電子信息科學與技術前沿報告

姓名:其美多吉

學號:2904201024

專業(yè):電子信息科學與技術

人臉識別技術

(1).人臉自動識別是一種重要的生物特征識別技術，應用非常廣泛。人臉識別具有直接、友好和方便等特點。目前的人臉識別主要集中于二維圖像之中，要試圖建立一個魯棒性好的系統(tǒng)仍然是比較困難的。一般基于以下幾個方法來研究：第一，對面部的眼,鼻，嘴的外觀特性分析。第二，對臉部劃分為標準臉譜類型，再進行局部分析。第三，針對人臉的各個部位溫度的不同，散發(fā)出的紅外光譜的差別來判斷。第四，在復雜環(huán)境中，區(qū)別于不同燈光，距離，角度能夠準確檢測出人臉。在我國的第二代公民身份證中不僅存儲了文字信息，還存儲了個人的面部照片, 以后還有可能將更多的個人信息如指紋，血型等輸入其中。這其中也包括面部識別問題，不僅有文字信息的匹配，還有圖片的驗證。同時很多的照相機也加入了人臉識別功能。這里用到的人臉就是人臉檢測技術。相機自動尋找圖像中的人臉，并自動調(diào)節(jié)圖片的構圖情況。讓相機的所有的對焦和測光都基于人的臉部進行，針對人臉狀況調(diào)節(jié)。可以讓普通的用戶體會到專業(yè)的攝影師的水準。 例如富士公司出品的AVIC完善了臉部識別技術的功能。索尼出品的獨特的微笑快門(smile shutter)技術，自動判斷剎那的臉部微笑，記錄愉快的瞬間。人臉識別技術已經(jīng)走進了人們的生活，并能更好的服務于社會和全球?，F(xiàn)在已經(jīng)有很多相關的人臉技術的產(chǎn)品，但目前的系統(tǒng)對于采集到的圖像還有一定。最好的方法就是用三維信息準確描述人臉特征，再次提取出剛體特性能夠避免光照和化妝的影響。但其也面臨著一些問題，如計算方法不成熟，海量存儲的困難，所以

這還是一個需要更多創(chuàng)新成分的課題。

(2). 文系統(tǒng)組成: 根據(jù)FERET的FRVT2000報道，最新的一種應用形式是watch list task[7]．綜合了確認和辨認兩種技術。對未知身份的人圖像輸入庫中，首先從庫中利用算法檢索出與之相似的為數(shù)很少的幾個照片集合，判斷最高相似度的閾值，則在這個小的子集合中再進行一次身份驗證，最后確認某人的身份。

①.首先需要對圖像入庫處理。存儲時可以有序或無序的存入個人信息。進行批量的人臉照片的預處理和特征提取。其中預處理包括圖片的去噪，運動圖像的模糊度復原，直方圖均衡，同態(tài)濾波，邊緣檢測。隨后按照提取特征后圖像的掃描順序將特征值存儲起來。如果條件允許的話可以備注圖片，姓名，性別，身高，體重，年齡，職業(yè)，身份證號，電話，地址等等。

②.使用庫中的存儲的特征值進行運算，可以使用多種聚類算法進行聚類。本文運用模擬退火K均值聚類算法，和遺傳算法對其進行聚類。 ③.輸入一張待檢測圖片，同樣的要進行預處理。隨后進行圖像的人臉檢索，檢索到再定位，定位以后再進行剪裁。進行特征提取之后，計算它與所有的聚類中心的相似度。按照制定規(guī)則判別屬于的類別。顯示最相近的一類之后，就可以很容易的判別出結果。

(3). 人臉檢測: 人臉檢測也可以看做是人臉表征和人臉識別的基礎和前提。為了確保整個過程的準確性和完整性，需要做到人臉的正確定位和準確的檢測。這樣一來人臉特征就能被更好的表述和提取，人臉識別的精度就可以得到保證。這一步的工作做得準確的話，就可以

大大提升系統(tǒng)本身的適應性和魯棒性。

從模式識別領域看，人臉檢測和人臉識別是作為兩個對立的問題而彼此存在的。人臉檢測要先尋找人臉的共同屬性，而人臉識別是在于發(fā)現(xiàn)不同的人臉之間的差異性?？梢詫⑷四槞z測問題視為是一個只有兩個類的分類問題，即將圖像分為所謂的臉和非臉。人臉檢測是從測試集中識別一個具有很大的類內(nèi)可變性的對象類。其目的是通過對大量 的訓練樣本的學習，去減少臉的類內(nèi)可變性，從而增加臉與非臉的類間可變形。但是相對而言，人臉檢測的實現(xiàn)是一個比較困難的事情?，F(xiàn)實中，它受很多因素的影響。例如光照，噪聲，姿態(tài)，背景甚至遮擋物的影響。所以，檢測工作不但要設法克服這些外在因素帶來的干擾，予以準確的定位和檢測；同時還要對外在因素帶來的不利影響設法矯正，盡可能的保證檢測過程的基準一致或者大體一致

