基于WebCam的人臉檢測(cè)技術(shù)附件.doc

1附件4：本科生畢業(yè)論文（設(shè)計(jì)）文獻(xiàn)綜述論文題目：人臉識(shí)別技術(shù).學(xué)生姓名：葉瑜年級(jí)（學(xué)號(hào)）：.二級(jí)學(xué)院：信息工程學(xué)院專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù).指導(dǎo)教師：袁貞明職稱：.填表日期：年月日杭州師范學(xué)院教務(wù)處制2一、查閱中外文獻(xiàn)資料目錄，所查閱的中外文獻(xiàn)資料不得少于5篇（含作者、書名或論文題目、出版社或刊名、出版年月或期號(hào)及頁碼等，未經(jīng)本人查閱的文獻(xiàn)資料目錄不得列上）1ThomasFromherz,PeterStucki,MartinBichsel.ASurveyofFaceRecognition.MMLTechnicalReport,No97.01,Dept.ofComputerScience,UniversityofZurich,1997.2R.C.KHua,L.C.DeSilva,P.Vadakkepat.DetectionandTrackingofFacesinReal-TimeEnvironments.InternationalWorkshoponRecognition,Analysis,andTrackingofFacesandGesturesinReal-TimeSystems,Sep.26-27,1999,p.963Ming-HsuanYang,DavidJ.Kriegman,NarendraAhuja.DetectingFacesinImages:ASurvey.IEEETransactionsonPatternAnalysisandMachineIntelligence,2002,VOL.24,NO.14Do-JoonJung,Chang-WooLee,Yeon-ChulLee,Sang-YongBak,Jong-BaeKim,HyunKang,Hang-JoonKim.PCA-BaseReal-TimeFaceDetectionandTracking.InternationalTechnicalConferenceonCircuits/Systems,ComputersandCommunications(ITC-CSCC02),Jul,Phuket,Thailand,Jul.16-19,2002,Vol.1,p.615-6185JamesL.Crowley,FrancoisBerard.Multi-ModalTrackingofFacesforVideoCommunications.Proceedingsofthe1997ConferenceonComputerVisionandPatternRecognition(CVPR97),1997,p.6406VladimirVezhnevets,VassiliSazonov,AllaAndreeva.ASurveyonPixel-BasedSkinColorDetectionTechniques.Graphics,MediaLaboratory.7Rein-LienHsu,MohamedAbdel-Mottaleb,AnilK.Jain.FaceDetectioninColorImages.IEEETrans.PatternAnalysisandMachineIntelligence,May2002,vol.24,no.5,p.696-7068阮鵬，趙明生，安全監(jiān)控中的一種快速人臉定位算法，清華大學(xué)電子工程系網(wǎng)絡(luò)與人機(jī)語音通信研究所，20039胡曉軍，鄧波，高宏偉等VisualC+高級(jí)開發(fā)范例解析，電子工業(yè)出版社，200210徐慧，VisualC+數(shù)字圖像實(shí)用工程案例精選，人民郵電出版社，20043二、文獻(xiàn)綜述（含本選題國內(nèi)外研究現(xiàn)狀、研究主要成果、發(fā)展趨勢(shì)、存在問題等內(nèi)容，字?jǐn)?shù)不少于3000字，力求內(nèi)容切題，具綜合歸納性）人臉檢測(cè)方法綜述（杭州師范學(xué)院信息工程學(xué)院計(jì)算機(jī)001班葉瑜）摘要：人臉識(shí)別技術(shù)具有廣泛的應(yīng)用前景，其目標(biāo)是識(shí)別出所有包含了人臉中不注意的三維位置、方向和光照條件的圖像區(qū)域。