关于Gabor小波和人工神经网络的人脸识别.doc

依据 Gabor 小波和人工神经网络的人脸辨认摘要摘要人脸辨认是核算机视觉范畴中十分活泼的一个研讨方向，在图画、生物、工业等民用 范畴及军事范畴中有着广泛的运用，其间以方针特征的获取为难点与要点这篇文章研讨 的意图是前进 Gabor 方针辨认算法的鲁棒性，降低负面要素对辨认作用的影响首要介绍 了常用的分类规矩，剖析了人工神经网络以及 BP 算法的优缺陷给出了一种变步长学习速 率的改善办法，优化了 BP 神经网络，为后文的辨认研讨供给了较好的分类器撑持要害字：神经网络， Gabor 滤波器，特征获取，人脸辨认AbstractThe automatic target recognition is a pop issue in the computer vision area，that has been used abundantly in many fields such as image，biology,industry and SO on，especially in military circles．During ATR’S taches，extracting feature of target image should be the most difficult and important one．The aim of this paper is to enhance the robustness of corresponding Gaboralgorithm andto weaken the effect of negative factors．Firstly,some main classifiers are presented，and some advantage and disadvantage of BP network which belong to the ANNare analysed．An improved method whose step extent shift is given to optimize the BP net，which supplies a better classifier for the next work．Keywords：Neural network，Gabor Jets，Feature extracting，Face recognition 1 序言序言1.1 研讨布景及含义研讨布景及含义人脸辨认是生物特性区分技能的一个首要方向，它触及图画处置，形式辨 认，核算机视觉等多个研究范畴，具有十分广泛的运用远景，多年来一直是一 个研讨热门。

关联于其它人体生物特征辨认技能，如指纹辨认、虹膜辨认、掌 纹辨认，人脸辨认技能是最直接、最天然、最简略被人承受的与其它技能比 拟，它具有侵略性小、较少需求或不需求用户的自动协作、样本收集便利、运 用场合广泛、潜在的数据资源丰富、设备本钱低一级长处[1]人脸辨认体系具 有操作及流程简略、适用面广、撑持一对一或一对多比对、撑持多点一起收集 比对、带有数据库撑持记载及查询功用，对收集现场环境需求较低，可在极短 的时间里区分出进出者的身份是不是合法，根绝运用别人钥匙、暗码、磁卡等 不合法进入人脸辨认技能的安全性、可靠性较高，且具有广泛的市场需求， 它能够运用于公安部门的监犯档案管理、监犯辨认查找、刑侦破案、安全验证 体系、信用卡验证、医学、档案管理、视频会议、人机交互体系、证件核对、 保安监督、门禁操控及至自动柜员机（ATM）等多种场合[2]人脸辨认对人类来说是件天但是然的工作，但对核算机而言，人脸辨认却 远非一个已处置的课题一切的人脸都具有类似的布局，在纹路上也十分附近别的图画受光照、成像视点及成像距离等外界条件影响，具有“一人千面”的 特色，欲树立一种具有各种不变性的描绘模型仍是比拟艰难的。

此外，人脸辨 认技能研讨与关联科学的开展及人脑的知道程度严密关联[3]许多要素都使人 脸辨认研讨变成一项极富挑战性的课题，一方面信息化进程的日益加速，电子 商务、重要场所的安全认证、智能化环境等许多运用范畴对与人脸有关的信息 处置提出了迫切需求；另一方面，硬件和软件技能的开展，为满意实习运用体 系对人脸检测、盯梢及辨认技能的实时化需求供给了能够性[2]所以，人脸辨认的研讨不只触及心理学、生理学、人工智能、形式辨认、 核算机视觉、图画剖析与处置等多个学科范畴，更是形式辨认、人工智能和核 算机视觉的典型事例之一[2]对这一疑问的研讨和处置，有助于对其他方针辨 认疑问的研讨剖析和处置，人脸辨认也因而变成这些根底研讨范畴的重要课题 之一，具有重要的理论研讨价值1.2 国内外研讨现状及开展趋势国内外研讨现状及开展趋势近30年来，人脸自动辨认的研讨获得了很大的开展，从工程索引（EI）上 检索到的关联文献已达数千篇，包含 IEEE PAMI 在内的重要世界期刊也有专栏 乃至专刊报导人脸辨认的最新研讨开展，一起还呈现了专门的世界学术会议， 如人脸手势辨认世界学术会议[1]当前人脸辨认范畴内最闻名的世界研讨机构 包含：美国麻省理工学院媒体试验室及人工智能试验室、南加州大学、CMU 卡 内基—梅隆机器人研讨及交互体系试验室、马里兰大学等。

