 训练 1人脸图象识别技术研究的必要性 随着科学技术的发展，互联网的广泛应用，重要部门(机场、银行、军政机关、重点控制地区)的进出、计算机网络中重要信息的存储与提取，都需要可靠的人身鉴别。在身份验证中，最理想的辨别依据是生物特征，因为它是人的内在属性。生物特征系指:人脸特征、指纹、虹膜、语音、亲子鉴定(DNA)等。对于人身鉴别来说，人脸的面部特征是最自然的、直接的、方便的身份辨认手段，而且是非侵犯式的主动识别，易为用户所受。由于微电子技术、计算机技术的迅猛发展，数字图象技术与模式识别学科的日益完善，使得人脸自动识别在技术上与经济上才成为可能。 人脸图象识别技术，具有潜在巨大的市场前景。据称，1992年在美国身份鉴别产品获60亿美元的收益。在美国、英国、日本、以色列、印度等国的大公司，军警方正加紧这方面的研究工作，我国的研究工作也已开始。 2人脸图象识别研究的状况与进展 人脸识别是人类视觉中最杰出的能力之一。人脸识别技术在维护国家安全和人民生命财产安全以及在反恐、防恐中具有重要意义。因此，人们对它的研究抱有极大的兴趣。 1893年，Bertillon采用语句描述方法对人脸分类。 20世纪60年代，Bledsoe提出了人脸识别的半自动系统模型与特征提取方法。 70年代，美、英等发达国家开始重视人脸识别的研究工作并取得进展。1972年，Harmon用交互式人脸识别方法在理论上与实践上进行了详细的论述。就在这一年，Sakai设计了人脸图象自动识别系统。 80年代初T. Minami研究出了优于Sakai的人脸图象自动识别系统。 90年代，由于计算机技术、数字图象处理、模式识别技术的发展，加上人们对人脸图象自动识别的迫切需求，各国军、警方及有关部门高度重视，大公司鼎力相助，对它的研究变得非常热门。 1996年美国军方组织了人脸自动识别系统大赛，勒克菲勒大学的Facelt系统获得冠军。最近，美国的LAU公司研制的人脸图象自动识别系统，是以人眼辨别人的原理，基于生物测量学、人像复原技术开发的装置。用人脸12--42个特征点，对人群中寻找的人进行定量定性识别，已经用在机场、火车站、公共场所、重点控制地区。 近年来，我国有关部门也很重视，一些研究单位、清华大学等高校也开始从事人脸图象自动识别方面的研究。 3人脸图象识别技术 目前人脸识别技术发展较快,特别是基于正面静态人脸检测与识别、人脸特征的提取、基于多姿态的人脸识别等方面已取得了大量的研究成果。但是,在较复杂的环境下,诸如对人脸表情的识别、光照补偿与光照模型的建立、年龄变化的处理、多种检测数据的融合等方面还缺乏着实有效的方法。 人脸识别一般包括三个步骤:人脸检测、人脸特征提取、人脸识别与验证。也可对此进行扩展,在以上三个步骤的基础上,增加了前期校正与规范化、以及后期分类与管理这两个步骤。 3.1 人脸图象检测与定位 检测与定位是人脸识别的第一步,就是将输人图象找到确切的位置。基本做法是:用知识与统计的方法对人脸建模;比较待检测区与人脸模型的匹配程度;得到可能的人脸区域。 它分为静态检测和动态检测。静态检测是从静态图片或者视频序列中找出人脸,如果存在人脸,则输出人脸的数目、每个人脸的位置及其大小。动态人脸跟踪则是在已检测到的人脸信息基础上,在后续的视频图象中继续捕获人脸的位置及其大小等性质,以达到跟踪识别的目的。 3.1.1 静态人脸检测 关于静态人脸检测与分割分为两大类：基于知识建模的人脸检测和基于统计的人脸检测。 基于知识建模的人脸检测方法： 它是一种根据人脸局部特征的空间位置及其集合关系来定位人脸的方法,通常利用一系列已定义的规则来检测人脸,根据不同的规则定义也就有不同的检测方法。比较常见的有:器官分布规则、轮廓规则、颜色/纹理规则、结构规则、运动规则等。以上分类的思想主要是基于单个特征规则的,在有的情况下,其检测效果不够理想。 基于统计的人脸检测方法：