這個(gè)問題正受到挑戰(zhàn)，因?yàn)槿四槻皇墙┯驳?，而且人臉的大小、形狀、顏色和結(jié)構(gòu)的變化程度很大。而無論從何種角度對(duì)人臉識(shí)別技術(shù)進(jìn)行分類，要實(shí)現(xiàn)一個(gè)健壯的人臉識(shí)別系統(tǒng)，都需要解決檢驗(yàn)人臉的這一步，因此，本文從四個(gè)大類從發(fā)，分別簡單闡述了單一圖像中的人臉檢測(cè)方法。關(guān)鍵字：人臉識(shí)別、人臉檢測(cè)、特征1、引言人臉識(shí)別就是對(duì)于輸入的人臉圖像或者視頻，首先判斷其中是否存在人臉，如果存在人臉，則進(jìn)一步的給出每個(gè)人臉的位置、大小和各個(gè)主要面部器官的位置信息，并依據(jù)這些信息，進(jìn)一步提取每個(gè)人臉中所蘊(yùn)含的身份特征，并將其與已知人臉庫中的人臉進(jìn)行對(duì)比，從而識(shí)別每個(gè)人臉的身份。人臉識(shí)別的過程可以分為以下三個(gè)部分：(1)人臉檢測(cè)：判斷輸入圖像中是否存在人臉，如果有，給出每個(gè)人臉的位置，大小；(2)面部特征定位：對(duì)找到的每個(gè)人臉，檢測(cè)其主要器官的位置和形狀等信息；(3)人臉比對(duì)：根據(jù)面部特征定位的結(jié)果，與庫中人臉對(duì)比，判斷該人臉的身份信息；顯然地，在任何一個(gè)自動(dòng)化的系統(tǒng)中，人臉檢測(cè)都是解決上述問題的第一步。在本文中，我們把人臉識(shí)別和人臉定位區(qū)分開了，因?yàn)椋笳呤乔罢叩囊粋€(gè)簡化了的問題。因此，本文的重點(diǎn)是放在放在人臉的檢驗(yàn)方法上的。在此，給出一個(gè)人臉檢測(cè)的定義：給出一幅隨意的圖像，人臉檢測(cè)的目的是明確圖像中是否有人臉，如果有，返回每張人臉的范圍和位置。與人臉檢驗(yàn)有關(guān)的挑戰(zhàn)可以歸納為如下這些因素：1.姿勢(shì)。圖像中人臉的變化取決于相關(guān)的（攝取的）人臉姿勢(shì)（正面、45度、側(cè)面、向上、向下）以及一些面部的特征，例如眼睛或鼻子有可能是部分或全部閉塞（遮擋住了）。2.結(jié)構(gòu)部件的有無。象絡(luò)腮胡子、（嘴唇上面的）胡子和眼鏡這些面部特征可能有也可能沒有,有些（人臉上的）部件包括形狀、顏色和大小有大量的變化。3.面部表情。一個(gè)人的面部表情直接影響著人臉的外觀。4.閉塞（遮擋）。人臉可能因?yàn)槠渌膶?duì)象而部分地被閉塞（遮擋）。在一幅有一群人的圖像中，一些人的臉的一部分可能被其他人的臉擋住了。5.圖像定位。人臉的圖像因?yàn)檎障鄼C(jī)的光學(xué)軸線的不同旋轉(zhuǎn)而呈現(xiàn)出變化。6.成像的條件。一幅圖像的成像因素包括光照（光譜，來源的分布和強(qiáng)度）和照相機(jī)的特性（傳感器的響應(yīng)，鏡頭）對(duì)人臉外觀的影響。2、單一圖像中的人臉檢測(cè)我們可以把單一圖像中人臉的檢測(cè)方法分為四類，而這些方法的分類界限而是可以重疊的。1.基于知識(shí)（Knowledge-based）的方法。基于知識(shí)（Knowledge-based）的這些方法是把組成同一類人臉的信息進(jìn)行編碼。一般來說，這類標(biāo)準(zhǔn)捕捉的對(duì)象是臉部特征的相關(guān)之處。這些方法主要是為了人臉的定位設(shè)計(jì)的。2.不變特征（Featureinvariant）的方法。這類算法的目的是找出在姿勢(shì)、角度或光照條件變化的情況下人臉上存在的那些結(jié)構(gòu)特征，并以此來定位人臉。這類方法主要也是為了人臉的定位設(shè)計(jì)的。3.模板匹配（Templatematching）的方法。把一些標(biāo)準(zhǔn)的人臉模型存儲(chǔ)起來，并以此用于描述人臉的全面或個(gè)別的臉部特征。