人脸相似度检测系统设计--毕业设计论文.doc

目 录 摘要 III第1章 绪论 - 1 -1.1人脸相似度检测技术的细节 - 1 -1.2人脸相似度检测技术的广泛应用 - 1 -1.3人脸相似度检测技术的难点 - 2 -1.4 国内外研究状况 - 2 -1.5人脸相似度检测的研究内容 - 3 -1.5.1人脸相似度检测研究内容 - 3 -1.5.2人脸相似度检测系统的组成 - 4 -第2章 人脸相似度检测方法 - 6 -2.1基于特征脸的方法 - 6 -2.2基于神经网络的方法 - 6 -2.3弹性图匹配法 - 7 -2.4基于模板匹配的方法 - 7 -2.5基于人脸特征的方法 - 7 -第3章 基于主元分析法人脸相似度检测方法 - 9 -3.1 引言 - 9 -3.2 主成分分析 - 9 -3.3特征脸方法 - 11 -第4章 仿真实验 - 13 -4.1 流程图 - 13 -4.2仿真结果 - 14 -第5章 总结与展望 - 15 -5.1 总结 - 15 -5.2 展望 - 15 -参考文献 - 17 -附录 - 18 - 摘要人脸相似度检测是当前模式相似度检测领域的一个前沿课题，人脸相似度检测技术就是利用计算机技术，根据数据库的人脸图像，分析提取出有效的相似度检测信息，用来“辨认”身份的技术。

本文介绍了多种人脸相似度检测方法，基于对人脸相似度检测方法优缺点的分析比较, 提出了一种基于主元分析(PCA )的人脸相似度检测方法通过PCA 算法对人脸图像进行特征提取, 再利用最邻近距离分类法对特征向量进行分类相似度检测利用剑桥ORL的人脸数据库的数据进行实验仿真，仿真结果验证了本算法是有效的 关键词：人脸相似度检测， 主元分析，最近邻距离分类法，人脸库I- -第1章 绪论 　人脸相似度检测是模式相似度检测研究的一个热点, 它在身份鉴别、信用卡相似度检测, 护照的核对及监控系统等方面有着广泛的应用人脸图像由于受光照、表情以及姿态等因素的影响, 使得同一个人的脸像矩阵差异也比较大因此, 进行人脸相似度检测时, 所选取的特征必须对上述因素具备一定的稳定性和不变性. 主元分析(PCA)方法是一种有效的特征提取方法,将人脸图像表示成一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同时又能保留所需要的相似度检测信息, 这些信息对光照、表情以及姿态具有一定的不敏感性. 在获得有效的特征向量后, 关键问题是设计具有良好分类能力和鲁棒性的分类器. 支持向量机(SVM ) 模式相似度检测方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及高维模式相似度检测问题中表现出许多特有的优势。

1.1人脸相似度检测技术的细节一般来说，人脸相似度检测系统包括图像提取、人脸定位、图形预处理、以及人脸相似度检测（身份确认或者身份查找）系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待相似度检测的人脸的身份1.2人脸相似度检测技术的广泛应用一项技术的问世和发展与人类的迫切需求是密切相关的，快速发展的社会经济和科学技术使得人类对安全(包括人身安全、隐私保护等)得认识越来越重视人脸相似度检测得一个重要应用就是人类的身份相似度检测一般来说，人类得身份相似度检测方式分为三类:1.特征物品，包括各种证件和凭证，如身份证、驾驶证、房门钥匙、印章等;2.特殊知识，包括各种密码、口令和暗号等;3.人类生物特征，包括各种人类得生理和行为特征，如人脸、指纹、手形、掌纹、虹膜、DNA、签名、语音等前两类相似度检测方式属于传统的身份相似度检测技术，其特点是方便、快捷，但致命的缺点是安全性差、易伪造、易窃取特殊物品可能会丢失、偷盗和复制，特殊知识可以被遗忘、混淆和泄漏相比较而言，由于生物特征使人的内在属性，具有很强的自身稳定性和个体差异性，因此生物特征是身份相似度检测的最理想依据。

