人脸识别技术综述 PPTppt课件.ppt

课题 人脸识别技术综述 导师 周欣答辩人 陶健专业 计算机科学与技术 1 论文框架 研究背景及前景展望人脸识别及常用算法介绍图像的预处理技术程序设计与实验归纳总结 2 研究背景 地球上六七十亿人 几乎每一个人的脸都是由眉毛 眼睛 鼻子 嘴巴等部分组成 这些器官的大体位置基本是固定的 并且每张脸的大小面积也相差不是很大 然而 我们不得不承认这么一个事实 这个世界上几乎找不出两张完全相同的人脸 那么区别这么多的不同人脸的 特征 应该是什么 我们可不可以设计出具有和我们人类一样的具有人脸识别能力的软件或自动机器 这些软件或自动机器的人脸识别能力能不能够超越我们人类本身 毫无疑问 分析和解答这些问题具有重要的理论价值和应用价值 而这一切 正是那么多从事人脸识别研究的人员所面临的难题和挑战 但是 回答这些问题并没有想象中的那么容易 虽然很多研究人员从事过计算机视觉 模式识别 神经计算 生理学等领域的研究 然而始终有一些很基础的科学问题困惑着他们 比如 我们每天都可以依据人脸区分着亲人 同事 朋友等 但是我们中大多数人却很难讲出是如何区分他们的更有甚者描述不出自己熟悉的人的一些具体特征 这就得意味着我们要在仿生学人脸识别研究路线以外找到解决方法来回答上述的基本科学问题 3 前景展望 随着社会信息化 网络化得不断发展 个人身份趋于数字化 隐性化 如何准确的鉴定 确保信息安全得到越来越多的重视 生物识别技术与传统的钥匙 登录密码等相比 与其独有的优点越来越受到人们的亲睐 近些年来 图形图像 微电子等方面所取得的一系列进展 使得实现高性能自动识别技术的代价越来越低 达到了人们可以接受的程度 而人脸识别 作为生物识别方法中应用比较广泛的技术 基于人脸固有的生物特征信息 利用模式识别和图行图像处理技术来对个人身份进行鉴定 在国家安全 计算机交互 家庭娱乐等其他很多领域发挥着举足轻重的作用 能提高办事效率 防止社会犯罪等 具有重大的经济和社会意义 4 人脸识别 定义 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术 包括人脸图像采集 人脸定位 人脸识别预处理 身份确认以及身份查找等 而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统 人脸识别是一项热门的计算机技术研究领域 它属于生物特征识别技术 是对生物体 一般特指人 本身的生物特征来区分生物体个体 生物特征识别技术所研究的生物特征包括脸 指纹 手掌纹 虹膜 视网膜 声音 语音 体形 个人习惯 例如敲击键盘的力度和频率 签字 等 相应的识别技术就有人脸识别 指纹识别 掌纹识别 虹膜识别 视网膜识别 语音识别 用语音识别可以进行身份识别 也可以进行语音内容的识别 只有前者属于生物特征识别技术 体形识别 键盘敲击识别 签字识别等 5 常用的人脸检测方法 基于肤色特征的检测方法基于启发式模型的方法基于特征空间的方法基于统计模型的方法 6 人脸识别常用的算法 基于二维Gabor小波矩阵表征人脸的识别方法基于多特征融合和BoostingRBF神经网络的人脸识别方法基于模型匹配人脸识别方法基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法 下面以基于二维Gabor小波矩阵表征人脸的识别方法为例 详细阐述 7 基于二维Gabor小波矩阵表征人脸的识别方法 Gabor核函数的定义 其中 和v分别代表滤波器的方向和尺度因子 滤波器的参数分别是 基于相关准则选取Gabor滤波器集合以8个方向和8个尺度的图像为例 这样就有64个Gabor滤波器 采用线性相关准则来度量滤波器之间的冗余时 可以先固定方向集合U 0 7 然后调整尺度集合从V1 v 4 v 3 到V5 v 0 v 7 8 如图 由于虚部得到相同的结果 所以与滤波器的实部为例来分析 先将滤波器的实部按行或列连接成一个矢量 这样2个滤波器和的线性相关定义为 全部64个滤波器的相关系数就组成了一个64 64的对称矩阵 对角线上的元素为1 由于相关系数的范围为 1 1 取其绝对值并且将其绝对值区间即 0 1 映射到灰度尺度区间 0 255 这样矩阵的特性就可以用图示的方式来表示了 9 下图为不同尺度集合下得到的相关矩阵情况 由滤波器方向和尺度的相关特性 将滤波器进行2种排列组合 在图1 5中 滤波器的排列规则是先方向后尺度 而6 