模式识别的人脸系统研究(附件)
人脸识别广泛存在于社会生活的各个领域，同时计算机识别和模式识别两个领域也有许多关于人脸识别的研究。要构建一个能够进行全自动人脸识别的系统的过程很繁杂。它涉及许多基于别的生物学特征的模式识别，比如图像预处理，计算机视觉，生理学，心理学以及所有别的识别方法。一些人体生物识别系统比如视网膜，虹膜，基因等在实际应用中给用户造成很大的心理压力，而人脸识别系统就显得容易接受，更直接友好，用户心理压力不大，通过面部表情和精神姿态可以获得其他人的生理识别信息.本文提出了一种改进的人脸识别系统，通过肤色信息和眼睛粗略定位相结合进行人脸识别。首先进行肤色提取，我们在Anil K.Jain的椭圆聚类方式的基础上进行改良，通过人脸肤色进行预检测，然后再根据眼睛的粗略位置进一步确定脸部区域。关键词 人脸识别，肤色分割，人眼定位
目 录
1 引言 1
1.1 研究背景与意义 1
1.2 国内外研究现状 1
1.3 本文研究重点及内容 3
2 算法理论与实现原理 3
2.1 RGB色彩空间转换到YCbCr色彩空间 3
2.2 肤色分割理论 4
2.3 图像二值化 4
2.4 Gabor核函数实现图像的Gabor变换 5
2.5 利用形态学方法提取人眼感兴趣区域 7
3 人脸识别系统设计 8
3.1 系统流程 8
3.2 基于肤色的人脸检测算法 9
3.3 数学形态学操作 11
3.4 建立YCbCr色彩空间模型 12
3.5 编写Gabor核函数 13
3.6 腐蚀膨胀法处理图像 13
4 人脸识别的实现及结果分析 14
4.1 将RGB空间转换为YCbCr空间 14
4.2 灰度图像的二值化处理 15
4.3 人眼的定位检测 15
4.4 人眼区域的腐蚀膨胀处理 16
4.5 标记白色区域 16
4.6 信息筛选并标记最终人脸区域 17
4.7 结果分析 18
结 论 *好棒文|www.hbsrm.com +Q: &351916072&
20
致 谢 21
参 考 文 献 22
附 录 23
1引言
1.1 研究背景及意义
人脸识别广泛存在于社会生活的各个领域，同时计算机识别和模式识别两个领域也有许多关于人脸识别的研究。一些人体生物识别系统比如视网膜，虹膜，基因等在实际应用中给用户造成很大的心理压力，而人脸识别系统就显得容易接受，更直接友好，用户心理压力不大，通过面部表情和精神姿态可以获得其他人的生理识别信息，而且还能从中获取一些难以从系统获得的信息。人脸识别是一个研究热点，具有广阔的利用价值和商业价值[1]。在20世纪70年代早期，对人脸识别的钻研触及生理神经科学，其直接目标是要找出如何识别人脸。到20世纪70年代中期之后，涉及许多基于别的生物学特征的模式识别，比如图像预处理，计算机视觉，生理学，心理学以及所有别的识别方法。人脸识别可以描述为给定的静止或动态图像序列，利用已经存在的人脸库来辨认出图中的一个或者多个人脸[2]。由此看出，人脸识别在未来社会中有很大的利用价值。
1.2 国内外研究现状
1.2.1 人脸识别发展过程
人脸识别的研究是目前的一个研究热点，其由来已久最早出现在法国人高尔顿著作中，其中提到一些关于人脸识别的信息，在后来的40年里有着飞速的发展。在1973年Kanade的研究以前，人脸识别的研究主要集中在人脸的正面识别。后来我国开始关注人脸识别领域，国内刚开始对于人脸识别主要是通过传统的人机交互式，其过程比较繁琐，而且不够精准。后来经过发展出现了自动辨认识别系统，得到很大的改善。
