人脸识别.docx
- 文档编号:6075924
- 上传时间:2023-05-09
- 格式:DOCX
- 页数:38
- 大小:2.66MB
人脸识别.docx
《人脸识别.docx》由会员分享,可在线阅读,更多相关《人脸识别.docx(38页珍藏版)》请在冰点文库上搜索。
人脸识别
学号:
201114570105
毕业设计说明书
GRADUATEDESIGN
设计题目:
基于肤色的人脸检测与特征定位系统设计
学生姓名:
谷松格
专业班级:
11电信1班
学院:
信息工程学院
指导教师:
冯英翘
XXXX年XX月XX日
摘要
在当前的人脸图像信息分析、处理领域中,包含有人脸识别、人脸跟踪、姿势估计、表情识别等多个研究方向,但是,所有这些研究方向都关系到一个人脸检测和定位的问题,即必须清楚人脸在图像中的位置和尺寸——人脸检测。
所以,对于一个完整的、自动的人脸信息处理系统来说,人脸检测和特征定位是必不可少的。
人脸检测作为人脸信息分析处理中的一项关键性技术,近年来已成为模式识别和计算机视觉领域中一项受到广泛重视、研究十分活跃的课题。
现今它的应用已经远远超出了人脸识别的范围,在公安部门的罪犯人员搜索、安全部门的动态监视识别、银行密码系统等诸多领域有着广泛的使用。
和指纹、视网膜、虹膜、掌纹等其它人体生物特征识别方法相比较,人脸识别具有直接、友好,使用者无心理障碍等特点。
本论文对此进行了比较为深入的研究,论文的主要内容以及成果有以下几方面:
(1)肤色分割。
在常用的颜色空间YCrCb的基础之上,提出了一种新的肤色聚类效果更好的颜色空间YCgCb,然后在该颜色空间的基础之上建立了亮度和Cg、Cb色度查找表结合的肤色模型,给出了一种快速有效的阈值估计算法,可以有效地确定出人脸的候选区域。
(2)特征的定位。
包括人眼和嘴巴的定位。
人眼的定位:
考虑到人眼的一个特点:
在水平方向上,经过皮肤--眼白--瞳孔--眼白--皮肤,灰度变化比较大。
利用灰度微分特性,从而找出人眼的水平位置。
利用大津法将人眼的候选区域二值化,再利用积分投影从而确定出人眼的左右位置。
该方法简便有效,计算量小。
嘴巴定位:
利用Cg色度分量可以有效地定位出嘴巴。
再根据人眼、嘴巴的三角关系,从而可以精确定位人脸。
关键词:
肤色分割;人脸检测;人眼定位;嘴巴定位
Abstract
Inthefaceimageinformationanalysisandprocessing,containsanumberofresearchdirectionsoffacerecognition,facetracking,poseestimation,andexpressionrecognition,however,alloftheseresearchdirectionsarerelatedtoahumanfacedetectionandlocation.Inotherwords,wemustclearthefaceintheimagelocationandsizeoffacedetection. So,foracompleteandautomaticfaceinformationprocessingsystem,facedetectionandfeaturelocationisessential.. Facedetectioninfaceinformationanalysisprocessingofakeytechnology,andinrecentyearshasbecomethefieldofpatternrecognitionandcomputervisionabyextensiveattentionandaveryactiveresearchtopic.Todayithasfarexceededtherangeoffacerecognition,awidelyusedinmanyareasofthesearchinthepublicsecuritydepartmentsoftheoffender,andsecuritydepartmentstodynamicmonitoring,identificationandpasswordofbankcardsystem. Comparedwithotherhumanbiometricidentificationmethods,suchasfingerprint,retina,irisandpalmprint,facerecognitionhasthecharacteristicsofdirect,friendly,andtheuserhasnopsychologicalbarrier.. Thisthesishascarriedonthecomparisonforthethoroughresearch,themaincontentofthispaperaswellastheresultshavethefollowingaspects:
(1)Skincolorsegmentation. OnthebasisofcommonlyusedcolorspaceYCrCbproposedanewskincolorclusteringeffectbettercolorspaceycgcb,thenonthebasisofthecolorspacetoestablishthebrightnessandCG,CBchromalookuptablebasedskinmodel,givesafastandeffectivethresholdestimationalgorithm,caneffectivelydeterminethefacecandidateregions.