10是先尺度后方向的规则排列的 从上图可以看出 高的相关系数主要集中于低的尺度因子区域v 4 3 1 中 和v 3 2 中 以及高的尺度因子区域v 6 4 中 和v 6 7 5 中 相似的 相关系数较高的主要集中在低尺度因子区域中子块的左上角 以及高尺度因子区域中子块的右下角 这和图中 1 5 得到的观察结果是完全一致的 此外 由图 3 和 8 可知 当选取v3尺度集合时 全部相关系数达到最小值 因此 选取v3 v 2 v 5 作为Gabor滤波器的尺度集合可以提取尽可能的不相关的特征数据来减少冗余 10 图像的预处理技术 光线补偿灰度变化高斯平滑处理对比度增强直方图均衡 11 程序设计与实验 以直方图均衡为例 直方图均衡化处理的主要思想是把原始图像的灰度直方图从某个比较集中的灰度区间映射到全部灰度范围内的均匀分布 简单来说 直方图均衡化就是将图像非线性拉伸 重新分配图像像素值 使得一定灰度范围内的像素数量基本相同 设f为原始图像在 x y 处的灰度 g为改变后的灰度 那么直方图均衡可表述为将在 x y 处的灰度f映射为g 在处理灰度直方图均衡化中 可以这么定义图像的映射函数 g EQ f 该映射函数EQ f 必须满足两个条件 1 EQ f 在0 f L 1 其中L为图像的灰度级数 范围内是一个单调递增函数 保证图像处理后不会打乱原始图像的灰度排列次序 2 对于每一个0 f L 1必有0 g L 1 保证了变换前后灰度值动态范围的一致性 12 累计分布函数累计分布函数 CDF cumulativedistributionfunction 就能满足上述两个条件 并且通过该函数可以完成将原图像f的分布转换成g的均匀分布 此时的直方图均衡化映射函数为 gk EQ fk ni n pf fi k 0 1 2 L 1 上式的求和区间为0到k 根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值 在实际处理变换时 一般先对原始图像的灰度情况进行统计分析 并计算出原始直方图分布 然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系 在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后 按照这个映射关系对源图像各点像素进行灰度转换 即可完成对源图的直方图均衡化 13 保存原始直方图double h newdouble 255 for i 0 i 255 i h i 0 0 保存变换后的直方图double nh newdouble 255 for i 0 i 255 i nh i 0 0 统计每一灰度级的象素数量long count newlong 255 for i 0 i 255 i count i 0 for i 0 i N i count image i 伪代码实现 统计正规化灰度概率for i 0 i 255 i h i count i double N 正规化新灰度图doublehc for i 0 i N i hc 0 for j 0 j image i j hc h j 保存新正规化灰度图nh image i hc 保存新图像灰度索引newimage i hc 255 14 归纳总结 人脸识别这个课题 很具有研究和应用价值 并且得到了越来越多的研究机构和公司的亲来 在国家安全 计算机交互 家庭娱乐等其他很多领域有着重要的意义 因此 我很幸运能够接触这一比较前言的技术 了解其一些原理算法和系统的一些设计实现等 通过这次毕业设计使我了解了很多人脸识别中常用到的算法 比如基于二维Gabor小波矩阵表征人脸的识别方法 基于模型匹配人脸识别方法等等算法 并且通过对做需求分析 概要设计等对人脸识别的系统构成和运行有了进一步直观的具体的理解 但是由于大学阶段重视理论学习的同时 实践方面没有得到相应的重视 故在编程方面有所欠缺 没有将该系统的代码实现 将系统做出来 只能在理解他人程序的基础上写些伪代码 当然我知道这对我今后刚开始工作很不利的 但我已经开始在以后自己从事的方向开始重视动手实践 而不是单纯的注重理论的学习 正如朱熹在 观书有感 中写道的 纸上得来终觉浅 绝知此事要躬行 15 在做这次毕业设计的过程中 我得到了指导老师 周欣老师的指导和大力帮助 周老师给我提供了一个很具有研究和应用价值的课题 并且针对我的选题 提供了许多对我毕业设计非常有价值的建议和资料