(4).模板匹配方法簡介: 圖像的匹配可以是整幅圖像之間的匹配，但比較常用的是用一幅較小的圖像與一幅較大的圖像中的一部分相匹配。其目的很明顯的是：一方面確定前圖是否在后圖中存在，另一方面是確定匹配圖像的相應位置。

圖像匹配中最常用的方法就是模版匹配問題。在模版匹配過程中，如果要檢測的是某種目標，就需要對目標物基本形狀有一個先驗知識，來確定合適的模版。一般的，若沒有先驗知識時，模版取為正方形。匹配中要完成的工作是將模版在圖上平移和覆蓋計算相關值，相關值最大就表明此處為匹配最佳位置。對于設定的閾值，若計算出的相關值大于它時，就可以認定圖像中存在模版要尋找的圖像。如果需要減

少模版匹配的計算量，就要盡可能多的收集先驗知識，另外還可以充分利用模板匹配過程中，會出現(xiàn)相鄰域的可能性，適當?shù)臏p少重合部分的特點來減少計算量。

在人臉檢測中，經(jīng)驗證明最常用的和最有效的方法是利用模板進行匹配。利用人臉模版與測試圖像進行匹配，以檢測出人臉。通過這種方法可以定位臉部的各個器官位置。

(5).檢測方法: 這里的檢測方法具體的就是模式相似性測度的算法選擇。比較常用的計算方法有歐氏距離，馬氏距離算法，夾角余弦距離，Tanimoto測度，基于類中心的歐氏距離法，二值化夾角余弦等等。這些算法中，不失一般性的都是先設定一個目標函數(shù)，計算各向量 之間的相似性。一些文章中常用的方法是通過相關函數(shù)的計算找尋小圖以及其在搜索圖中的坐標位置. 本章主要完成數(shù)據(jù)庫的圖像聚類，分別運用了動態(tài)聚類算法中的K均值算法，模擬K均值退火算法，遺傳聚類算法對圖像進行聚類。同時對檢測圖像進行相似度比對，最 終確定類別?？梢缘贸鰡渭兊氖褂肒均值算法花費的時間較短，但是聚類的能力比較差，而對于模擬K均值退火算法，遺傳聚類算法其聚類能力較強，相對花費的時間會長一些。

(6).總結與展望: 生物識別技術較之于傳統(tǒng)的識別技術，有著極大的研究價值和市場需求。人臉識別技術作為其中一個重要分支，在識別領域也扮演著日趨重要的角色。本文考慮集合特征值進行初步的聚類，最后再進行待識別圖像與各個子集的比對。較之和整個數(shù)據(jù)庫的檢.

索，效率會大大提高的。本文的整體設計思想是基于此的，并且從實踐的角度對這一設想進行深入地探索和實現(xiàn)。

本文的大部分研究都是基于單一的二維靜態(tài)灰度圖像，本文的研究成果包括以下幾點：

（1）.首先完成了圖像生成技術。從互聯(lián)網(wǎng)上或一些比較成熟的論壇中得到的國際公用的圖像樣本包括各種不同的姿勢，光照，角度。以此作為本文測試集的基礎組成部分。對于樣本較少的圖片可以通過鏡像變換和微度旋轉等方法得到了適量的特征集，用以完備測試集。 (2).為了判斷輸入的待檢測圖像有無匹配的必要，就引入了人臉檢測定位的思想。本文設計了一種基于模版匹配的方法，利用Caany算子提取邊緣后再進行遍歷搜索，最后裁剪出人臉。

（3）.完成了圖片的預處理和數(shù)據(jù)約減。其中預處理包括圖片的去噪，運動圖像的模糊度復原，直方圖均衡，小波光照補償，同態(tài)濾波等。文中詳述了PCA和ICA的約減方法，并將圖片的特征值存儲起來。最終構成數(shù)據(jù)庫。

(4).使用庫中的存儲的特征值運算，本文運用K均值算法，模擬退火K均值聚類算法，和遺傳算法等幾種算法。計算待測的特征值與所有的聚類中心的相似度，按照制定規(guī)則判別屬于的類別。

參考文獻：

占

【1】李弼程，邵美珍，黃潔．模式識別原理與應用[M】．西安：西

安電子科技大學出版社，

【2】盧瑞文．自動識別技術【M】．北京：化學工業(yè)出版社，2005．7

【1]t蕾．關可．1MS320VC16DSP的數(shù)字助聽器設計四．現(xiàn)代電子技術，201 0．4．15.