(2)Thepositioningofthefeature. Includingeyeandmouthpositioning. Eyeposition:
accordingtothehumanacharacteristics:
inthehorizontaldirection,throughtheskin,whitesoftheeyes,pupil,thewhitesoftheeyes,skin,graychangeisrelativelylarge. Thehorizontalpositionofthehumaneyeisfoundbyusingthegraydifferentialproperty.. UsingtheOtsumethodwilleyecandidateregiontwovalues,andthentodeterminethepositionofthehumaneyeusingintegralprojection. Thismethodissimpleandeffective,andissmall..Mouthpositioning:
theuseofCgcolorcomponentscaneffectivelylocatethemouth.Accordingtothetrianglerelationshipbetweenhumaneyesandmouth,itcanaccuratelypositiontheface.
(3)Featurelocalizationbasedonwavelettransform. Becauseoftheabovemethod,thedegreeoftheeyeopeningandclosingiscertain,andtheimprovementalgorithmisproposed.. Thehighfrequencydetailofhumanfaceisobtainedbywavelettransform,andthenthefeatureislocatedthroughprojectionoperation.. Thealgorithmhasstrongrobustnesstofacialexpression,decorationanddeflectiondegree..
Keywords:
skincolorsegmentation,facedetection,eyelocation,mouthpositioning,wavelettransform
目录
摘要I
AbstractII
第1章绪论1
1.1选题的背景和意义1
1.2人脸检测技术简介2
1.2.1研究的内容2
1.2.2研究的难点3
1.2.3国内外研究的现状4
1.3本文的主要工作及论文结构5
第2章经典人脸检测算法分析6
2.1基于知识的方法6
2.2基于特征的方法7
2.3基于模板匹配的方法8
2.4基于统计模型的方法8
2.4.1基于特征空间的方法8
2.4.2基于神经网络的方法9
2.4.3基于支持向量机的方法9
2.4.4基于概率模型的方法10
2.5本文算法方案的提出10
第3章基于YCgCb新颜色空间的肤色建模11
3.1常见的颜色空间11
3.1.1RGB彩空间12
3.1.2归一化色彩空间13
3.1.3HIS色彩空间14
3.1.4颜色空间YCbCr14
3.1.5新的颜色空间YCgCb15
3.2颜色空间地选择16
3.3肤色模型的建立17
3.5人脸候选区域的筛选20
第4章基于人脸面部特征的精确定位22
4.1人眼的定位22
4.1.1人眼水平区域的确定24
4.1.2图像二值化——大津法24
4.1.3积分垂直投影法确定眼睛的精确位置25
4.2嘴巴的定位26
4.2.1常见的嘴巴定位方法26
4.2.2本文采用的方法28
第5章总结与展望30
32
谢辞32
第1章绪论
1.1选题的背景和意义
人脸检测技术是一种生物认证,近年来随着电子商务及人工智能的迅速发展,人脸自动检测技术成为最具潜力的生物认证技术和生物身份验证手段。
人脸自动识别技术就是使用计算机分析处理人脸图像,进而从中读取出有效的面部信息并用来识别该人身份的技术。
