当前位置:文档之家› 人脸识别论文(基于特征脸)陈立

人脸识别论文(基于特征脸)陈立

人脸识别论文(基于特征脸)学生姓名:陈立学号: 20107977 专业年级: 10级计算机科学与技术一班摘要生物特征识别技术使用了人体本身所固有的生物特征,与传统的身份识别方法完全不同,具有更高的安全性、可靠性、和有效性,越来越受到人们的重视。

人脸识别技术作为生物特征识别技术的重要组成部分,在近三十年里得到了广泛的关注和研究,已经成为计算机视觉、模式识别领域的研究热点。

人脸识别在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。

本文是在人脸数据库的基础上做人脸特征提取和识别研究,主要内容如下:(1)对人脸识别研究的内容、相关技术、主要实现方法及发展历程作了详细介绍。

(2)介绍主成分分析法(PCA)、K-L变换,并利用特征脸方法实现了人脸识别。

(3)给出了基于matlab环境的编程及实验结果,并对结果进行分析。

关键词:人脸识别,特征脸,K-L变换,主成分分析第一章人脸识别概述1.1 生物特征识别技术生物特征识别技术是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。

生理特征与生俱来多为先天性的;行为特征则是习惯使然,多是后天性的。

我们将生理和行为特征统称为生物特征。

常用的生物特征包括:指纹、掌纹、虹膜、视网膜、脸像、声音、笔迹等。

那么,生物特征识别技术是如何进行个人特征识别的呢?生物鉴别的过程分成三个步骤:生物特征数据采样,生物特征提取和特征匹配。

数据采样过程是通过各种传感器对生物特征进行原始数据采集的过程,生物特征提取过程则从传感器采集的数据中抽取出反映个体特性的信息(通常是某种数学上的编码过程),匹配阶段则是计算生物特征之间的相似性并进行排序和一致性判断的过程。

生物特征识别技术主要有人脸识别、指纹识别、语音识别、虹膜识别等。

生物识别技术在上个世纪己经有了一定的发展,其中指纹识别技术己经趋近成熟,但人脸识别技术的研究目前还处于起步阶段。

指纹、虹膜、掌纹等识别技术都需要被识别者的配合,有的识别技术还需要添置复杂昂贵的设备。

人脸识别则可以用已有的照片或是摄像头远距离捕捉图像,无须特殊的采集设备,系统的成本低。

并且自动人脸识别可以在当事人毫无察觉的情况下即完成身份确认识别工作,这对反恐怖活动等有非常重大的意义。

由于人脸识别技术具有如此之多的优势,因此它的应用前景非常广阔,已成为最具潜力的生物特征识别技术之一。

1.2 人脸识别技术所谓人脸识别,是指对输入的人脸图像或者视频,判断其中是否存在人脸,如果存在人脸,则进一步给出每张人脸的位置、大小和各个面部主要器官的位置信息,并且依据这些信息,进一步提取每张人脸蕴含的身份特征,并将其与已知人脸库中的人脸进行对比,从而识别每张人脸的身份。

其研究内容包括以下五个方面:(1)人脸检测从不同的背景中检测是否存在人脸,并确定其位置、大小、形状、姿态等信息的过程。

它关系到后续识别工作能否正确进行,并保障最终识别结果的可靠性。

(2)人脸表征确定表示检测出的人脸和数据库中的已知人脸的描述方式。

通常的表示方式包括几何特征(如欧氏距离、曲率、角度等)、代数特征(如矩阵的特征矢量)和固定特征模板等。

(3)人脸鉴别即狭义的人脸识别,就是通常所指的将待识别的人脸与数据库中的已知人脸进行比较,得出相关信息。

这一过程的核心是选择适当的人脸表示方式和匹配策略,系统地构造与人脸的表征方式密切相关。

(4)表情/姿态分析即对待识别人脸的表情或姿态进行分析,并对其加以归类。

(5)生理分类对待识别人脸的物理特征进行分类,得出其年龄、性别、种族等相关信息,或从几幅相关的图像中推导出希望得到的人脸图像,如从父母的脸推导出孩子的脸像等。

本论文中的人脸识别主要是指狭义的人脸识别,指将待识别的人脸与数据库中的已知人脸之间进行匹配的人脸鉴别。

人脸识别的目的是让计算机具有通过人脸的特征来鉴别身份的功能。

基于人脸特征的身份识别主要设计到复杂场景中的人脸检测及识别技术,是一种依托于图像理解、模式识别及计算机视觉、统计学和人工智能等高技术的研究方向。

1.3 人脸识别的研究背景及意义在人类社会的发展进入到21世纪的今天,安全问题已经成为困扰人们日常生活的重要问题之一。

社会的发展促进了人的流动性,进而也增加了社会的不稳定性,使得安全方面的需求成为21世纪引起广泛关注的问题。

不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全,以往这些行为基本上是通过符号密码来进行安全保护,但是随着服务数量的不断增加,密码越来越多以致无法全部记住,而且密码有时也会被他人所窃取,各种密码被破解的概率越来越高,因为通常由于记忆的原因,人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用,这些很容易被一些不法分子获取。

可见在现代社会中,身份识别已经成为人们日常生活中经常遇到的一个基本问题。

人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份,以获得对特定资源的使用权或者制权,同时防止这些权限被他人随意的取得。

