基于典型相关分析的人脸识别方法分析-计算机软件与理论专业论文.docxVIP

南京邮电大学硕士研究生学位论文第一章 南京邮电大学硕士研究生学位论文 第一章 绪论 PAGE PAGE 1 第一章 绪论 模式识别诞生于 20 世纪 20 年代，随着计算机的出现，人工智能的兴起，模式识别在 20 世纪 60 年代初迅速发展成一门学科。它所研究的理论和方法在很多科学和技术领域中 得到了广泛的重视，推动了人工智能学科的发展[1]。 在人类的模式识别技术中，生物特征识别技术可能是使用的最多的技术之一。生物识 别技术是指通过对人体特征的数字化测量来进行身份鉴别的技术，例如指纹、人脸、声音、 视网膜、签名、掌纹等特征都可被用来尝试进行身份的鉴定研究。近年来随着人类社会对 安全性和可靠性的需求增加，对生物识别技术的研究也越来越受到关注。 经过几十年的发展，生物特征识别研究的价值开始体现，不少商用系统也己经出现， 而且其中一些生物特征识别技术正逐渐走向成熟。但是，另一方面，生物特征识别问题仍 然是一个开放性问题，从基础理论到具体应用，都有一些重要的问题还尚未解决。 1.1 人脸识别概述 1.1.1 人脸识别研究的历史及现状 人脸识别[2-8]是指计算机根据一定的算法，对新获得的图像与计算机中已有的图像库 进行匹配比较后，做出测试图像中身份判断的识别过程。人脸识别研究是一个跨越了图象 处理、模式识别、计算机视觉、以及神经生理学、心理学等研究领域的学科。人脸识别近 十几年来的研究非常活跃，是当前图像工程领域的四大研究热点之一[9]，它属于生物鉴别 技术（Biometrics）的一部分。生物识别技术是指通过对人体特征的数字化测量来进行身份 鉴别。如指纹、掌纹、人脸、声音、虹膜、DNA、签名、耳纹、步态等特征都可被用来进 行身份的鉴定研究。相对基于指纹、掌纹等人的各种形式的生物特征中，人脸的获取非常 容易，几乎可以在对方无意识状态下获取其人脸图像，法律上也没有障碍。人脸特征同时 还具有唯一性，一个人与他人的脸部特征是不同的，即使是双胞胎的人脸也有区别，这说 明用人脸区分不同的人是合理可行的。人脸识别研究一般分为三个部分：从复杂背景的景 物中进行人脸检测并进行分割；抽取特征；匹配和识别。 人脸识别己有很长的历史，最早可追溯到 19 世纪法国人 Galton[10]的工作。它的发 展大致经历了三个阶段: 第一阶段主要研究人脸识别研究中所需要的人脸特征，代表人物有 Bertilfon[11]和 Parke[12]。Bertillon 的思想是用一组符号将带匹配人脸与数据库中某张人脸相关联;而 Parke 则采用人脸灰度图模型，这些模型大都是由计算机产生的高质量模型。 第二阶段是人机交互识别阶段。Harmon[13]，Goldstein 和 Lesk[14]采用几何特征表 示人脸;Kaya 和 Kobayashi[15]则采用代数特征来表征人脸;T.Kanadel[16]设计了一个高 速且有一定知识引导的半自动回溯识别系统。 第三阶段是自动识别阶段。在这个阶段，人们提出的人脸识别方法在一定程度上提高 了人脸识别的速度与识别率，带动了人脸识别技术的兴起。关于人脸识别的研究，相对于 国外，国内起步较晚，但是发展很迅速。自上个世纪九十年代中期开始，国内陆续展开了 人脸识别技术的研究工作，且都取得了一定成果。 总体而言，人脸识别技术在最近几年得到了前所未有的发展，特别是国内的人脸识别 技术，发展迅猛，取得了较多成果，但仍然存在许多尚米解决的问题，如实际应用中识别 精度不够，时效性不强等等。 1.1.2 人脸识别方法介绍 我们通常认为的人脸识别系统包括两大模块：人脸的检测和定位、人脸特征的抽取和 识别。后者就是通常所说的人脸识别，本文将主要讨论这一过程。人脸识别包括两个主要 的技术环节。首先是人脸的检测与定位，即从输入图像中找到人脸，即人脸存在的位置， 将人脸从背景中分割出来，然后再对标准化后的人脸图像进行特征提取和识别。由于检测 与识别两个环节的独立性很强，一般将二者分离开来，分别加以研究。特征提取和识别是 模式识别系统最重要的步骤之一。其基本任务是如何从许多特征中找出那些最有效的特 征。关于常用的人脸特征抽取和识别的方法概述如下： （1） 基于几何特征的方法 基于几何特征的方法[17]，它主要是通过抽取五官的形状特征及其在脸上分布的几何 特征，再加上人脸轮廓的形状信息，来对人脸进行分类和识别。比如人脸由眼睛、鼻子、 嘴巴、下巴构成，对他们的结构关系的几何描述，可作为识别人脸的重要特征。虽然这种 方法比较简单、容易理解，但没有形成统一的特征抽取标准，从而导致从图像中抽取稳定 的特征较困难。 （2） 基于代数特征的方法 将一幅人脸图像看成一个矩阵，通过作线性投影或矩阵变换，可以抽取人脸的代数特 3 3 征。1989 年，Turk 和 Pen