人脸识别人工智能系统的原理与发展及人脸识别系统的研究与实现

[18]，包括CDlgAddPerson、CDlgHMMP和CFaceRecognitionDlg，相应包含的函数成员情况及其各自的作用介绍如下：类CDlgAddPerson：用于实现人员管理窗口。其中包含的函数成员有：CDlgAddPerson(CWnd*pParent/*=NULL*/)用于加载人员管理对话窗口图标DoDataExchange(CDataExchange*pDX)实现人员数据的传递，OnInitDialog()用于新窗口的初始化，OnAddPerson()和OnDelPerson()增删成员，UpdatePersonList()人员列表的更新，OnClickListPerson(NMHDR*pNMHDR,LRESULT*pResult)选择列表成员，OnAddImage()和OnDelImage()增删人脸图像，UpdateImageList(intiPerson)更新人脸图像数据，OnTrain()训练人脸图像，OnClose()关闭窗口。类CDlgHMMP：用于实现HMM参数设置的窗口。其包含的函数成员有：CDlgHMMP(CWnd*pParent/*=NULL*/)用于加载HMM参数设置窗口图标，DoDataExchange(CDataExchange*pDX)实现HMM参数的传递，OnInitDialog()参数设置窗口初始化，OnCmdMsg()选择并编辑状态数，OnOK()参数修改确认。类CFaceRecognitionDlg：用于实现人脸识别的窗口。其中包含的函数成员有：CFaceRecognitionDlg(CWnd*pParent/*=NULL*/)用于加载人脸识别窗口图标，DoDataExchange(CDataExchange*pDX)数据传递，OnInitDialog()人脸识别窗口初始化，OnPaint()人脸图像显示区域设置，OnQueryDragIcon()光标设置，OnRecognize()人脸识别，OnBrowse()浏览并输入人脸图像，DisplayPic(CStringlpImageFile,HWNDhWnd,intnScrWidth,intnScrHeight)装载并浏览图像，OnPersonManage()人员管理窗口，UpdateResultList()更新识别结果，OnSetHmmp()参数设置窗口。详细的程序源代码参见附录B。

第5章系统的测试与分析5.1人脸识别系统5.1.1系统测试训练部分，对输入的人脸图像进行采样，并对每个采样窗进行检测，构成观察向量序列；设定EHMM的超状态数、每一个超状态中嵌入HMM的状态数、二维余弦变换系数、Delta、OBS、最大迭代次数和混合高斯次数；根据超状态的个数和每一个状态内嵌入状态的个数以及模型的结构，将人脸均匀分割；根据状态数和图像均匀分割后等到的观察向量，初始化EHMM参数；通过双重嵌套的Viterbi算法，对图像重新进行分割；用Baum-Welch算法重估模型参数。当前后两次的迭代误差小于每个阈值时，迭代停止，训练完毕。人脸训练过程如图5.2所示。图5.2人脸训练过程识别部分，人脸识别时首先根据待识别人脸图像构造观察向量序列，然后计算每一个训练模型产生该序列的最大似然值，具有最大似然值的模型即为待识别人脸图像所属对象。人脸识别过程如图5.3所示。图5.3人脸识别过程本实验对Yale人脸库进行训练和识别，取该库人员中的4人，每人有4张不同的表情照片，显示的结果是相似度最大的三个人员信息。（1）测试一表5.1测试一识别结果编号名字相似度第一相似度第二相似度第三识别结果0AAIC正确1BBIL正确2CCIJ正确3DDJC正确4EELB正确5FFLJ正确6GGJC正确7HHCJ正确8IICO正确9JJCL正确10KKJF正确11LLJF正确12MMCJ正确13NNCD正确14OOIC正确取每人的前10张表情进行训练，最后一张进行识别，识别结果如表5.1所示。（2）测试二取每人的前6张表情进行训练，对剩下的5张表情进行识别，识别结果如表5.2所示。