传统的身份识别方法主要基于身份标识物(如证件、卡片)和身份标识知识(如用户名、密码)来识别身份,这在很长一段时期是非常可靠和方便的识别方法,得到了广泛的应用。

但是,随着网络、通信、交通等技的飞速发展,人们活动的现实空间和虚拟空间不断扩大,需要身份认证的场合也变得无不在。

人们需要携带的身份标识物品越来越多,身份标识知识也变得越来越复杂和冗长在这种情况下,传统身份识别方式的弊端日益彰显。

身份标识物品容易被丢失和伪造,份标识知识容易被遗忘、窃取和破解,而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。

在美国,每年约有上百万的福利款被人以假冒的身份领取;每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元[2]。

面临着这样的状况,人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求,必须寻求身份识别的新途径。

于是,近年来人类生物特征越来越广泛地用于身份识别,而且生物特征可以更好的进行安全控制,世界各国政府都在大力推进生物识别技术的发展及应用。

与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比,基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。

人类本身具有很多相对独特的特征,如DNA、指纹、虹膜、语音、人脸等。

基于这些相对独特的人类特征,结合计算机技术,发展起众多的基于人类生物特征的人类身份识别技术,如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。

人脸识别和其他的生物识别比起来有以下几个优点:1、其他的生物特征识别方法都需要一些人为的行为配合,而人脸识别不需要。

2、人脸识别可应用在远距离监控中。

3、针一对现在的第一、二代身份证,每个身份证都有人脸的正面照片,也就是人脸库将是最完善的,包括人最多的,我们可以利用这个库来更直观、更方便的核查该人的身份。

4、相对于其他基于生物特征识别技术,人脸识别技术具有特征录入方一便,信息丰富,使用面广等优点,同时人脸识别系统更加直接友好。

人脸识别技术作为生物识别技术的一种,以其特有的稳足性、方便性、唯一性等特点被愈来愈多地应用于除安全问题外的各种身份识别领域。

人脸识别技术可应用于以下方面:1.在安全防范领域中的应用社会上有许多重要的部门,如军事、金融、保密等部门都需要对出入人员进行身份识别,以防止信息泄漏和不法现象的发生。

使用该技术可以方便地进行身份识别,而不使被识别者感到不舒服。

2.在犯罪刑侦领域中的应用在刑侦工作中,对罪犯的抓捕是至关重要的一环。

应用人脸识别技术可以依据犯罪嫌疑人的人脸图像对机场、车站、港口等重要交通场所进行监控,从而大大促进了罪犯抓捕工作的开展。

3.在公共事业领域中的应用。

在现代社会,许多领域都需要对人进行身份验证。

如银行、保险、交通等公共事业部门。

采用传统的密码、IC卡等手段和技术对人进行身份验证具有安全性差、易遗失、易伪造等缺点。

而采用人脸识别技术进行身份验证则能够很好地克服传统身份验证手段和技术的缺点。

此外,人脸识别的研究还具有重要的理论研究价值。

由于人脸模式的特殊性,人脸识别的研究涉及图像处理、模式识别、计算机视觉、神经网络、认知科学、生理学、心理学等多个学科领域,因此对人脸识别的深入研究能够推动这些基础研究的发展。

1.4 人脸识别理论的发展人脸识别的理论发展大致可以分为三个阶段:第一阶段,以Bertillon,Allen和Parke为代表,主要研究人脸识别所需要的面部特征。

在Berliton的系统中,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。

为了提高脸部识别率,Allen为待识别脸设计了一种有效和逼真的摹写,Parke则利用计算机实现了这一想法,并产生了较高质量的人脸灰度模型。

这一阶段工作的特点是识别过程全部依赖于工作人员,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。

代表性工作有:Goldstion,Harmon和Lesk 用几何参数来表示人脸正面图像。

他们采用21维特征向量来表示人脸面部特征,并设计了这一特征表示法的识别系统。

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,如嘴唇和鼻之间的距离、嘴唇的高度等。

更进一步地,T.Kanad设计了一个高速且有一定知识引导的半自动回溯系统,创造性地运用积分投影法,从单幅图像上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的系统实现了快速、实时的处理,是一个很大的进步。

相比之下,Baron 所做的工作少为人所知,他先将图像灰度归一,再利用四个掩膜(眼、鼻、嘴以及眉毛以下的整个脸部)表示人脸,然后分别计算四个掩膜与数据库中每幅标准图像的相应掩膜之间的互相关系数,以此作为判别依据。

总的来说,这两个阶段主要是在20世纪60年代到90年代,这段时间的人脸识别一般都需要人的某些先验知识,无法摆脱人的干预。

早期的人脸识别方法有两大特点:(1)大多数识别方法都是基于部件的,他们利用人脸的几何特征进行识别,提取的信息是人脸主要器官特征信息及其之间的几何关系。

这类方法比较简单,但是很容易丢失人脸的有用信息,从而在视角、表情等变化的情况下,识别能力差。

鉴于这种情况,后来出现了性能较优的模板匹配方法,即根据图像库中的人脸模板与待识别人脸模板在灰度上的相似程度来实现人脸识别,这类方法在一定时期内占据主流。

(2)人脸识别研究主要是在较强约束下的人脸图像识别。

假设图像背景单一或者无背景,人脸图像已知或者很容易获得,因此对现实场景产生的图像处理效果不佳。

第三阶段,主要是进入20世纪90年代,由于高速度性能计算机的出现和各方面对人脸识别系统的迫切要求,人脸识别的研究重新变的热门起来,人脸识别的方法也有了重大突破,进入了真正的机器自动识别阶段,同时涌现了很多著名的人脸识别算法,例如麻省理工学院米提实验室的Turk和Pentland在1991年提出的“Eigenface(特征脸)”方法,Belhumeur等在1997年提出的Fisherface方法是这个时期的两个重要成果,还有好多方法都是基于这两个方法的深入研究。

相关主题