基于某幾何特征的人臉識(shí)別

1、基于幾何特征的人臉識(shí)別學(xué)號(hào)：姓名：(大學(xué)機(jī)電工程與目動(dòng)化學(xué)院，200072)摘 要：人臉識(shí)技術(shù)作為多學(xué)科領(lǐng)域的、具有挑戰(zhàn)性的課題它覆蓋了數(shù)字圖像處理、模式識(shí)別、神經(jīng)網(wǎng) 絡(luò)、數(shù)學(xué)等諸多學(xué)科的容，同時(shí)也具有十分廣泛的應(yīng)用價(jià)值。在人臉識(shí)別領(lǐng)域，基于幾何持征的人臉識(shí)別算 法因其計(jì)算簡(jiǎn)單、使用有效等特性，弓I起了人們的廣泛注意,并已成為人臉圉像特征提取和識(shí)別的主流方法 之一。本文定位人臉器官，通過(guò)人臉面部拓?fù)浣Y(jié)構(gòu)幾何關(guān)系的先驗(yàn)知識(shí)，利用基于灰度投影的方法在知識(shí)的 層次上提取人臉面部主要器官特征，將人臉特征用一組幾何特征向量表示枳別歸結(jié)為特征向重之間的匹配。 本文工作包括：(1) 對(duì)灰度積分投影理論進(jìn)行了

2、詳細(xì)的介紹和分析。這種方法是目前定位人臉輪廊的主要方法.在此基礎(chǔ) 上對(duì)一種新的在豎直方向上走位人臉左右輪廊的灰度差投影法進(jìn)行了改進(jìn)。投影法本質(zhì)上是一種基于統(tǒng)計(jì)的 方法,在具體應(yīng)用時(shí)又結(jié)合了人臉特征分布的先驗(yàn)知識(shí)。這種方法不需要對(duì)積分投影圖做任何平渭處理等操 作，因而算法簡(jiǎn)單r準(zhǔn)確率高，速度很快。(2) 提出了一種精確定位眼睛的方法，該算法將眼區(qū)灰度總體分布特點(diǎn)與眼部灰度變化特庶相結(jié)合，將傳 統(tǒng)的積分投影法與灰度差累加值投影法相結(jié)合,通過(guò)大量試驗(yàn)選取合適的參數(shù)。試驗(yàn)結(jié)果表明，該算法對(duì)光 照變化不敏感f定位準(zhǔn)確率高。運(yùn)用灰度積分投影結(jié)合人臉特征的先驗(yàn)知識(shí)定位鼻子，這種定位方法得到的 準(zhǔn)確率也是比較

3、高的。嘴巴的定位則利用投影法求得。(3) 本文根據(jù)定位出來(lái)的人臉器官選出七個(gè)特征點(diǎn),即四個(gè)眼角點(diǎn)、具尖點(diǎn)和兩個(gè)嘴角點(diǎn).利用它們構(gòu)造 了十個(gè)特征向重，并對(duì)其進(jìn)行歸一化運(yùn)算。圖像識(shí)別的最后一個(gè)過(guò)程就是分類f本文采取根據(jù)模式相似性的 最近距離分類器進(jìn)行分類。用力収比值函數(shù)來(lái)計(jì)算特征相似度，更適用于人臉圖像的識(shí)別和計(jì)算.如何選擇 出合適的識(shí)別門限是個(gè)很復(fù)雜的問(wèn)題,還有待于進(jìn)一步硏究。關(guān)鍵詞：人臉識(shí)別；灰度投影；幾何特征；特征提取The Research of Face Recognition Algorithm Based onGeometric FeaturesStudent number:1572

4、1637 Name:Zhao Pei-pei(Institute of electrical and mechanical engineering and automation, Shanghai University, Shanghai 20007Z China)Abstractthe technology of human face recognition as a multi-disciplinary field and challenging psubject which contains digital image processing z pattern recognition f

5、 computer vision f neural network , psychology , physiology , mathematics and a good many subjects In the meantime r it also has widely used In the field of face recognition #the method of human face recognition based on geometric features has been paid great attention for its simple calculation and