基于以上相对独特的生物特征，结合计算机技术，发展了众多的基于人类生物特征的身份相似度检测技术，如DNA相似度检测技术、指纹相似度检测技术、虹膜相似度检测技术、语音相似度检测技术和人脸相似度检测技术等生物相似度检测技术在上个世纪已经有了一定得发展，其中指纹相似度检测技术已经趋近成熟，但人脸相似度检测技术的研究还处于起步阶段指纹、虹膜、掌纹等相似度检测技术都需要被相似度检测者的配合，有的相似度检测技术还需要添置复杂昂贵的设备人脸相似度检测可以利用已有的照片或是摄像头远距离捕捉图像，无需特殊的采集设备，系统的成本低并且自动人脸相似度检测可以在当事人毫无觉察的情况下完成身份确认相似度检测工作，这对反恐怖活动有非常重要的意义基于人脸相似度检测技术具有如此多的优势，因此它的应用前景非常广阔，已成为最具潜力的生物特征相似度检测技术之一1.3人脸相似度检测技术的难点 虽然人类可以毫不困难地根据人脸来辨别一个人，但是利用计算机进行完全自动的人脸相似度检测仍然有许多困难人脸模式差异性使得人脸相似度检测成为一个非常困难的问题，表现在以下方面: 1.人脸表情复杂，人脸具有多样的变化能力，人的脸上分布着五十多块面部肌肉，这些肌肉的运动导致不同面部表情的出现，会造成人脸特征的显著改变。

2.随着年龄而改变，随着年龄的增长，皱纹的出现和面部肌肉的松弛使得人脸的结构和纹理都将发生改变 3.人脸有易变化的附加物，例如改变发型，留胡须，戴帽子或眼镜等饰物4.人脸特征遮掩，人脸全部、部分遮掩将会造成错误相似度检测5.人脸图像的畸变，由于光照、视角、摄取角度不同，可能造成图像的灰度1.4 国内外研究状况人脸相似度检测是人类视觉最杰出的能力之一它的研究涉及模式相似度检测、图像处理、生物学、心理学、认知科学，与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系人脸相似度检测早在六七十年代就引起了研究者的强烈兴趣20世纪60年代，Bledsoe提出了人脸相似度检测的半自动系统模式与特征提取方法70年代，美、英等发达国家开始重视人脸相似度检测的研究工作并取得进展1972年，Harmon用交互人脸相似度检测方法在理论上与实践上进行了详细的论述同年，Sakai设计了人脸图像自动相似度检测系统80年代初T. Minami研究出了优于Sakai的人脸图像自动相似度检测系统但早期的人脸相似度检测一般都需要人的某些先验知识，无法摆脱人的干预进入九十年代，由于各方面对人脸相似度检测系统的迫切需求，人脸相似度检测的研究变的非常热门。

人脸相似度检测的方法有了重大突破，进入了真正的机器自动相似度检测阶段，如Karhunen-Loève变换等或新的神经网络技术人脸相似度检测研究得到了前所未有的重视，国际上发表有关人脸相似度检测等方面的论文数量大幅度增加，仅从1990年到2000年之间，SCI及EI可检索到的相关文献多达数千篇，这期间关于人脸相似度检测的综述也屡屡可见国外有许多学校在研究人脸相似度检测技术，研究涉及的领域很广这些研究受到军方、警方及大公司的高度重视和资助，国内的一些知名院校也开始从事人脸相似度检测的研究 人脸相似度检测是当前模式相似度检测领域的一个前沿课题，但目前人脸相似度检测尚处于研究课题阶段，尚不是实用化领域的活跃课题虽然人类可以毫不困难地由人脸辨别一个人，但利用计算机进行完全自动的人脸相似度检测存在许多困难，其表现在：人脸是非刚体，存在表情变化；人脸随年龄增长而变化；发型、眼镜等装饰对人脸造成遮挡；人脸所成图像受光照、成像角度、成像距离等影响人脸相似度检测的困难还在于图像包括大量的数据，输入的像素可能成百上千，每个像素都含有各自不同的灰度级，由此带来的计算的复杂度将会增加现有的相似度检测方法中，通过从人脸图像中提取出特征信息，来对数据库进行检索的方法速度快，而利用拓扑属性图匹配来确定匹配度的方法则相对较快。