它涉及到图形图像处理、模式识别、计算机视觉、心理学、生理学及认知学等诸多学科的知识,并与基于其它生物特征的身份识别方法以及计算机人机交互感知的研究领域都有着密切联系。
与掌纹、指纹、虹膜、视网膜、基因等其它生物特征鉴别系统相比,人脸识别系统具有直接、友好、使用者无心理障碍等特点,易于被用户接受。
人脸识别技术可以应用于多种安全领域,证件(例如驾驶执照)、护照身份认证、楼宇进出的安全监控、重要场所的安全检测与监控、智能卡身份认证。
在信息安全领域人脸识别技术也有着巨大的应用价值。
随着网络技术不断走进人们的日常生活,越来越多的用户可以运用互联网,大量的信息被置入互联网。
但是由于网络信息访问的便捷性,网络安全问题成为一个日渐迫切的重要问题。
利用人脸识别技术,可以进行计算机的登陆控制,可以进行应用程序权限使用、数据库安全访问与文件加密,可以实现局域网与广域网的安全控制,可以保护电子商务的安全。
人脸识别技术可以用于设计友好自然的人机交互方式,是智能计算机领域研究的重要课题之一。
一个可以鉴别使用者脸像的智能计算机,可以遵照其特点为该使用者提供相应的工作环境,从而使人和计算机之间的交互如同人与人之间的交互一样轻松自然。
此外,人脸识别技术还被用于图像库检索技术中,在人脸数据库中搜索出与索引相同或者相近的脸像。
例如,公安部门可以运用人脸识别技术进行罪犯库的管理与查询。
日常生活中,人们识别周围的人用的最多的就是人脸。
人脸识别具有直接、方便、友好等特点,它是人们最容易接受的身份识别方式。
随着网络技术与桌上视频的广泛运用,图像捕捉正在成为个人计算机的标准配备技术,同时电子商务等网络资源的利用对身份识别提出了新的要求,人脸识别技术成为最具潜力的身份验证手段之一。
图1.1是人脸识别系统的一般过程,由此可见,人脸检测是人脸识别系统的关键环节,这也是人脸检测问题最初来源。
早期的人脸识别算法都是在认为已经得到了一个正面人脸或人脸比较容易获得的前提下进行的(SamariaFS,1994),但随着人脸应用的范围不断扩大和实际系统要求的不断提高,这种假设下的算法已不再满足需求(BelhumeurP,1997;LuCY,1998),人脸检测开始作为独立的研究课题发展起来。
当前,
输出结果
人脸检测
特征提取与识别
图像预处理
彩色图像输入
图1.1人脸识别的一般过程
国内外的文献中所涉及到的人脸检测算法己经有很多种,很多重要的国际会议和期刊也都涉及到人脸检测问题的研究。
人脸检测的研究涉及图像处理、模式识别、心理学、生理学、认知科学与基于其它生物特征的身份识别方法以及计算机人机感知交互领域都有密切关联,因此早在20世纪60年代就引起了研究人员的强烈兴趣。
进入20世纪90年代以来,由于许多领域对人脸检测系统的迫切需求,人脸检测的研究又成为研究的热点。
当前.人脸检测的应用领域己经远远超出了人脸识别系统的范围,在数字视频处理、基于内容的检索、视觉监测等方面都有着重要的应用价值和地位,所以其越来越受到业界的广泛重视与研究。
1.2人脸检测技术简介
1.2.1研究的内容
人脸检测:
就是从各种不同的场景中检测出人脸的存在,并确定其位置、大小、数量等。
人脸检测问题所包含的内容十分广泛,从不同的角度就有多种不同的分类方法。
(1)按照图像类型划分,可以分为静止图像和动态视频序列的人脸检测。
对于静止图像来说,其重点在于如何使检测算法适用于更多种类的图像;而对于动态视频序列来说,速度才是首要。
(2)按照色彩信息来分,可以分为彩色图像与灰度图像的人脸检测。
彩色图像可以使用肤色信息,所以检测起来相对来说比较容易。
(3)按照图像前景来分,主要是人脸姿态的不同。
有的针对正面(包括平面内旋转一定角度的人脸),有的则针对正面和侧面的人脸。
(4)按照图像背景的复杂程度来分,分为简单背景和复杂背景的人脸检测。
简单背景指可能没有背景,或者背景的类型比较单一;复杂背景是背景未知的情况,背景中可能包含有和人脸非常类似的模式。
对静态图像来说,现在研究的算法基本上都是针对复杂背景。
总而言之,人脸检测问题涉及到以下五个具体问题的研究:
(1)表示:
即怎样描述一个典型的人脸。
一种方法是基于几何特征的方法,另一种则是基于统计特征的方法。
(2)尺度:
就是如何处理不同尺度的人脸。