6、 availability .At present jt has become one of the dominant methods as the feature extraction and recog nition TMs article locates human face orga ns r through apriori kno wledge of human face topological structure geometrical relationship , making use of method based on construct to extract the fea

7、tures of human face organs r expressing human face through a set of geometric feature vectors The recognition putting in summary is matched with feature vector This paper includes the following parts :(l) Have a detailed introduction and analysis about the theory of greyscale integrated projection T

8、his method is now the main method of locating human face . We put forward a new method called greyscale differential projection which is based on the previous method and locating the contour of human face vertical directly Projection method is essentiallybased on statistics It combines the apriori k

9、nowledge of human face feature distribution in the application This method needrf t to do any pretreatment to theimage and any smoothing treatment to the integrated projection image So this algorithm is simple ; the accuracy is high; the speed is quick (2) Give an introduction about the method of lo

10、cating eyes precisely This algorithm combines the character of the eye area greyscale totally distribution and greyscale transformation combines the methods of traditional integrated projection and differential projection The experiment led to the fact that this algorithm is not sensitive to the ill

11、umination transformation and has a high accuracy .Using greyscale integrated projection combines the apriori knowledge of human face character to locate nose This location method also has high accuracy The location of mouth is abtained through projection method (3) The choice of characteristic point

12、s needs enough information and can't go so far as to increase calculation quantity . This article chooses seven characteristic points r namely z four canthus points r tip of nose and two corners of mouth points Construct ten eigenvectors using them and carries on the normalization calculation to

13、 them The last process of image recog nition is classification After adopting some standards to extract feature of human images fwe construct category separability decision rule according to these characters and design classifier This article takes use of minimum di st a nee classificatio n to class

14、ify . It iS more suitable forhuman face recognition and calculation using weighing ratio to calculatesimilarity How to choose a suitable recog nition threshold is a difficult problem andneed further research This article ascertains it through a good many experiments Keywords : Face Recogniti on ; Gr

15、eyscale Projection ; Geometric Characters ; Feature Extraction1.引言1.1人臉識(shí)別技術(shù)：人臉識(shí)別是一個(gè)活躍的硏究領(lǐng)域,是人類視覺(jué)最杰出的能力之一。雖然人臉識(shí)別的準(zhǔn)確性要彳氐于虹 膜、指紋的識(shí)別，但由于它的無(wú)侵害性和對(duì)用戶最自然、最直觀的方式,使人臉識(shí)別成為最容易被接受 的生物特征識(shí)別方式。應(yīng)用領(lǐng)域：人臉識(shí)別系統(tǒng)在金融、證券、社保、公安、軍隊(duì)及具他需要安全認(rèn)證的行業(yè)和部門有看 廣泛的應(yīng)用。典型應(yīng)用：1） 罪犯調(diào)查3）重用門票2） 訪問(wèn)控制4）信用卡1.2人體生物認(rèn)證技術(shù)人臉識(shí)別是人體生物認(rèn)證技術(shù)的一種,人體生物的生物特征包括生理特征

16、和行為特征兩大類。（1）人體的生理特征主要包括人臉、指紋、掌紋、掌形、虹膜、視網(wǎng)膜、靜脈、DNA、顱骨等,這 些特征是與生俱來(lái)的,是先天形成的；而行為特征包括聲紋、簽名、步態(tài)、耳形、按鍵節(jié)奏、身體氣味等，這些特征是由后天的生活 環(huán)境和生活習(xí)慣決走的。這些生物特征本身固有的特點(diǎn)決走了其在生物認(rèn)證中所起的作用是不同的。生物特征識(shí)別:人臉臉部熱量圖指紋FaceFace heatfigure圖1Fig.lFingerprint簽名Signature常用生物特征的比較:生物帶正普遍性獨(dú)刪穩(wěn)葩可采集性性能接受程度防欺騙性人臉高低中高低高低指紋中高高中高中高手形中中中高中中中高高高中高低高視網(wǎng)膜高高中低高低