表5.2测试二识别结果名字待识别图像相似度第一相似度第二相似度第三识别结果As7.bmpICO错误s8.bmpAIF正确s9.bmpACI正确s10.bmpAIF正确s11.bmpAIC正确Bs7.bmpOBI错误s8.bmpBIC正确s9.bmpBIO正确s10.bmpBLC正确s11.bmpBIL正确Cs7.bmpCOL正确s8.bmpCIA正确s9.bmpCIJ正确s10.bmpCJI正确s11.bmpCIJ正确Ds7.bmpCOJ错误s8.bmpDJC正确s9.bmpDJC正确s10.bmpDJC正确s11.bmpDJC正确Es7.bmpCOL错误s8.bmpELB正确s9.bmpELH正确s10.bmpELB正确s11.bmpELB正确Fs7.bmpFLC正确s8.bmpFLJ正确s9.bmpFNL正确s10.bmpFLN正确s11.bmpFLJ正确Gs7.bmpGCM正确s8.bmpGOJ正确s9.bmpGJO正确s10.bmpGJO正确s11.bmpGJC正确Hs7.bmpLOC错误s8.bmpHCJ正确s9.bmpHJC正确s10.bmpHOM正确s11.bmpHCJ正确Is7.bmpILF正确s8.bmpIOC正确s9.bmpICO正确s10.bmpIOC正确s11.bmpICO正确Js7.bmpJCL正确s8.bmpJCH正确s9.bmpJCH正确s10.bmpJCD正确s11.bmpJCL正确Ks7.bmpKJD正确s8.bmpKJD正确s9.bmpKJF正确s10.bmpKHJ正确s11.bmpKJF正确Ls7.bmpLFI正确s8.bmpLJC正确s9.bmpLJF正确s10.bmpLJF正确s11.bmpLJF正确Ms7.bmpMGO正确s8.bmpMJH正确s9.bmpMCI正确s10.bmpMCH正确s11.bmpMCJ正确Ns7.bmpIOC错误s8.bmpNDJ正确s9.bmpNCJ正确s10.bmpNDF正确s11.bmpNCD正确Os7.bmpOIC正确s8.bmpOIC正确s9.bmpOIC正确s10.bmpOIC正确s11.bmpOIC正确5.2.2结果分析测试一的正确识别率为100%，测试二的正确识别率为：。对识别错误的图像进行分析，可以发现都是s7.bmp，这些图像都是在光线较暗时的脸部表情。通过对测试一与测试二的结果分析，我们发现为了保证高识别率，应训练尽可能多的图像，特别是光线较暗的图像。很多算法要求光照合适，摄像机到人脸保持一定距离，不佩戴饰物，以及面部表情少等等。而基于隐马尔可夫模型的方法不受这些条件的限制。尽管Yale人脸数据库的图片具有面部表情变化、尺度变化等的多样性，本文提出的方法在该数据库上仍取得了90%以上的识别率。

第6章总结与展望6.1总结本文设计了是基于静态人脸库的人脸识别系统。人脸识别系统的主要目的是通过计算机提取人脸的特征，并根据这些特征进行身份验证。本文所设计的人脸识别系统主要是基于EHMM模型，主要两个部分，人脸训练部分与人脸识别部分。使用了微软公司提供的一个类库MFC来设计程序窗口，并结合OpenCV库完成了人脸识别系统的设计与实现。训练部分是指添加人脸数据库以后，提取人脸特征，生成每人的EHMM模型的过程。用户点击界面按钮向程序发出命令，通过主消息函数部分程序，系统调用相应的函数实现训练功能。添加人脸图片到人脸库以后，点击训练按钮，当前人的人脸图像将被训练，得到该人的EHMM模型。训练函数部分从人脸数据库中实现图片的读取，然后调用人脸训练核心函数进行训练，得到EHMM模型数据，为识别人脸信息提供依据。人脸识别程序主要完成对待识别人脸图像与人脸库中图像的匹配识别，在程序的设计过程中，识别程序与用户的交互同样通过主消息函数来完成，我们在MFC的框架类CMainFrame中添加消息响应函数，用户通过点击界面上的功能按钮启动识别程序，对各变量进行初始化，调用识别核心代码，并将识别出来的人的信息显示出来。设计根据一种基于隐马尔可夫模型的人脸识别方法，采用二维离散余弦变换系数作为观察向量，在Yale人脸数据库上实验获得了超过90%的识别率，这也是我们所知道的在这一数据库上比较好的的识别结果。如果能增加人脸图像训练量，相信会获得更高的识别率。我们认为，人脸应当作为一个整体来描述，不仅仅包括各个器官的数值特征，还应当包括各个器官的不同表象和相互关联。我们选择隐马尔可夫模型的合理性在于，可以将同一个人的面部表情变化、姿态变化等的丰富表现看作是同一组状态产生的一系列实现，它们对应的是同一个HMM模型，而不同的人我们用不同的HMM来表现。