别的，一些国家或 区域也有不少研讨机构在人脸辨认范畴进行了许多的研讨工作[4]90时代中后 期以来，国内的许多研讨机构在天然科学基金、863方案、攀爬方案等赞助下， 开端了对人脸辨认的研讨其间首要包含清华大学核算机系、自动化系、电子 系以及哈尔滨工业大学、南京理工大学信息学院、中科院自动化所、上海交通 大学图画处置与形式辨认研讨所、中山大学数学系等，他们在人脸辨认研讨范 畴都进行了许多很有含义的测验，积累了经历[5]1.3 人脸辨认的常用办法人脸辨认的常用办法（1）依据几许特征的办法几许特征最早是用于人脸辨认的人脸由双眼、鼻子、嘴巴、下巴等部件 构成，正因为这些部件的形状、巨细和布局上的各种区别才使得世界上每个人 脸千差万别，因而对这些部件的形状和布局联系的几许描绘，能够作为人脸辨 认的重要特征将人脸用一个几许特征矢量标明，用形式辨认中层次聚类的思 维描绘分类器到达辨认意图[6]这就需求挑选的几许特征矢量具有必定的独特 性，能够反映不一样人脸之间的不一样，一起又具有必定的弹性，以消除时间 跨度、光照等的影响几许特征矢量是以人脸器官的形状和几许联系为根底的 特征矢量，其重量一般包含人脸指定两点间的欧式距离、曲率、视点等[6]。

2）依据弹性模型匹配办法弹性模型匹配办法的思维是将人脸上的一些特征点作为基准点构成弹性图， 每个基准点存储一串具有代表性的特征矢量，选用分级布局的弹性图，去掉一 些冗余节点，构成稀少的人脸描绘布局[7]经过测验样本和特征样本的弹性匹配来完结辨认弹性模型匹配办法有许多，例如：在人脸图画上放置一组矩形 网格节点，每个节点的特征用该节点处的多标准 Gabor 起伏特征描绘，各节点 之间的衔接联系用几许距离标明，然后构成依据二维拓扑图的人脸描绘，依据 两个图画中各节点和衔接之间的类似性进行人脸辨认还有将人脸图画标明为 可变形的3D 网格外表，将人脸匹配疑问转换为曲面匹配疑问，运用有限元剖析 的办法进行曲面变形，依据两幅图画之间变形匹配的程度辨认人脸等3） 神经网络办法当前神经网络办法在人脸辨认中的研讨方兴未已Valentin[8,9]提出一种办 法，首要获取人脸的50个主元，然后用自关联神经网络将它映射到5维空间中， 再用一个一般的多层感知器进行区分，对一些简略的测验图画作用较好；Intrator[8,9]等提出了一种混合型神经网络来进行人脸辨认，其间非监督神经网络用于特征获取，而监督神经网络用于分类。

