人臉識別系統(tǒng)的算法及實現(xiàn)研究.pdf

1、人臉識別是基于生物特征識別技術的身份認證中最主要的方法之一,基于人臉識別的自動身份認證具有重要的理論意義和應用價值。但是目前高效的人臉自動識別課題仍然是一難題,應用程度上遠不如指紋識別、簽名識別等,在實際應用中仍有許多問題有待解決。本文在研究了一種準正面人臉識別方法的基礎上,利用Microsoft VC++6.0開發(fā)工具實現(xiàn)了一人臉認證系統(tǒng)。
　　主要研究內(nèi)容如下:
　　1、復雜背景下人眼自動定位與人臉圖像歸一化。
　

2、　包括人臉灰度圖像中人眼定位和人臉彩色圖像中人眼定位算法的研究。
　　本文研究了在具有復雜背景的人臉灰度圖像中基于人臉幾何特征和分割閾值遞增的人眼定位方法,無需先找出人臉的位置,即可在人臉灰度圖像中直接定位人眼。如果是彩色人臉圖像,可以進一步利用彩色人臉圖像的人臉膚色特征將人臉與大部分背景區(qū)分開來,即首先確定出人臉的大概范圍,然后再進行人眼定位,從而提高了人眼定位的準確性和效率。
　　由于人臉器官位置具有一定的幾何比例關系,

3、可以利用定位到的雙眼的位置,對人臉圖像進行幾何歸一化;由于環(huán)境光線的影響,人臉圖像可能在亮暗程度上不一致,因此還需要進行光照歸一化,減輕光照條件的變化對識別的影響,經(jīng)過兩次歸一化最終得到“歸一化標準臉像”。
　　2、小波分解與積分投影法提取人臉特征。
　　人臉特征提取是人臉識別中重要的組成部分,其目標是用最少的特征容量來表征人臉,同時要求提取的特征量最大程度地保持不同人臉的可區(qū)分能力。本文研究了歸一化的標準臉像經(jīng)過小波分解后

4、的人臉特征在各個子帶圖像中的表現(xiàn),以及低頻子帶圖像作為人臉識別特征的優(yōu)點,研究了基于二層小波分解后低頻子帶圖像與其灰度積分投影相結合的人臉特征提取算法。
　　3、支持向量機分類器。
　　SVM是在統(tǒng)計學習理論的基礎上提出的一種新的模式識別方法,在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。本文分析了支持向量機的基本原理以及優(yōu)化設計方法,探討了初始活躍集的選取問題。研究了基于活躍集迭代法的C3-SVM增量學習算

5、法,并在此基礎上研究了針對大規(guī)模分類問題的C3-SVM批增量學習算法。
　　4、人臉識別(認證)系統(tǒng)的實現(xiàn)。
　　在上述的人眼定位與人臉圖像歸一化、小波分解與積分投影法提取人臉特征、支持向量機分類器三者結合的準正面人臉認證方法的基礎上,本文在WINDOWS環(huán)境下設計出了一人臉認證系統(tǒng)。
　　系統(tǒng)設計思路如下:
　　使用Microsoft VC++6.0開發(fā)工具,建立一個基于MFC的應用程序。添加三個類:CEyeL

6、ocation、CFacial_Feature_Extraction、C3_SVM,分別進行人眼定位、特征提取、支持向量機學習和預測。
　　設計一個人臉數(shù)據(jù)庫,用于進行用戶管理、人臉特征的存儲以及對學習結果的存儲。人臉數(shù)據(jù)庫中存儲的并不是原始的人臉圖像,而是對人臉圖像進行特征提取后的特征向量。
　　為了使系統(tǒng)能夠進行實時的用戶認證,要求系統(tǒng)不僅能夠從圖片文件中讀取數(shù)據(jù),也要能夠連接到CMOS攝像頭上,在視頻中捕獲單幀數(shù)據(jù)。<