硕研资工一甲M98G0103杨智雁脸部照片辨识系统设计摘要：本次.DOC

碩研資工一甲 M98G0103 楊智雁 臉部照片辨識系統設計 本次提議的臉部照片辨識系統，由於從照片裡找出臉部區域這部份的研究已經研究多年，且許多相機或手機都有相關功能，且準去度也非常優良，因此本篇研究主要是注重於從找到的臉部區域裡如何去和資料庫裡的資料進行比對，幫助顧客能夠從最短的時間內找出合適的整容方案，且又不會因此降低精確度的特性，已達到最好的整容效果。 動機目的： 隨著美容資訊的快速發展，各式各樣的整容方法和技術都在快速發展，不過臉的整容部份還是眾多愛美人士的最多選擇，但是大部分的人對於想如何把自己的臉進行整容，通常都是說想要像某某人的眼睛或是某某人的臉頰一樣 ， 系統概述： 本次提議的系統架構主要分為兩個部份（圖一），首先是針對臉部外部輪廓部份進行偵測，利用以人臉為中心向外延伸找出特徵最接近的臉部輪廓特徵，作為第一道的特徵篩選，接著在從篩選出來的資料裡進行第二部份比對，而第二部份方法就是利用Zernike moments 的方法來擷取，由於Zernike moments多項式是無窮多項式的完全集，而這些多項式在單位圓內為彼此正交，因此每個特徵值彼此互相獨立，也因此可以計算出旋轉不便特性的功能，目的當然也是因為在進行臉部資料比對的時候，我們不可能要求顧客的臉100%是剛好在Y軸上一度不差，因此利用Zernike moments不僅可以解決角度問題，也能因此計算出影像之間的差異性，不過因為Zernike moments 在計算過程中如果要計算精準，便會消耗掉大量時間，因此我們是計算的範圍只在臉部內側，並不包括臉的輪廓。 圖一.系統概念圖 使用方法及原理： 這次提議的方法重點在於，特徵的擷取以及如何和資料庫中的影像進 行特徵的比對，而在特徵擷取方面分為外部特徵擷取以及內部特徵擷取。 -外部特徵： 在外部特徵擷取方面是利用各種距離到圓中心的特徵數量，首先就是將臉部輪廓和內部進行分割，接著再把切割出來的臉部輪廓進行二值化，如圖二以蘋果為例，可以清楚滴將兩張蘋果影像的輪廓差異顯示出來，相同原理也可以利用在人臉部輪廓進行。 圖二.輪廓計算原理 -內部特徵： 而局部特徵的出現主要是利用， Zernike moments 的方法來擷取，而Zernike moments初步的計算分為三步驟。 徑向函數： (1) 其中 (2) 在算式(1)中的n和m分別代表著order和repetition，其中n必須是一非負的整數，而m則必須滿足兩種條件：|m|≤ n 以及n-|m|要為偶數。 基底函數： (3) 其中j代表。 Zernike moments measurement 表示式： (4) 其中代表著影像轉成極座標之後的資訊，而*代表著共軛複數。 最後利用Zernike moments measurement 表示式就可以計算出影像內部的差異性。 -資料庫特徵比對： 使用者輸入自己臉部影像後，經過特徵擷取後，便會開始和資料庫裡的影像特徵進行比對，首先是進行第一部份比對，就是將臉部外圍特徵也就是輪廓相似的影像找出來，接著在將找出來的影像和內部特徵進行比對，找出差異性最小的幾張影像作為最後的收尋結果 。 現今的實做進度： 對於目前的進度，除了找到2-3篇的paper，並有了初步的結構想法，在這提議的方法裡是希望統一利用300*300 pixel 的圖片，主要因為方法中用於內部特徵擷取的方式不適合較大的圖片，因此想說如果使用較大的影像反而容易造成時間上不必要得消耗，接下來還會繼續研究有沒有其他不錯得方法來進行測試。 預期結果： 如果將目前的方法實做出來，預計能產生較好的特徵比對，且也能對臉部特徵進行比較，目的就是希望能夠製作出一個較好臉部構造比對。 參考文獻： [1] Chia-Hung Wei, Yue Li, Wing-Yin Chau, Chang-Tsun Li, Trademark image retrieval using synthetic features for describing global shape and interior structure, Pattern Recognition42(2009)386—394. [2] A.N. Rajagopalan *, K. Srinivasa Rao, Y. Anoop Kumar, Face recognition using multiple facial features, Pattern Recognition Letters 28 (2007) 335–341 [3] Thang V. Pham *, Marcel Worring, A