人脸识别改进.doc

湖南省大学生研究性学习和创新性实验计划 项　 目　 申　 报　 表 项目名称:基于单目视觉成员全国大学生电子设计大赛数电的基金机 2015年3月15日晚间，全球瞩目的汉诺威费电子、信息及通信博览会（）在德国开幕。在开幕式上，向德国总理默克尔与中国副总理马凯演示了金服的Smile to Pay脸技术 图1.5 人脸识别系统一般框架 (1)人脸图像的获取 一般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。 (2)人脸检测 人脸检测(FaceDeteetion),就是给定静态图像或者视频,判断其中是否有人脸存在,如果存在,则给出人脸的大小、位置等状态信息。由于受异常人脸的干扰,在人头定位的基础上实现了人脸检测,异常人脸的排除成了这一部分的关键内容。 (3)人脸特征提取 人脸特征提取即提取人脸面部中所具有的特征,它的本质就是将一般的图像数据映射到机器空间中去,以此可以利用模式识别或图像分析的方法进行后续的处理和研究。基于人脸的先验知识,每个人脸特征都有唯一不变性和变化多样性这两个特点,只有充分利用唯一不变性和变化多样性这两个特点才能够进行后面的人脸比对识别操作。 (4)人脸识别 人脸识别指的是对输入的两个人脸图像,利用两个人脸图像的特征参数,采取某种算法进行人脸之间的比对,最终返回人脸比对的结果。 目前,依据人脸比对技术所采用的特征,可将人脸比对技术主要分为两类:(1)基于人脸图像的几何特征比对,(2)基于人脸图像的统计特征比对。前者主要考虑人脸五官所在的相对位置具有不变性和唯一性;后者主要考虑了每个人脸图像的象素数据具有的稳定性和唯一性。 三、解决的主要问题 （1) 图像的采集。采集过程中需要保持人信息的完整性，包括拍摄图像时 要保持拍摄环境的一致性，如光照，拍摄角度等要保持一致；需要保持人脸图像 的姿态，即拍摄正面的人脸图像；并保持拍摄时人脸的表情和配饰的一致性，如 戴或不戴眼睛，是否化妆等等。 (2)人脸识别方法的选择问题。 在进行识别方法的选择时，既要考虑到识别算法的实用性和有效性，又要考虑识别方法的识别效率和准确率的问题。综合考虑现有的人脸识别方法，从中选择适合于本系统需求的人脸识别方法。 (3)需要识别的人脸图像发生变化，如需要识别的人员增加、减少、人员 的相关信息发生变更等问题。 国内外研究现状和发展动态 到现在为止，人脸识前期以Allen和Parke为代表，主要研究人脸识别所需要的面部特征，研究者用计算机实现了较高质量的人脸灰度图模型。这一阶段工作的特点是识别过程 全部依赖于操作人员，显然这不是一种可以完成自动识别的系统。中期是人机交互式识别阶段，代表性工作有:Harmon和Lesk用几何特征参数来表示人脸正面图像。他们采用多维特征矢量表示人脸面部特征，并设计了基于这一特征表示法的识别系统。Kayak Kobayashi则采用了统计识别方法，用欧氏距离来表征人脸特征。但这类方法需要利用操作员的某些先验知识，仍然摆脱不了人的干预。后期是真正的机器自动识别阶段。随着高速度、高性能计 算机的发展，人脸模式识别方法有了较大的突破，提出了多种机器全自动识别系 统，人脸识别技术进入了实用化阶段。 人脸识别技术在世界范围内得到广泛的关注，更多的研究开始集中在基于视频的人脸识别上面。视频下的人脸识别系统主要是针对视频图像序列进行分析处理， 它通常涉及到人脸检测、人脸跟踪、特征提取、人脸识别几个过程。其近些年来，随着计算机计算能力的加强，基于视频流下的人脸识别发展迅速，各种面向复杂应用背景的视频 人脸识别系统也随之涌现。由于基于视频流下的人脸识别系统具有如此大的应用前景，它引起了许多国家的高度关注。国内外众多的大学和研究机构，如美国的CMU MIT UIUC大学、英国的剑桥大学、日本的Toshiba公司和国内的清华 大学、中科院自动化所等单位都对基于视频的人脸识别进行了广泛而深入的研究，尽管基于视频的人脸识别技术取得了很大成果，但在实际应用中还存在很大 的局限性，面临着许多困难与瓶颈，这些问题也决定了基于视频人脸识别技术的发展趋势及今后的研究方向， 本项目学生有关的研究积累和已取得的成绩 研究积累 目前项目取得了一定进展打下基础，1. 通过人脸识别系统项目设计研究在软件方面对算法有了比较深入的了解，在图像处理方面也有了新的突破，在图文信息采集方面也有一定的了解。 2. 我们也基本了解自动检测技术。 3.已进行市场调研，并根据用户需求，对人脸识别进行设计。 、 进行了规划。 项目的技术路线、进度安排及预期成果 技术路线 人脸检测的技术主要是用到基于Adaboost算