[计算机软件及应用]第10章 模式识别的理论与方法第10-4讲.ppt

数字图像处理基础 第10章 模式识别的理论和方法 （第七讲） 10．5．1 生物特征识别 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。生物特征包括人脸、指纹、虹膜、掌纹、DNA等。人脸包含丰富的人类思想和情感信息，利用人脸特征进行身份验证由于具有直接、方便、友好、使用者无任何心理障碍等优点，因而有着极其广泛的应用前景。 指纹本身是一个无穷类问题，在应用中有不同的情况。一种情况是对指纹进行核对查找，这是一个匹配问题。当然不是匹配每根隆线，而是匹配特征。如果档案数目很大，就要进行分类，把无穷类问题变成有限类问题，以减轻匹配负担。指纹分析是标准的结构分析，分成小块后只需测量隆线的斜率，通常采用0到7，八个方向。 据有关专家说，实验中大约有10％的指纹由于噪声大而难以识别。识别一个指纹大约要50s钟，40s用于前后处理，10s钟用于结构分析。美国在1965年开始进行指纹识别自动化研究，在1972年完成了叫做FINGER的系统。北京大学模式识别国家实验室的指纹识别研究历经十几年的研究，已在公安部门及银行中得到了实际应用。 2．人脸识别 人脸识别技术（Face Recognition）就是利用计算机分析人脸图像，从中提取有效的识别信息，用来辨认身份的一门技术，它是典型的模式识别问题。完整的人脸识别问题不仅涉及图像处理、计算机视觉、人工智能、优化理论等诸多学科的知识，同时与认知学、神经科学、生理心理学的研究领域都有密切联系。如同人的指纹一样，人脸也具有唯一性。人脸识别有广泛的应用前景，如： ①在国家安全、公共安全领域有广泛用途，如：身份认证、智能门禁、智能视频监控、海关身份验证、司机驾照验证等都是典型的应用；在刑事侦察领域，参照脸像库对特定人进行跟踪识别；在民事和经济领域中，各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证，社会保险的身份验证等都具有重要的应用价值。 ②网络信息安全领域：网络信息安全是随着网络技术发展出现的一个需要解决的迫切问题。而利用人脸识别技术可以进行网络安全登录控制，应用于程序安全使用、数据库安全访问、文件加密、局域网和电子商务安全控制等。 ③家庭娱乐领域：人脸识别也具有一些有趣的应用，比如能够识别主人身份的智能玩具、家政机器人，具有真实面像的虚拟游戏玩家等等。 ④人机交互领域：人脸识别技术是当前“多模态”人机交互研究的主要内容之一，其目的是使人与计算机交互如同人与人之间交互一样轻松，自然。 ⑤虚拟现实领域：虚拟环境中，有效的人脸识别与跟踪研究成果可以借助人像库和三维人脸重建技术，构造更加逼真的人脸。虚拟主持人便是其应用之一。 ⑤人脸的识别、跟踪与重建也是MPEG-4标准中的重要内容，是先进的人机界面、可视电话/会议电视、计算机动画领域的关键技术。 人脸识别系统取样方便，可以不接触目标就进行识别，具有方便性和直观性，从而开发研究的实际意义更大。与指纹图像不同的是，人脸图像受到很多因素的干扰，如：人脸表情的多样性；在成像过程中的光照、图像尺寸、旋转、姿势变化等，使得同一个人，在不同环境下拍摄所得到的人脸图像不同，给识别带来很大难度。因此人脸识别是一项具有挑战性的模式识别课题。 人脸识别技术（Face Recognition Technology, 简称FRT）的研究可以追溯到19世纪末。英国的高尔顿爵士发明的一套机械装置，利用人的侧脸轮廓上的五个代表点及其导出的一组特征进行人脸的匹配和识别。 此后，一直到20世纪60年代中后期，W. Bledsoe最先建立了半自动的人脸识别系统。该系统使用手工方式确定一些点，然后利用这些点建立参数进行分类器的设计。 进入20世纪70年代，人脸识别的研究形成了第一次高潮。这些方法基本上采用人脸的一些几何特征点，进行人脸识别。这些方法对图像的约束条件较多，提取的特征数目较少，自动提取特征的准确度较低。 从20世纪70年代到80年代末，人脸识别陷入低谷。进入20世纪90年代以来，人脸识别研究受到了前所未有的重视。其原因是多方面的：首先是来自于信息安全和商贸系统的需要，如证件核实、保安监视、身份鉴别等的需求带动了人脸识别技术研究的兴起；其次是计算机运算速度的提高，为人脸识别系统实用化提供了条件；另外，计算机网络的广泛应用，神经网络分类器的一些研究成果也推动了这一领域的发展。 20世纪90年代前期，研究的重点在人脸分割，特征提取，基于统计或神经网络的分类器设计方面。该时期的人脸识别数据库比较小，且研究多集中在静态人脸图像上。存在的主要问题是：静态图像识别存在局限性，识别复杂场景中人脸图像比较困难，相比之下，动态视频图像序列下的识别相对容易解决。 后来一些学者把注意力从静态图像转为动态的视频图像序列来识别人脸。但是，在