Lee[8,9]等将人脸的特色用六条规矩 描绘，然后依据这六条规矩进行五官的定位，将五官之间的几许距离输入含糊 神经网络进行辨认，作用较一般的依据欧氏距离的办法有较大改善；Laurence[8,9]等选用卷积神经网络办法进行人脸辨认，因为卷积神经网络中集成了相邻像素之间的关联性知识，然后在必定程度上获得了对图画平移、旋转和 有些变形的不变性，因而得到十分抱负的辨认成果神经网络办法在人脸辨认 上的运用比起前述几类办法来有必定的优势，因为对人脸辨认的许多规矩或规 矩进行显性的描绘是适当艰难的，而神经网络办法则能够经过学习的进程获得 对这些规矩和规矩的隐性表达，它的习惯性更强，一般也比拟简略完结4）依据线性和非线性质空间的办法依据子空间的办法是依据图画像素自身的，首要是运用核算模板和图画灰 度的自关联性来完结辨认功用，一般来说模板匹配法要优于依据几许特征法[10] 当前，在许多子空间办法中，运用最广泛的是特征脸法（PCA） ，这是关于人脸 全体特征的研讨，运用 Karhunen-Lobve 改换原理，将图画标明为一些低维的正 交基组成的子空间，然后选用最小距离原则进行人脸辨认线性区分剖析 （LDA）是一种较为遍及的用于特征获取的线性分类办法。

它使投影后的形式 样本的类间散布矩阵最大而类内散布矩阵最小，也即是说，投影后确保形式样 本在新的空间中有最大的类间距离和最小的类内距离，即形式在该空间中有最 佳的可分离性线性区分剖析获取的特征向量集着重的是不一样人脸的区别而 不是照明条件、人脸表情和方向的改动因而，选用此办法对光照条件、人脸 姿势等的改动不太灵敏，然后有助于前进辨认作用可是传统的算法常常遇到 的一个疑问是样本类内散度矩阵一般是奇特的，即“小样本调集疑问” 关于这 一疑问已有了许多改善办法并获得了极好的辨认作用独立重量剖析（ICA） 是一种很有用的获取办法与 PCA 比拟，ICA 有两个优势：一是 ICA 获得的 独立重量不需求满意正交联系，能够消除象素间的高阶核算关联性，而 PCA 只 能消除象素间的二阶核算关联性；二是 ICA 获得的一组矢量比本征矢量更具空 间有些描绘性，具有十分好的人脸描绘才能学习 SVM 的 Kernel 办法， PCA、LDA 和 ICA 等都被扩大到了核空间与线性质空间办法比拟，依据 Kernel 的办法获得了十分好的辨认作用[11,12]5）其他办法Brunelli 等对模板匹配办法作了许多试验，成果标明在标准、光照、旋转视 点等各种条件安稳的情况下，模板匹配的作用优于其他办法，但它对光照、旋 转和表情改动比拟灵敏，影响了它的直接运用。

Goudail 等人选用有些自关联性 作为人脸辨认的区分依据，它具有平移不变性，在脸部表情改动时比拟安稳 在近来的一些工作中，Benarie 等提出 VFR 的标明布局并将它用于人脸辨认的 工作中，Lam 等人研讨了不一样视点下的人脸匹配和辨认疑问，Vetter 等人评 论了由单幅人脸图画生成其他视点的人脸图画的能够性，Mirhosseini 等则探讨 了多种信息交融的人脸辨认办法[13]2 Gabor 特征特征获取算法的完结获取算法的完结2.1 Gabor 小波简介小波简介因为 Gabor 特征对光照、姿势具有必定的鲁棒性[7,13]，因而 Gabor 特征在 人脸辨认范畴的运用十分广泛，当前已经变成了最为干流的人脸特征抽取办法 Gabor 特征具有杰出的空间有些性和方向挑选性[7,13]，能够极好的描绘图画的纹 路信息，因而许多人脸辨认算法都选用 Gabor 特征作为辨认特征EGM 是最早运用 Gabor 特征进行人脸辨认的算法之一，该算法仅对人脸图 画中有些要害特征点进行 Gabor 改换，并将人脸描绘为以这些特征点方位为极 点、以其 Gabor 改换系数为极点特色、以其要害点方位联系为边特色的特色图， 然后将人脸辨认疑问转化为图匹配疑问。

经过合理的挑选特征点的方位，弹性 图能够极好地一起对人脸的要害有些特征及其它们之间的联系进行建模，然后 既运用了人脸的图画亮度散布特征，又运用了脸部布局信息。