在20世纪70年代早期，对人脸识别的钻研触及生理神经科学，其直接目标是要找出如何识别人脸。到20世纪70年代中期之后，涉及许多基于别的生物学特征的模式识别，比如图像预处理，计算机视觉，生理学，心理学以及所有别的识别方法。人脸识别可以描述为给定的静止或动态图像序列，利用已经存在的人脸库来辨认出图中的一个或者多个人脸。
国外如麻省、CMU、UIUC等，国内如清华、中科大研究所、、北工大、川大等都有研究人脸识别系统，并设有专项机构、专项人员从事相关研究。国际上有很多研 究进一步增加了人脸识别的方法，例如，由拜厄斯提出的偏倚分析提供了一种基于先验概率假设的方法。国内吉林大学，陈绵树博士，提出了基于离散Fu Liye不变特征的理论。在Turk和PunLalt61中研究了1991的特征脸方法，该方法将人脸图像转换为列向量，并将其视为随机向量。这些方法中的一些侧重于描述人脸图像的特征提取，如弹性图匹配和Fu Liye不变特征；另一类则是分类法，如贝叶斯法等。以上这些人脸识别方法都有很好的效果[3]。
1.2.2 常用的几种识别方法
目前，人脸识别方法的研究大都是基于人脸图像的识别过程，包括特征脸方法、Bias Fa、傅立叶不变特征方法、弹性图匹配方法，线缆子空间法、变形模型法和神经网络法以及其他相关方法[4]。
(l)基于统计的方法，该类方法的特征是基于人脸图像的整体特征作为输入点。基于统计的方法中大多数为主成分分析,例如国外研究人员Craw等人发表了通过人的面部特征的方法,彭特兰德在此基础上了提出了基于概率特征脸的识别系统，随后Belhumeur等人提出了基于特征脸和LDA子空间相结合进行人脸识别,菲利普斯基于支撑向量机的方法,刘和韦克斯勒随后提出了演化跟踪和特征线的研究等。基于统计的方法中大多数为主成分分析,还有部分是基于概率决策神经网络的人脸识别方法。
(2)基于特征的方法。顾名思义，特征表现在用户脸上为人的脸部特征如嘴巴，眼睛等，每个人的脸部特征都不尽相同，其可以作为辨别人脸的切入点，研究人员对于这种基于特征的方法主要集中在它们的位置和别的信息等。对此其中有几个研究比较好的方法，比如几何方法，动态链接系统方法，NEFIN方法和神经网络方法等。
目 录
1 引言 1
1.1 研究背景与意义 1
1.2 国内外研究现状 1
1.3 本文研究重点及内容 3
2 算法理论与实现原理 3
2.1 RGB色彩空间转换到YCbCr色彩空间 3
2.2 肤色分割理论 4
2.3 图像二值化 4
2.4 Gabor核函数实现图像的Gabor变换 5
2.5 利用形态学方法提取人眼感兴趣区域 7
3 人脸识别系统设计 8
3.1 系统流程 8
3.2 基于肤色的人脸检测算法 9
3.3 数学形态学操作 11
3.4 建立YCbCr色彩空间模型 12
3.5 编写Gabor核函数 13
3.6 腐蚀膨胀法处理图像 13
4 人脸识别的实现及结果分析 14
4.1 将RGB空间转换为YCbCr空间 14
4.2 灰度图像的二值化处理 15
4.3 人眼的定位检测 15
4.4 人眼区域的腐蚀膨胀处理 16
4.5 标记白色区域 16
4.6 信息筛选并标记最终人脸区域 17
4.7 结果分析 18
结 论 *好棒文|www.hbsrm.com +Q: &351916072&
20
致 谢 21
参 考 文 献 22
附 录 23
1引言
1.1 研究背景及意义
