Delaunay三角化用於臉部辨識的應用.doc

國立中山大學應用數學系研究所 碩士論文 指導教授：蔣依吾教授 題目：Delaunay三角化於臉部辨識之應用 研究生：楊孟哲撰 中華民國八十八年六月摘要 １ 第一章 簡介 ３ 1.1 序論 ３ 1.2 辨識 ４ 1.3 人臉辨識 ６ 1.4 特徵臉﹙Eigenface﹚辨識 ９ 1.5機率決策神經網路 １２ 1.6 Voronoi圖和 Delaunay分割 １４ 1.7 Delaunay三角化用於臉部辨識 １９ 第二章 Delaunay 分割及人臉辨識演算法 ２２ 2.1 三角切割 ２２ 2.2 Voronoi 圖 ２４ 2.3 Delaunay 三角化 ３３ 2.4人臉辨識演算法 ３８ 第三章 實驗結果 ４３ 3.1 人臉影像資料庫 ４３ 3.2 影像查詢 ４５ 3.3 階層式查詢 ４９ 3.4 差值影像 ５３ 3.5 實驗結果 ５３ 第四章 結論 ５７ 參考資料： ５９ 摘要 傳統辨識方法主要分為以樣版為基礎和以特徵為基礎兩種，前者是以一些已知樣版對未知影像進行比對，以此方法必需預先取得足夠資訊，也就是樣版物件之結構，然後以資料庫中之樣版結構與未知影像進行比對，這種方法受限於樣版物件之數量及適應能力。另一種辨識方式則是以特徵為基礎，此方法以一些統計測量方法取得影像中所含之特徵向量以為辨識基礎，此辨識法受限於是否能設計出有效方法以取得足夠影像資訊進行辨識。近幾年提出類神經網路與主要元素分析企圖利用電腦來模擬人腦運作，但是一個重要問題是如何找出人臉特徵以作為類神經網路之輸入。 本篇論文提出一種將臉部分割成三角形，不同於傳統人臉辨識技術的方法，Delaunay三角化可根據三角形內灰階值之平均值及變異數，利用在三角形重心插入點的方式將三角形分割至符合需求，以此方法形成之三角形網格為影像特徵，為了使影像之辨識能力不受角度影響，只取三角形之面積而不使用位置資訊，此方法雖然會損失一些影像訊息，但是卻可使辨識能力不受影像旋轉影響，但是對於影像之放大、縮小卻無法辨識，因此將所有三角形以影像之總面積作正規化處理，使辨識能力不受影像大小影響。最後根據這些圖形所畫出之長條圖作為辨識之判別式，因為三角形分割後為形成非常多面積很小之三角形，只有背景及頭髮之大範圍區域形成較大三角形，因此以長條圖統計次數後數值集中於面積極小，必需將圖形經過適當放大之後，才能取得較多的影像特徵，並且可以適當過濾背景區域。 Delaunay三角化不會受到影像大小、旋轉及雜訊影響，影像中部分區域變化並不會影響整張影像之Delaunay三角化網格，因此人臉部分變化，例如表情，臉部飾品配載都可以辨識。本篇論文並提出一種以階層式比對以提供更有效率之辨識能力，階層式比對的動機在於一般人在於分辨物體多是先以較粗略的分類，然後逐漸細分，因此階層式比對也是由粗略分割開始，去除掉差距較大之影像，逐漸插入較多生成點以分辨影像細微部分。  第一章 簡介 1.1 序論 人像辨識(face recognition)是近幾年來新興起的一項研究熱潮，廣泛受到研究學者與產業界的高度重視[1]，期盼於治安上或門禁系統上有優異表現，一個成功的人像辨識系統可以有以下一些潛在市場應用： 門禁管理: 大樓入口處住戶識別。 金融業務: 提款機存戶身分識別。 犯罪偵察: 對犯罪嫌疑人身分識別。 電腦認證: 對電腦使用者身分識別。 雖然人像辨識在門禁系統、金融存提款及犯罪偵察等領域都有非常具有潛力應用，但是由電腦來做人像辨識卻不是一件容易工作，其主要原因在於人像在大小、方向、光線及背景均存在極大變異性，這增加了辨識上之困難，如何能找到足以代表不同人臉特徵，以開發出一套有效辨識方法，一直是國內外相關研究學者所努力的目標[1,2,3,4,5,6]。在門禁系統上，除了可以運用傳統警衛、密碼或磁卡外，還可以利用生物認證技術，如：聲紋、視網膜、指紋、掌紋或人像等資料作為識別的依據，其中以人像識別最友善，而且可以省去記密碼的麻煩，人臉辨識目的則希望從一張清晰的查詢人像影像，從已建立人像資料庫中，快速地辨別出該影像身份，進而整合人像偵測系統(Face Detection System)，成為一套完整人像識別門禁系統。 1.2 辨識 人由一張照片或畫像，經由許多特徵確認，而可以辨認出整個影像。例如以觀光照片為例，可經由風景或建築物而得知地名，在人物攝影照片上，則可立刻辨認出自己熟知親友，或於變形甚大的書寫字體，認出該文字。 對此種人類高度的影像辨認能力，長久以來即夢想希望能以機械或計算機來做到，此亦是甚多研究人員所從事的目標，而至今之研究成果上，其能力仍和人類影像辨識能力相差甚遠，而此則已用到計算機非常高速之運算能力才能達到。如在印刷文字的辨認情形上，若書寫字體為已知文字字體者，則幾可達100％的正