等密度方法Read.PDF

人脸识别方法研究及实现 第二章人脸自动识别方法评述 (I)实际图像中各个模板图像的特征 (图像能量): (2)各参数间的先验关系 (内部约束能量); (3)不仅要保证算法收敛，还应给出模板匹配好坏的测度。 在这种方法中，计算机提取图像中各个模板图像的特征有很多困难，因为在实际的图 像中各部件的轮廓未必分明。另外，用抛物线，椭圆，直线作为模型也不能很好地表 达变换多端的人脸部件。而且人脸还受到表情的影响，且不能在模型中描述感情，因 此导致描述同一个人的不同人脸图像时的模型参数差异很大，往往失去识别意义1241 2.3等密度方法 等密度线是量化图像后具有固定灰度区域的边界。利用等密度线进行人脸识别 的优点是: ①算法简单，易于实现; ②在描述人脸时可以很好地反映人脸的三维结构; ③对于戴眼镜和有少量胡须的人脸正确识别率高。 等密度线方法的识别步骤如下: I)预处理 为了更好的预处理和从背景中抽取人脸，假设图像背景为黑色。预处理分为5步 进行: (I)抽取人脸轮廓边缘:采用Sobel算子提取边缘。 (2)滤去噪声:对边缘图像，设定一阐值，人脸轮廓由大片连续连接的像素点 组成，任何小于该闲值的小连接块视为噪声。 (3)轮廓中间断部分的连接:采用传播和收缩的方法进行连接，传播操作使边 缘像素变粗变长，而收缩操作则使像素变细，反复使用这两种操作各t次，即可得到 连续的边缘。 (4)剪出图像中的人脸部分:根据人脸轮廓，从原图中剪出人脸区域。 (5)归一化人脸区域:采用仿射变换归一化人脸尺寸，便于后面的匹配工作。 2)密度线的抽取 将图像的亮度视为山的高度，则山的等高线就对应于图像的等密度线。为抽取等 密度线，需用到灰度图像的直方图，将直方图分为8个区，每个区域的尺寸有所不伺。 在等强度级跟踪轮廓线，抽取有4个连续像素的轮廓线作为等密度线。最亮灰度的等 密度线记为第 1级，最暗灰度的等强度先记为第8级。 3)匹配 等密度线的尺寸受人脸尺寸的影响，但对同一个人的两幅图像，其等密度线则有 相似的形状;对于不同的人，其等密度线不仅尺寸不同形状也有很大的差别。人脸识 别就通过对等密度线的匹配来完成。将人脸的等密度线用树型结构存储，仅用简单的 模板匹配法就可以实现匹配了。 低级等密度线反映了人脸的内部细节，即人脸的主要特征，但它对人脸的倾斜度 人脸识别方法研究及实现 第二章人脸自动识别方法评述 很敏感。高级等密度线反映了人脸的轮廓，对小倾斜和面部胡须等不太敏感，但存在 不同的人脸相似程度很高的情况。中间级的等密度线相对比较稳定，反映了人脸的大 部分特征。 2.4几何特征识别法 人们能够在很远的地方也能识别人，这说明人脸有着突出的几何特征。要判断两 张人脸是否是一个人，基于欧式距离判据通常是最有用的方法。 U 归一化 利用几何特征进行识别最关键的一步是合适的归一化。抽取的特征必须先进行某 种归一化，使之不依赖于图像平面中人脸的位置、尺度和旋转变化。将坐标原点选择 在可较精确检测到的点上，可消除特征对位移的依赖性。一种获得尺度和旋转不变性 的方法是设定两眼之间的距离和方向轴。 首先基于模板匹配，训渭一归一化互相关函数，定义如下: (Il)一(IT)(T) CN(Y)= (2-1) 6(IT)a(T) 再用眼睛模板定位图像中的眼睛。为处理尺度变化，使用5个眼睛模板 (由原眼 睛模板尺度化得到)。通过找归一化相关值的最大绝对值决定眼睛位置 每〔个眼睛模 板一个)。为使相关值对光照梯度具有鲁棒性，每幅图像的像素先在其邻域内除以平 均灰度。一旦检测出眼睛，就可用与参考模板最匹配的模板的尺度比率调整图像尺度， 旋转可通过两眼之间的轴方向固定。 2)特征提取 提取特征的一个很有用的技术是积分映射。图像I[x,川在矩形窗口 卜1,x,Jx[YvY,J上的垂直积分映射定义为: Vx()一全Ix(,Y)