利用隐马尔可夫模型对人脸进行描述和识别，我们就不是孤立地利用各个器官的数值特征，而是把这些特征和一个状态转移模型联系起来。6.2展望人脸检测和识别是一个远未成熟的学科领域，虽然在过去的几十年里，研究人员在人脸检测与人脸识别方面取得了一系列的成果，但仍然没有在本质上有很大的突破。由于时间有限，再加上本人知识结构和理论功底上的欠缺，本文所用的思想和方法也一定存在着错误与不足之处。目前的人脸识别系统大多是非智能或智能化不够的，需要管理员的操作，而且对目标人脸的要求也比较高，当采集的人脸图像表情、光照、背景发生比较大的变化时，系统的识别率会降低。因此，为了达到更好的应用目的，人脸识别算法的研究工作仍要继续，我认为对本课题更进一步的研究应该从以下几个方面着手进行：（1）人脸的自动分割。人脸识别技术应该包括复杂背景下人脸的定位和分割，以及人脸的识别两方面的工作。要想使人脸识别技术得到更为广泛的发展和应用，首先必须解决人脸自动分割的问题。而人脸的自动分割同样是一个富有挑战性的研究课题。（2）人脸的三维模型。人脸是一个三维物体，因而获取人脸的三维信息并利用它进行识别必将是人脸识别技术发展的最终目标和解决途径。（3）运用自适应光照补偿方法，对图像进行更好的光照补偿，使之有利于后续处理。

参考文献（美）布拉德斯基（BradskiG.），（美）克勒（KaehlerA.），于仕琪，刘瑞祯．学习OpenCV（中文版）[M]．清华大学出版社，2009：601.张宏林．VisualC++数字图像模式识别技术及工程实践[M]．北京：人民邮电出版社，2003．刘瑞祯，于仕琪．OpenCV教程（基础篇），北京：北京航空航天大学出版社，2007：243-402．SonkaMilan，HlavacImage．Processing，AnalysisandMachineVision[S]．VaclavNelsonEngineering，2007-04．边肇祺，张学工．模式识别(第二版)[M]．北京：清华大学出版社，176-228．周长发．精通VisualC++图像处理编程[M]．北京：电子工业出版社，130-163，2004．(美)SaraFord著,谢俊译．VisualStudio程序员箴言[M]．北京：人民邮电出版社，2010．黄朝兴．人脸识别系统的研究与实现[D]．硕士学位论文，四川:西南交通大学，2006．杨靖宇，金钟，郭跃飞．人脸图像有效鉴别特征抽取与识别，南京理工大学学报，2000，24(3)：193-198．YangGZ，HuangTS．Humanfacedetectioninacomplexbackground[J]．PatternRecognition，1994，27(1)：53~63．李华胜，杨桦，袁保宗．人脸识别系统中的特征提取[J]．北京交通大学学报，2001，25(2)：4．PamplonaSegundoM，SilvaL，BellonOR．Automaticfacesegmentationandfaciallandmarkdetectioninrangeimages[J]．IEEETransSystManCybern，2010，40(5)：1319~1330．李培华．序列图像中运动目标跟踪方法[S]．科学出版社，2010-04．JianlinWang，YinshengYang．AMovingObjectDetectionAlgorithmbasedonBackgroundSubtractionModel[A]．Proceedingsof20113rdIEEEInternationalConferenceonInformationManagementandEngineering(ICIME2011)VOL．03[C]．2011．A.V.Nefian，M.H.Hayes.HiddenMarkovModelsforFaceRecognition[J],ICASS2006,pp:2721~2724.ChunleiShi，LongxuJin，KeZhang．FaceDetectionBasedonSkinColorSegmentationandAdaBoostAlgorithm[A]．Proceedingsof20113rdIEEEInternationalConferenceonInformationManagementandEngineering(ICIME2011)VOL.01．2011-05-21．Yan