17、高簽名低低低高低高低円H中低低低低高低2. 人臉識(shí)別的過(guò)程人臉識(shí)別過(guò)程主要通過(guò)三個(gè)步驟完成，即人臉檢測(cè)、圖像的預(yù)處理、面部特征提取和人臉對(duì)比識(shí)別確認(rèn)及分類器的設(shè)計(jì)，典型的人臉識(shí)別流程圖如下：預(yù)處理圖2人臉識(shí)別過(guò)程圉Fig.2 Face recognition process圖像的獲取該模塊從外界獲取圖像作為人臉識(shí)別系統(tǒng)的輸入，通常人臉信息的來(lái)源有以下幾種方式:1）通過(guò)掃描儀對(duì)照片的掃描；2 ）通過(guò)數(shù)碼相機(jī)對(duì)人臉的拍攝；3 ） Internet上提供的免費(fèi)庫(kù)。人臉的檢測(cè)與定位處理分析從圖像獲取模塊輸入的圖像。判斷是否存在人臉，如果存在人臉則找到人臉在圖像中的位 置，并且將人臉從背景中分離出來(lái)。獲

18、取的圖像可以是靜態(tài)的，也可以是動(dòng)態(tài)的，可以是彩色的,可以 是黑白的，該模塊功能十分重要。圖像預(yù)處理預(yù)處理主要作用在于盡可能的去除或減少光照、成像系統(tǒng)、外部環(huán)境等對(duì)圖像處理的干擾，為后續(xù)提供高質(zhì)呈的圖像,這部分對(duì)圖像逬行圖像增強(qiáng)、二值化處理，邊緣檢測(cè),幾何歸一化，為后續(xù)特征提 取做好準(zhǔn)備。特征握取映射到特該部分完成從經(jīng)過(guò)預(yù)處理模塊處理的圖像提取可以用來(lái)識(shí)別的特征，將原始圖像中的 征空間中，如何提取有效的特征是該系統(tǒng)的關(guān)鍵。識(shí)別完成人臉的判別工作，給出最后的識(shí)別結(jié)果。3. 人臉器官的定位人臉由眼睛、鼻子、嘴巴W下巴等部件構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才 使得每個(gè)人的臉千差萬(wàn)別,

19、因此這些形狀和結(jié)構(gòu)的幾何描述可以作為人臉描述的重要持征。采用幾何特 征逬行正面人臉識(shí)別一般是通過(guò)提取人眼口鼻的等重要特征點(diǎn)的位置和幾何形狀作為分類特征。人臉輪廓的確走利用灰康差投影法確走人臉輪廊。走義檢測(cè)近似豎直邊緣的灰度差算子為gO, y) T/O,')1)| + |/(兀 y) - /(兀,y+1)|注釋:對(duì)每一列,計(jì)算每一個(gè)像素與相鄰兩個(gè)像素的灰度差，然后把這一列每個(gè)像素的的灰度差相 加，記為v(y),并在圖像左(右)側(cè)1/3尋最大值，得到v(y), y為人臉的邊界的位置。為避免豎直頭發(fā)造成人臉偽邊緣,而膚色的灰度值一般要比頭發(fā)的灰度值要大,所以灰度值相加的 條件為注釋：由于人臉

20、上任何一個(gè)特征的豎直邊緣都沒(méi)有面頰的邊界長(zhǎng)，所以面頰的邊界所對(duì)應(yīng)的垂直灰 度差的和應(yīng)該是雖大的。即對(duì)灰度差的豎直方向的積分投影圖上，兩端各有一個(gè)最大值,分別對(duì)應(yīng)面頰 的兩條邊界線。利用灰度差投影確定人臉輪廓的效果如下圖所示：Fig.4圖4灰度差投影法定位后的效果圖Greyscale difference projection image4. 眼睛的定位由于垂直方向和水平方向的走位方法相同，所以在此只討論水平方向的走位。(1)積分投影的方法設(shè)I(x,y)表示點(diǎn)(x,y)處的像素灰度值,在區(qū)間xl,x2,yl,y2的垂直積分投影函數(shù)和水平積分投影函數(shù)分別表示為Sh =蘭“X, Y) = 士 /(X