在一张图片中很可能同时存在多种尺度的人脸,如何设计一种算法,能够将不同尺度的所有人脸都检测出来是人脸检测的难点之一。
对于不同尺度的人脸表示方法,可以采用不同的策略,比如基于特征的人脸表示方法:
人脸是通过各个特征点及相对位置关系来描述的,所以检测人脸的过程实质上就是找出是否存在符合相对位置关系的那些特征点,那么根据相对位置就可以检测出不同尺度的人脸。
基于整体的人脸表示方法:
一般通过分类器来判别是否存在人脸,而分类器又常常是针对某个尺度的,通常的做法是将需要检测的候选脸进行缩放,以分类器所需的尺度为标准对候选脸进行缩放,一般要求以两眼为中心。
(3)搜索策略:
即如何找出这些人脸。
对于灰度图像来说,通常采取的搜索策略是对整个图像进行穷举搜索。
但为了提高检测的速度,现在许多算法采用层叠分类器对图像先进行筛选,通过简单分类器逐渐丢弃非人脸区域,最后在比较小的候选区域中进行穷举。
对于彩色图像而言,一般先依据肤色信息进行判断,将非肤色区域丢弃,然后在候选区域进行穷举。
(4)速度:
即如何提高处理速度。
要想提高处理的速度,就要从以上几个方面入手,即要采用合适的表示方法和合适的搜索策略与判别方式。
比如对高维数据进行降维,利用某种方法得到较小的候选人脸区域等等,这些都是提高处理速度的有效方法。
(5)精度:
即如何提高检测的精确度。
通常检测精度和检测速度是相互矛盾的,如采用某些简单的表示和判别方法会达到比较理想的处理速度,但是精度会受到影响,所以最好的方法是在速度与精度之间进行折中。
任何人脸检测方法都要基于以上五个方面进行考虑,由于人脸图像本身的特点给计算机实现自动人脸检测带来很多难点,例如成像环境的影响、头发、眼镜等遮挡的影响成像对象的姿态、人脸随年龄的增长、随表情等变化的影响等。
因此,目前的一些算法都是针对某一类问题的,想要实现通用的人脸检测算法还不现实。
1.2.2研究的难点
在实际生活中人类能够准确、快速地确认空间中的人脸,但对于计算机而言则是一个非常困难的任务,实现计算机自动人脸检测需要解决的主要难点有以下几个方面:
(1)如何判断图像中是否存在人脸,如何区别人脸和类似人脸的非人脸图像,这是人脸检测不同于人脸识别的地方。
(2)人脸具有复杂的细节变化,肤色、脸形等特征的个体差异比较明显,即使同一个人也存在着不同的表情和姿态,甚至可能有器官的缺失,这都会增加了人脸的变化空间。
(3)由眼镜、头发及其它物体造成的遮挡。
(4)由于成像角度的不同造成人脸的多姿态,例如平面内旋转、深度旋转以及上下旋转,其中深度旋转影响较大。
(5)光照的影响,如图像中的对比度、亮度的变化及阴影等。
(6)图像的成像条件,例如摄像设备的成像距离、焦距、图像获取的途径。
由此可见,人脸检测涉及的方面十分广泛,它是一个复杂的备具挑战性的模式分类问题。
解决人脸检测问题具有重要的学术价值,可以为其它类似的复杂模式检测问题给予重要启示,所以人们对人脸检测做了大量的研究工作。
1.2.3国内外研究的现状
早期的人脸检测算法集中于静止图像,一般以检测精度的提高与各种视角的人脸检测为主要方面。
具有代表性的如基于特征的模型或者简单的模板匹配技术,在空域上提取特征,能够实现简单的人脸检测任务。
后来的发展开始采用基于模板的方法,用统计学的方法建立的人脸模型,可以实现复杂背景下的人脸检测,并且运用运动信息来考察图像序列中的人脸检测。
近年来,研究者的方向各有侧重,有的人从频域中提取特征,而有人继续研究更为复杂的统计模型,还有人将最新的分类决策理论运用于人脸检测领域。
在研究的过程当中,人们意识到将多种技术结合在一起,利用多种信息可以提高人脸检测方法的效果和效率,这也将是未来的发展方向。
同时最近的研究还集中在了实时人脸检测的算法上。
随着人脸识别技术的发展和市场对生物特征检测技术的认可,实时人脸检测技术已成为了一个迫切的需求。
国外对人脸检测问题的研究有许多,比较著名的有MIT、CMU、Rockfeller和Comell等,并且MPEG7标准组织已经建立起了人脸识别草案小组,人脸检测算法也是一项征集的内容。
