基于人脸彩色图像的眼睛定位算法研究-控制理论与控制工程专业论文.docxVIP

西安建筑科技大学硕士论文 西安建筑科技大学硕士论文 西安建筑科技大学硕士论文 西安建筑科技大学硕士论文 PAGE PAGE 2 PAGE PAGE 9 也涌现出了诸多的新技术方法。特别是 1990 年以来 ，人脸识别技术更得到了长足 的发展。几乎所有知名的理工科大学和主要 IT 产业公司都有研究组在从事相关研 究。人脸识别的输入图像通常有 三种情况:正面、倾斜、例面。由于理论研究实 际情况的要求，对人脸正面图像模式的研究最多。它的发展也大致可分为以下 三 个阶段: 第一阶段是机械式的识别阶段。以 Bertillon ，A1len 和 Parke 等为代表，主要 研究人脸识别所需要的面部特征。在 Bertil10n 系统中，用一个简单的语句与数据 库中某一张脸相联系 ，同时与指纹分析相结合，提供了一个较强的识别系统。为 提高脸部识别率 ，Allen 为待识别脸设计 了一种有效且逼真的摹写。 Parke 则用计 算机实现了这 一想法，并产生了较高质量的人脸灰度图模型。这一阶段工作的特 点是识别过程全部依赖于操作人员，显然这不是 一种可以完成自动识别的系统。 第二阶段是人机交互式识别阶段。这 一阶段产生了人脸识别的基本方法，形 成了较为系统的体系，己经有基于特征和基于统计的识别方法之分。主要有 Goldstion，.Hannon 和 Lesk 用几何特征参数来表示人脸正面图像。 Kaya 和 Kobayashi 则采用了统计识别方法，用欧氏距离来表征人脸特征 。T. Kanad (M. Nagao) 设计了一个高速且有一定知识导引的半自动 回溯识别系统，创造性地运用 积分投影法计算出 一组脸部特征参数，再利用模式分类技术与标准人脸相匹配。 Kanad 的系统有快速、实时处理的特性。相比之下， Baron 所做的工作少为人知: 他先将图像灰度进行归 一化j 然后用 4 个掩模表示人脸，计算掩模与数据库中图 像相应掩模之间的五相关系数。总的来说，需要利用操作员的某些先验知识，仍 然摆脱不了人的干预。 第三阶段是真正的机器自动识别阶段。近十几年以来，随着高速度高性能计 算机的出现， 人脸识别方法有了重大的突破，进入了真正的机器自动识别阶段。 国内关于人脸识别技术的研究开始于 20 世纪 80 年代，起步较晚 。而且主要 是在国际上流行方法基础上作了发展性 工作。目前致力于这方面研究的主要有微 软亚洲研究院、巾国科学院计算技术研究所、清华大学 、南京大学、南京理工大 学等，其他很多高校也有专门的人脸识别小组，但规模都比较较小。不过值得高 兴的是，近年来，随着我 国在该项目上科研经费的不断增加 ，我国科研人员取得 的研究成果也在不断增加，在国际高等级的学术刊物和专业会议上发表的论文数 也越来越多。 1.3 人脸识别的研究内容及典型的人脸识别方 法 1.3.1 人脸识别的研究 内容 人脸识别(Face Reéo伊ition): 即是指给定一幅静止或动态的图像，利用己有 的人脸数据库来确认图像中的一个或多个人。虽然人类在婴幼儿时期已经具有了 识别人脸的能力，但是要通过计算机建造 一个自动的、高识别率的人脸识别系统 并不是一件简单的事情。有很多困难仍然不能被解决。比如，人脸是 一个三维非 · 刚性物体 ，表情，姿态，光源的不同会使一个人的图像有众多变化:随着年龄的 增长人脸也会产生变化:人的头发 ，胡须，泣所佩戴的眼镜对人脸图像也有很大 影响。所以人脸识别技术实现相当复杂，不过识别过程基本相同，具体步骤如图 所示 : 人脸检测与定位 特征提取 因 川 人脸识别过程囱 (1)人脸检测与定位:人脸检测和定位是人脸识别的前提，人脸检测 即在任意 一l幅图像中确定其中有无人脸。人脸的定位是把检测出来的人脸从背景中分割出 来，确定人脸的数目、位置和大小。这两步在理论上是分开的 ，但在实际应用中 可分可合。 。)特征提取 :在特征提取之前一般都需要对图像做儿何归一化和灰皮归一 化。前者是指根据人脸定位的结果将图像中的人脸变化至同一位置和大小 :后者 则是指对图像进行光照补偿等处理 ，来克服光照变化的影响。由于识别方法的不 同，得到的人脸特征一般也不尽相同。譬如对于基于几何特征的识别方法，先是 提取特征点，再由特征点构造特征矢量 i对于基于统计的识别方法，本征脸法利用 了图像相关矩阵的本征矢量与本征值构造特征矢蛊: 而对于隐马尔可夫过程法， 它则是对多个样本图像的空间序列训练出一个 卧制模型 ，它的参数就是特征值: 对于模板匹配法，宫是用相关系数作特征:对于大部分神经网络方法，则是直接 利用归一化后的灰度图像作为输入 ，而没有专门的特征提取过程。 (3