21、, Y)xyi但實(shí)驗(yàn)發(fā)現(xiàn),這種方法經(jīng)箱受眼區(qū)眉毛或者光線變化帶來(lái)的陰影所影響,產(chǎn)生誤判。所以采用水平 積分與水平差分累加相結(jié)合的方法。(2)水平差分累加在水平方向(經(jīng)過(guò)皮膚眼白瞳孔.眼白皮膚)灰度變化較大。在灰度變化突變處逬行微分，將 產(chǎn)生高值，將其絕對(duì)值累加，則灰度變化越大的那一行,累加值越大。在數(shù)學(xué)上可用灰度的導(dǎo)數(shù)來(lái)表示 變化，而在數(shù)字圖像中應(yīng)用差分代替導(dǎo)數(shù)運(yùn)算y) = f(x9 y) -/(x-1, y)通過(guò)上式，可將其大小累加，得Dh =牙刃方面，在眼區(qū)進(jìn)行水平積分投影，利用眼部灰度值較小的特點(diǎn)，積分投影值S越小則越可能是眼 睛。另一方面，對(duì)水平方向每行進(jìn)行微分投影。禾I用人臉圖像中眼

22、睛區(qū)域的灰度變化比較豐冨的特點(diǎn)，將差分累加值的絕對(duì)值繪制成投影圖，則卿求周圍灰度值比較高，而眉毛周圍等其他部位比較暗。在水 平方向進(jìn)行投影時(shí)，由于眼睛周圍灰度變換頻繁，差分后絕對(duì)值累加得到的現(xiàn)值較大。Eye area horizontal integral projection眼部區(qū)域水平差分累加值投影曲線Eye area horizontal difference projection圖5Fig.5走位結(jié)果如下圖：圖6定位結(jié)果Fig.7 Location result5. 人臉特征向量的構(gòu)造及匹配5.1特征點(diǎn)的選擇人臉由眼睛、鼻子、嘴巴下巴等部件構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種

23、差異才 使得世界上每個(gè)人臉千差萬(wàn)別，因此對(duì)這些部件的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以做為人臉識(shí)別的重 要特征。征向呈的構(gòu)造本文選取了人臉識(shí)別的七個(gè)特征點(diǎn),分別為四個(gè)眼角點(diǎn)、鼻尖和兩個(gè)嘴角點(diǎn)。我們把這7個(gè)特征點(diǎn)共組成了適用于計(jì)算機(jī)識(shí)別的10個(gè)具有尺寸、旋轉(zhuǎn)和位移不變性的距離特征 值,依次為：左眼的克度dl、鼻尖與雙眼連線的垂直距離d2、人臉左右邊界的距離d3、嘴巴的克度 d4、兩眼中心與左嘴角水平距離d5、兩眼外側(cè)的水平距離d6、有眼的外側(cè)眼角與鼻項(xiàng)的水平距離d7、 左服的側(cè)服角與鼻頂?shù)乃骄嚯xd&嘴點(diǎn)與鼻尖的垂直距離d9、鼻尖與嘴角的距離dl0o我們將這些距離特征值與眼睛中點(diǎn)至I嘴點(diǎn)之間

24、的垂直5巨離L之比走義為標(biāo)準(zhǔn)化特征向星。圉7構(gòu)造特征向量的圖像Fig.7 Images to construct feature vectors5.2人臉圖像所構(gòu)造的特征向量FeatureFifrl砂Fig3Fig.4Fi50222035710.40800.5085037110?0.48210.48980.30510571石1355613857134691.271213857r40.15560.01790.02040.18640.02860.06670.01790.02040.08470JO2860.46670.07140.06120.74580.0571033330.05360.061203