国际上关于人脸检测的论文数量也在大幅度增长,IEEE的国际会议,例如IEEE的FG(IEEEInternationalConferenceOnAutomaticFaceandGestureRecognition)、ICIP(InternationalConferenceonImageProccessing)、CVPR(ConferenceonComputerVisionandPatternRecognition)等,每年都会有大量关于人脸识别和人脸检测的论文.其中关于人脸检测的论文占到总数的1/3之多。
相比于国外,国内对人脸检测领域的研究起步比较晚,但最近十年发展得非常快,并且在人脸检测技术实用化方面取得了一定的成果,已经有基于人脸检测技术的监控产品投放到市场。
国内开展人脸检测研究的单位主要有哈尔滨工业大学、清华大学、北京工业大学、中科院自动化所、中科院院计算所。
1.3本文的主要工作及论文结构
本文主要利用了肤色的聚类特性,实现了一个复杂背景下的人脸检测,包括以下内容:
(1)肤色分割。
在常见的颜色空间YCrCb基础之上,给出了一种肤色聚类效果更好的新地颜色空间YCgCb,在该颜色空间的基础上建立了亮度和Cg、Cb色度查找表结合的肤色模型,提出了一种快速有效的阈值估计方法,可以比较有效的确定出单人、多人的人脸候选区域。
(2)人眼的定位:
考虑到人眼的一个特点:
在水平方向上,经过皮肤--眼白--瞳孔--眼白--皮肤,灰度变化比较大。
利用灰度微分特性,从而找出人眼的水平位置。
利用大津法将人眼的候选区域二值化,再利用积分投影从而确定出人眼的左右位置。
该方法简便有效,计算量小。
嘴巴的定位:
主要利用人嘴比其它区域具有较小的Cg分量,通过设定合适的阈值,就可有效的定位出嘴巴的位置,比现有的方法简单,计算量小,对于快速人脸检测有一定的应用价值。
本论文第一章是绪论,主要介绍人脸检测的研究内容、难点及研究的现状。
第二章主要对现有的人脸检测算法进行了总结比较。
第三章建立肤色模型,确定出人脸的候选区域。
第四章在肤色建模的基础之上,通过定位出人眼、嘴的位置,利用两者的三角关系,精确定位人脸。
第五章总结和展望。
其中第三、四章是本论文的重点。
第2章人脸检测与特征定位的方法
2.1经典人脸检测算法分析
本章主要对常用的人脸检测方法进行总结、分析,得出自己的算法依据。
近几年,人脸检测技术发展迅猛,研究人员提出很多人脸检测的方法,但是由于人脸检测问题的复杂性,实现通用的人脸检测方法还不实际,因此解决特定约束条件下或某种应用背景下的人脸检测问题仍将是该领域研究的主要课题。
从目前来看,人脸检测方法大致可分为四类。
2.1.1基于知识的方法
这种方法是利用对人脸的先验知识给出检测规则来进行人脸检测。
人脸局部特征的分布总是存在着一定的规则,如图像中出现的人脸通常会有一个鼻子、一张嘴和一双彼此对称的眼睛。
这些特征之间的联系能够被它们之间的相对距离和位置表示出来。
在一幅输入的图像中,脸部特征将首先被提取出来,然后基于检测规则将候选的脸部区域辨别出来。
(1)器官分布法:
虽然人脸在外观上变化很大,但遵循一些普遍适用的规则,如五官的空间分布大致符合“三庭五眼”的标准等,检测图像中是否有人脸即是测试该图像中是否存在满足这些规则的图像块。
这种方法一般有两种思路:
一种思路是“从上至下”,其中最为简单有效的是Yang和Huang(G.Yang,T.S.Huang,1994)提出的Mosaic方法,它给出了基于人脸区域灰度分布的规则,依据这些规则对图像从粗分辨率到高分辨率进行筛选,以满足这些规则的程度作为检测的判据。
这种方法的吸引之处在于使用从粗到细的策略减少了计算量。
另一种思路则是“从下至上",先直接检测几个器官可能分布的位置,然后将这些位置点分别组合,利用器官分布的几何关系准则进行筛选,找到可能存在的人脸(TerrillonJC等,2000)。
(2)投影法(张欣等,2000:
衣晓飞等2001:
)这是一种利用图像的投影快速定位人脸边界和脸部特征的方法。
在处理一幅输入图像时,首先获得其水平投影,然后通过检测其图像的急剧变化处得到两个局部最小值,这两个值对应头部的左右轮廓线。
类似地,通过检测垂直投影的局部最小值,检测出人脸的嘴唇、鼻尖和眼睛。
这种方法的缺
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 识别