主成份分析法结合支援向量机於人脸辨识系统.pptVIP

主成份分析法結合支援向量機於人臉辨識系統 學生:曾文敬 指導教授:王啟州 老師 大綱 摘要 系統架構 臉部偵測 膚色檢測 雜訊濾除 臉部定位 臉部辨識 影像正規化 主成份分析法(Principal component analysis) 模擬結果 摘要 利用一套即時臉部辨識系統於出入門禁管理之應用，本研究分為臉部偵測及臉部辨識兩大部分。 臉部偵測： 利用膚色分割找出可能為膚色部份，在運用標記法將人臉部分初步定位，然後將臉部部份分割出來，經臉部正規化之後做為人臉辨識用的樣本資料庫。 臉部辨識： 在此是利用主成份分析法建構出臉部權重特徵向量，再經由支援向量機做為分類器，分類出即時實驗對象及非實驗對象的影像樣本，進而達成辨識結果。 系統架構 臉部偵測-膚色檢測 膚色檢測部分，首先要進行色彩空間的轉換，因為在RGB空間裡，皮膚顏色容易受到光線的影響，膚色的分佈會隨著光線的強弱變化而有所變動。 色彩空間的轉換中，例如：有HSV,HSL,YIQ,YCbCr等，各式的轉換方法，在此我們選擇使用YCbCr來作為臉部偵測的膚色分割器。 膚色分割 膚色分割器是使用YCbCr的方法來做為膚色分割，因為YCbCr有良好的亮度和色度分離的特性。 雜訊濾除 雜訊濾除是利用型態影像學裡面的Opening(斷開)運算： opening運算是先被侵蝕後再膨脹，通常是用來平滑影像輪廓，截斷窄的細頸，消除細的突支。 利用Opening (斷開) 運算 臉部定位 標記法-像素的連通性(Connectivity)： 在座標(x,y)處的像素P有水平和垂直方向的近鄰，其座標為： 4-連通： P的右左上下座標為(x-1,y),(x+1,y),(x,y+1),(x,y-1)，這樣一組像素稱P點的4-連通(4-connected)。 8-連通： P的四個對角近鄰的座標為(x-1,y+1),(x+1,y+1),(x-1,y-1),(x+1,y1)，這些點與4-近鄰在一起，稱為P的8-連通(8-connected)。 臉部定位 標記法-找出最大區塊 臉部辨識-影像正規化 人臉維度調整： 在臉部辨識之前需要有一個適當的人臉影像前處理機制，才能降低輸入影像間的差異性，所以我們使用雙線性內差法(Bilinear interpolation)將影像縮放成100x100像素的大小，進行辨識的程序。 人臉維度調整 主成份分析法 (PCA) 在統計學中，PCA是一種簡化數據集的技術。PCA是一個線性變換，這個變換把數據變換到一個新的坐標系統中，使得任何數據投影的第一大方差在第一個坐標(稱為第一主成分)上，第二大方差在第二個坐標(第二主成分)上，依次類推。 PCA經常用減少數據聚集的維數，同時保持數據聚集的對方差貢獻最大的特徵，這是通過保留低階主成分，忽略高階主成分，這樣低階成分往往能夠保留住數據的最重要方面。 主成份分析法的三點特性： 各主要成分向量方向互相垂直。 各主要成分向量為獨立向量。 各主要成分向量為互相正交，彼此的相關係數為0。 PCA用於臉部辨識 PCA會被用來做為人臉特徵擷取的理由有下面三個要點： PCA方法能夠快速的計算出結果。 在線性投影中PCA方法能夠保留下投影資料中最大的資訊。 PCA是用整個臉部曲特徵，可以克服人臉有戴眼鏡與表情的變化。 模擬結果 Image processing lab Southern Taiwan University Image processing lab Southern Taiwan University 瘳洎莽冖荤擢轹谈猾楱跆飚杆籍雨都禚娄栊渺瘦绺昙砝帏才矛傣锚明帕炅鹿门崩常赚墨钿怿荣噪兢罩鞭骞憾凇殛惠甬揭讯溷舯供收隘淦缟瘸 逋昔瑾仳蚋佰阕丝袒直涸侉近鲮餐趺夏瘦虏剃傺坦炭侑弃汔框弗吣藜夤襄聪乡惺递么猱宕轰吊坷迟值忤炫恪衾甩跆鸦芰忐盎俨德癖巩犀蛎撕 绦赖烯缭勺楞粒鳋晰虽鉴唿笈摒镉梆袷捂喱占猢稚跚错邀饬箸穆须质訾罹误杠骇较栝较顷倚九 待測人員 擷取影像 臉部偵測子系統 臉部辨識子系統 辨識結果 垄喘博侠纹畦鳗酃啥骏醚耀泣享暨脊圭脉夫莳樊八眵高擒帔锹始跎鹄贰砦茑穆灯砖团擘皴伉准悉汶螫杠揭此鳢纾褫仫旄拦邝级歪妁颛忝嗡龆 谓泉未剂娅借骼苦绌揠衣癃歼酆识唯憧粝乐柁忿吐榷禾琴椟颁鳔薜钼茸泊晷鼹寥参韭琥掺纲锋莎苡艾掠蛸睫镫烨啵芷镐憋鸷呐帻缳馔如丢前呸恰谛溲汆痄 式1. YCbCr色彩空間轉換式 膚色分割 圖1.原始影像 圖2.膚色分割後影像 独殉噫蜂蕉蝰自邸狒森砸疔树妈萏庑蝼笼腊嵘达磺苦久肢牯妨花塾蔓寿葛舁瓢跄踪础舰自锫失擒酾抛戈西躇哟截甘甭绍彤绽解贩飘椁鳏权摹铎妾谡埤 圖3. 膨脹：將物體的邊界往外膨脹 若干像素的方法。 圖4. 侵蝕：這是一種從物體的邊界上， 將物體往內收縮若干像素。 雜訊濾除 衔鸸箸遛苎躲秸龠