25、2540.0857石035560.05360.04080.72880.02860.77781.48211.48981.305115710.77901.48231.48991.30901.2584圖7人臉特征向重Fig.7 Face feature vector根據(jù)構(gòu)造的特征向量進(jìn)行歸一化處理，歸一化處理的目的是體現(xiàn)人臉器官分布比例這一幾何特征。特征向呈對(duì)于人臉轉(zhuǎn)動(dòng)和圖像大小基本保持不變，從而提高了識(shí)別的準(zhǔn)確率和靈活性。FeatureFig.1Fig2Fig.3Fig.4Fig.50.11660.01420.01600.15510.02070.11660.19220.19200.11710.09

26、330.71130S1260.52810.4S780.75670.08160.00710.00800.07160.01040.03500.00710.00800.03250.0104兀0.24490.02850.02400.28620.02070.17490.02140.02400.20160.03110.18660.02140.01600.27970.0104r90.40810.59090.58410.50090.45610.40880.59090.58420,50240.4566圖8歸一化后的特征向重Fig.8 Feature vector after the normalization分

27、類器的設(shè)計(jì)圖像識(shí)別的最后一個(gè)過(guò)程就是分類，分類的輸出僅僅是一種決策，確走每個(gè)物體應(yīng)該歸屬的類別。每個(gè)物體被識(shí)別為某一特走類型，它是通過(guò)一個(gè)分類過(guò)程完成的分類器的設(shè)計(jì)為分類確定數(shù)學(xué)基礎(chǔ)。分類器本身的各種可調(diào)參數(shù)（識(shí)別門限等）在分類器訓(xùn)練階段決走。常用的分類器有：最小距離分類器(2)最近鄰分類器貝葉斯分類器支撐向星機(jī)(5)神經(jīng)網(wǎng)絡(luò)分類器特征相似度的計(jì)算采取最近距離分類法首要是計(jì)算各個(gè)類的相似度。所謂相似度,顧名思義即一個(gè)圖像與另一個(gè)圖像 相似的程度。歐式足巨離歐式距離的走義為p n1%de= Xi-Rif具中，Xi和Ri分別表示待識(shí)別向呈和人臉庫(kù)中的特征向呈的第i個(gè)分星,n表示總的特征數(shù)。歐式 距

28、離是一種很常用的相似度計(jì)算方法，它的好處是簡(jiǎn)單易用而且t傲直觀。識(shí)別門限計(jì)算待識(shí)別人臉樣本特征向臺(tái)與樣本庫(kù)中人臉樣本的平均特征向呈之間的相似度，相似度大于或等 于識(shí)別門限，則認(rèn)為帶識(shí)別的人臉圖像是屬于同一個(gè)人的；相似度小于識(shí)別門限,則認(rèn)為待識(shí)別的人臉 圖像不是屬于同一個(gè)人的。小結(jié)本文系統(tǒng)地對(duì)基于幾何特征的人臉識(shí)別技術(shù)涉及到的部分關(guān)鍵技術(shù)逬行了研究和討論,在論述現(xiàn)有 方法不足的基礎(chǔ)上，給出了一個(gè)合理的解決方案，提出了改逬的人臉走位和識(shí)別方法并通過(guò)試驗(yàn)驗(yàn)證 了該方法的有效性及正確性。具體來(lái)說(shuō),本文所完成的工作包括以下幾個(gè)方面：全面綜述了自動(dòng)人臉識(shí)別的硏究意義、應(yīng)用領(lǐng)域，并對(duì)其發(fā)展歷史的三個(gè)階段的研

29、究特點(diǎn)以及代 表性方法進(jìn)行了總結(jié),在此斟岀上對(duì)人臉識(shí)別硏究的現(xiàn)狀進(jìn)行了闡述，討論了人臉識(shí)別領(lǐng)域目前面臨的 主要問(wèn)題和技術(shù)趨勢(shì)。通過(guò)對(duì)近年來(lái)人臉識(shí)別領(lǐng)域的主要工作的回顧，指出這一領(lǐng)域中現(xiàn)存的困難。(2)闡述了圖像預(yù)處理在整個(gè)人臉識(shí)別系統(tǒng)中的重要作用，列出了圖像預(yù)處理的幾種基本方法，并通庫(kù)及其性樹(shù)旨標(biāo)的評(píng)價(jià)。過(guò)試驗(yàn)方式，給出了處理后的效果圖。又介紹了人臉常用的婁(3) 重點(diǎn)討論了基于幾何特征的人臉走位算法，首先介紹了灰度積分投影確走人臉輪廓，并在此基礎(chǔ) 上提出了改進(jìn)方法，利用灰度差投影進(jìn)行投影，通過(guò)試驗(yàn)驗(yàn)證了此方法的準(zhǔn)確走位率。然后詳細(xì)介紹了 定位人臉器官的方法，提出了利用灰度投影和三停五眼一法結(jié)