人脸识别广泛存在于社会生活的各个领域，同时计算机识别和模式识别两个领域也有许多关于人脸识别的研究。一些人体生物识别系统比如视网膜，虹膜，基因等在实际应用中给用户造成很大的心理压力，而人脸识别系统就显得容易接受，更直接友好，用户心理压力不大，通过面部表情和精神姿态可以获得其他人的生理识别信息，而且还能从中获取一些难以从系统获得的信息。人脸识别是一个研究热点，具有广阔的利用价值和商业价值[1]。在20世纪70年代早期，对人脸识别的钻研触及生理神经科学，其直接目标是要找出如何识别人脸。到20世纪70年代中期之后，涉及许多基于别的生物学特征的模式识别，比如图像预处理，计算机视觉，生理学，心理学以及所有别的识别方法。人脸识别可以描述为给定的静止或动态图像序列，利用已经存在的人脸库来辨认出图中的一个或者多个人脸[2]。由此看出，人脸识别在未来社会中有很大的利用价值。
1.2 国内外研究现状
1.2.1 人脸识别发展过程
人脸识别的研究是目前的一个研究热点，其由来已久最早出现在法国人高尔顿著作中，其中提到一些关于人脸识别的信息，在后来的40年里有着飞速的发展。在1973年Kanade的研究以前，人脸识别的研究主要集中在人脸的正面识别。后来我国开始关注人脸识别领域，国内刚开始对于人脸识别主要是通过传统的人机交互式，其过程比较繁琐，而且不够精准。后来经过发展出现了自动辨认识别系统，得到很大的改善。
在20世纪70年代早期，对人脸识别的钻研触及生理神经科学，其直接目标是要找出如何识别人脸。到20世纪70年代中期之后，涉及许多基于别的生物学特征的模式识别，比如图像预处理，计算机视觉，生理学，心理学以及所有别的识别方法。人脸识别可以描述为给定的静止或动态图像序列，利用已经存在的人脸库来辨认出图中的一个或者多个人脸。
国外如麻省、CMU、UIUC等，国内如清华、中科大研究所、、北工大、川大等都有研究人脸识别系统，并设有专项机构、专项人员从事相关研究。国际上有很多研 究进一步增加了人脸识别的方法，例如，由拜厄斯提出的偏倚分析提供了一种基于先验概率假设的方法。国内吉林大学，陈绵树博士，提出了基于离散Fu Liye不变特征的理论。在Turk和PunLalt61中研究了1991的特征脸方法，该方法将人脸图像转换为列向量，并将其视为随机向量。这些方法中的一些侧重于描述人脸图像的特征提取，如弹性图匹配和Fu Liye不变特征；另一类则是分类法，如贝叶斯法等。以上这些人脸识别方法都有很好的效果[3]。
1.2.2 常用的几种识别方法
目前，人脸识别方法的研究大都是基于人脸图像的识别过程，包括特征脸方法、Bias Fa、傅立叶不变特征方法、弹性图匹配方法，线缆子空间法、变形模型法和神经网络法以及其他相关方法[4]。
(l)基于统计的方法，该类方法的特征是基于人脸图像的整体特征作为输入点。基于统计的方法中大多数为主成分分析,例如国外研究人员Craw等人发表了通过人的面部特征的方法,彭特兰德在此基础上了提出了基于概率特征脸的识别系统，随后Belhumeur等人提出了基于特征脸和LDA子空间相结合进行人脸识别,菲利普斯基于支撑向量机的方法,刘和韦克斯勒随后提出了演化跟踪和特征线的研究等。基于统计的方法中大多数为主成分分析,还有部分是基于概率决策神经网络的人脸识别方法。
(2)基于特征的方法。顾名思义，特征表现在用户脸上为人的脸部特征如嘴巴，眼睛等，每个人的脸部特征都不尽相同，其可以作为辨别人脸的切入点，研究人员对于这种基于特征的方法主要集中在它们的位置和别的信息等。对此其中有几个研究比较好的方法，比如几何方法，动态链接系统方法，NEFIN方法和神经网络方法等。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/1130.html