1.5人脸相似度检测的研究内容人脸相似度检测技术(AFR)就是利用计算机技术，根据数据库的人脸图像，分析提取出有效的相似度检测信息，用来“辨认”身份的技术人脸相似度检测技术的研究始于六十年代末七十年代初，其研究领域涉及图像处理、计算机视觉、模式相似度检测、计算机智能等领域，是伴随着现代化计算机技术、数据库技术发展起来的综合交叉学科1.5.1人脸相似度检测研究内容人脸相似度检测的研究范围广义上来讲大致包括以下五个方面的内容1.人脸定位和检测(Face Detection):即从动态的场景与复杂的背景中检测出人脸的存在并且确定其位置，最后分离出来这一任务主要受到光照、噪声、面部倾斜以及各种各样遮挡的影响 2.人脸表征(Face Representation)(也称人脸特征提取):即采用某种表示方法来表示检测出人脸与数据库中的己知人脸通常的表示方法包括几何特征(如欧氏距离、曲率、角度)、代数特征(如矩阵特征向量)、固定特征模板等3.人脸相似度检测(Face Recognition):即将待相似度检测的人脸与数据库中已知人脸比较，得出相关信息这一过程的核心是选择适当的人脸表征方法与匹配策略。

4.表情姿态分析(Expression/Gesture Analysis):即对待相似度检测人脸的表情或姿态信息进行分析，并对其加以归类 5.生理分类(Physical Classification):即对待相似度检测人脸的生理特征进行分析，得出其年龄、性别等相关信息，或者从几幅相关的图像推导出希望得到的人脸图像，如从父母图像推导出孩子脸部图像和基于年龄增长的人脸图像估算等 人脸相似度检测的研究内容，从生物特征技术的应用前景来分类，包括以下两个方面:人脸验证与人脸相似度检测 1.人脸验证((Face Verification/Authentication):即是回答“是不是某人?”的问题它是给定一幅待相似度检测人脸图像，判断它是否是某人的问题，属于一对一的两类模式分类问题，主要用于安全系统的身份验证2.人脸相似度检测（Face Recognition):即是回答“是谁”的问题它是给定一幅待相似度检测人脸图像，再己有的人脸数据库中，判断它的身份的问题它是个“一对多”的多类模式分类问题，通常所说的人脸相似度检测即指此类问题，这也是本文的主要研究内容1.5.2人脸相似度检测系统的组成在人脸相似度检测技术发展的几十年中，研究者们提出了多种多样的人脸相似度检测方法，但大部分的人脸相似度检测系统主要由三部分组成:图像预处理、特征提取和人脸的分类相似度检测。

一个完整的自动人脸相似度检测系统还包括人脸检测定位和数据库的组织等模块，如图1.1其中人脸检测和人脸相似度检测是整个自动人脸相似度检测系统中非常重要的两个环节，并且相对独立下面分别介绍这两个环节预处理特征提取分类相似度检测人脸检测人脸库图1.1人脸相似度检测系统框图人脸检测与定位，检测图像中是否由人脸，若有，将其从背景中分割出来，并确定其在图像中的位置在某些可以控制拍摄条件的场合，如警察拍罪犯照片时将人脸限定在标尺内，此时人脸的定位很简单证件照背景简单，定位比较容易在另一些情况下，人脸在图像中的位置预先是未知的，比如在复杂背景下拍摄的照片，这时人脸的检测与定位将受以下因素的影响:。