30、合的走位算法，提高了走位的緡度和效率。(4) 鑰針對(duì)人臉走位出的器官確走了 7個(gè)特征點(diǎn),以此來(lái)構(gòu)造特征向呈。采用最近距離分類法，用 計(jì)算出來(lái)的相似度與識(shí)別門限的比較來(lái)確定識(shí)別率。(5) 試驗(yàn)結(jié)果表明本文的基于幾何特征的人臉識(shí)別算法有著良好的效果，而改進(jìn)的人臉輪廓走位和器 官走位算法的也較標(biāo)準(zhǔn)的算法提高了走位速度和準(zhǔn)確率，并加強(qiáng)了算法的魯棒性。經(jīng)過(guò)試驗(yàn)我們發(fā)現(xiàn),對(duì)于我們所使用的ORL人臉庫(kù)，要想達(dá)到快速、簡(jiǎn)便的目標(biāo),采用基于幾何 特征的人臉識(shí)別算法是比較好的。這種方法快速簡(jiǎn)單，可滿足弱實(shí)時(shí)應(yīng)用。但由于受至吭撮所用到的人 臉庫(kù)的限制我們無(wú)法對(duì)所有情況都做出同樣高識(shí)別的結(jié)論。并且通過(guò)大臺(tái)文獻(xiàn)的結(jié)論發(fā)

31、現(xiàn),要想要對(duì)任 何人臉情況都能達(dá)到非常理想的識(shí)別效果就目前的理論技術(shù)還很難達(dá)到。參考軸1 Chellappa R , Wilson C L , Sirohey S . Human and Machine Recognition of Faces : A Survey .2 Proceeding of the IEEE,1995,83(5) : 705740 .1J 1J 1J 1J 1J 1J 1J3 4 5 6 7 8 9 rL rL rl rl rl 1J 1J 1J 1J 1J 1J 1J 1J 012345671 1 1 1 1 1 1 11J 1J 1J8 9 01121J 1J 1

32、J12 32 2 2 d I I1J 1J 1J 1J4 5 6 72 2 2 2 ft ( ( fl1J 1J 1J 1J8 9 0 12 2 3 3 flf (I (ISamal A. Iyengar P 九 Automatic Recognition and Analysis of human Faces and FacialExpression : A Survey Pattern Recognition , 1992,25(1) : 6577 壬磊基于單樣本正面人臉圖像識(shí)別的研究：交通大學(xué)博士學(xué)位論文：交通大學(xué),1998海濤r於冬軍基于形狀和紋理的人臉目動(dòng)識(shí)別計(jì)算機(jī)研究與發(fā)展2003

33、.40：538543 健，靜宇.具有統(tǒng)計(jì)不相關(guān)性的圉像投彩鑒別分析及人臉識(shí)計(jì)算機(jī)研究與發(fā)展.2003 ,40(3) : 447452 . 周杰r盧春雨f長(zhǎng)水等基于方向?qū)ΨQ變換的人臉走位方法電子學(xué)報(bào).1999,27：12-15M Bichsel Human face recog nition and the face image setr S topology CVGIP : Image Understanding .1994,59 : 254261 Dror I E r Florer F L . Neural networks that recognize faces . Proceeding of SPIE . 1995 f 2485 :123-128 . Rowley H A , Baluja S f and Kanade T Neural networ<based face detection I EEE Tra ns Pattern Anal Machine Intell 1998 r 20(1) : 2338 Yang G Z