通過輸入圖像和已經(jīng)存儲(chǔ)的模型之間相關(guān)性的計(jì)算來檢測(cè)人臉。這類方法已經(jīng)被用于人類的定位和檢測(cè)了。4.基于外觀的（Appearance-based）方法。與模板匹配不同，這里的模板樣式（或模板）是從一個(gè)訓(xùn)練（測(cè)試）圖像集中獲取的，而這個(gè)圖像集捕捉到的是具有典型性且變化著的臉部外觀。這些模板樣式是為檢測(cè)人臉服務(wù)的，所以這類方法主要也是為了人臉檢測(cè)而設(shè)計(jì)的。表格一概括了單一圖像中這四類人臉檢測(cè)的算法和具有代表性的文章。方法代表文章4圖二基于知識(shí)基于多分辨率標(biāo)準(zhǔn)的方法170不變特征面部特征邊緣分組肌理（皮膚）灰度級(jí)矩陣空間的人臉樣式87178膚色高斯混合（算法）32多重特征膚色、大小和形狀的綜合79模板匹配預(yù)先確定的人臉模板（人臉的）形狀模型28可變形的（人臉）模型活動(dòng)的（可變的）（人臉）形狀模型86基于外觀的（識(shí)別）方式特征人臉特征向量的分解和聚類163分布式高斯分布和多層感知器154神經(jīng)系統(tǒng)網(wǎng)絡(luò)神經(jīng)系統(tǒng)網(wǎng)絡(luò)的全體和仲裁方案128支持矢量機(jī)技術(shù)支持矢量機(jī)技術(shù)的多相式核心（要點(diǎn)、內(nèi)核）107簡單貝葉斯分類局部外貌和位置的連接統(tǒng)計(jì)140隱馬爾可夫模型隱馬爾可夫模型的高次統(tǒng)計(jì)123信息理論法庫侖貝克的相對(duì)信息論8924表格一單一圖像的人臉識(shí)別方法分類下面，展開討論一下每一類方法的出發(fā)點(diǎn)和基本的實(shí)現(xiàn)方式。2.1基于知識(shí)的，組織管理嚴(yán)密的人臉檢測(cè)法這類方法的發(fā)展標(biāo)準(zhǔn)是基于研究人員對(duì)人臉信息的研究，由此提出了描述人臉特征及其相關(guān)性的簡單標(biāo)準(zhǔn)。例如，一幅圖像中一張人臉上有一雙位置對(duì)稱的眼睛，一個(gè)鼻子和一張嘴巴。這些特征的關(guān)系可以通過它們的相對(duì)距離和位置來描述。這副輸入圖像中的臉部特征首先被萃取出來，而臉部其他候選區(qū)域的識(shí)別是基于這些特征的編碼標(biāo)準(zhǔn)的。這種檢測(cè)方法的一個(gè)問題是：把人臉信息翻譯成定義好的標(biāo)準(zhǔn)是一個(gè)難題。因?yàn)?，如果這個(gè)標(biāo)準(zhǔn)已經(jīng)被細(xì)化或是很精確的，那么被檢測(cè)的人臉會(huì)因?yàn)椴环纤袠?biāo)準(zhǔn)而無法被檢測(cè)出來。但是，如果這個(gè)標(biāo)準(zhǔn)太粗略，被檢測(cè)的人臉又會(huì)出現(xiàn)很多檢測(cè)錯(cuò)誤。此外，要進(jìn)一步發(fā)展在不同姿勢(shì)下檢測(cè)人臉的方法也是困難的，因?yàn)橐阉锌赡艿睦尤苛信e出來是很困難的。（圖1.（a）n1，原始圖像；（b）n4；（c）n8；（d）n16。原始的和相對(duì)低分辨率的圖像。每平方單元由nn個(gè)像素組成，這些像素的亮度被那個(gè)單元中的像素的平均亮度所代替）（圖2.一個(gè)典型的人臉在基于知識(shí)的組織管理嚴(yán)密的方法中的應(yīng)用：標(biāo)準(zhǔn)的編碼是由人臉信息中臉部區(qū)域的特征決定的（例如：（臉部）亮度的分布和區(qū)別）107。）楊和黃使用一種分等級(jí)的信息（識(shí)別）方法來檢測(cè)識(shí)別人臉170。他們的這個(gè)系統(tǒng)由三個(gè)級(jí)別的標(biāo)準(zhǔn)組成。最高級(jí)別中，所有可能出現(xiàn)的人臉信息是通過掃描位于輸入圖像上的窗口和應(yīng)用一組標(biāo)準(zhǔn)，在其各自的位置上得到的。該標(biāo)準(zhǔn)的較高級(jí)別是對(duì)人臉的外表特征進(jìn)行一般性的描述，而該標(biāo)準(zhǔn)的較低級(jí)別是對(duì)面部特征的細(xì)節(jié)的描述。通過平均（計(jì)算）和二次抽樣可以生成一幅多層次的圖像，在圖1中給出