《6应用人脸识别.ppt

第七章 人脸识别 1 人脸识别问题 2 人脸识别系统 3 人脸图像的主成分特征 1） 人脸识别 人脸识别指计算机自动人脸识别，是近年来随着计算机、图像处理、模式识别等技术的迅速进步而出现的一种崭新的生物特征识别技术。生物识别技术是依靠人体的身体特征来进行身份验证的一种高科技识别技术。人的指纹、掌纹、眼虹膜、声音、DNA以及相貌等人体特征具有人体所固有的不可复制的唯一性、稳定性。随着计算机技术的迅速发展，人们开发了指纹识别、声音识别、掌形识别、签名识别、眼纹（视网膜）识别等多种生物识别技术。目前许多技术都己经成熟并得以应用。 ORL人脸数据库是人脸识别研究中用得最多得人脸数据库，它可以从互联网上免费下载获得（/facedatabase.html）。该数据库由40 个人的400 幅人脸图像构成，图像的分别率为92 ×112 ，为灰度图像。人脸的面部表情和细节均有很大的变化，例如笑与不笑，眼睛睁着或戴眼镜或不戴眼镜等；人脸姿态也有很大的变化，其深度旋转和平面旋转可达20 度，人脸的尺寸也有最多10％的变化。 Yale的人脸数据库也是人脸识别研究中常用的数据库之一， Yale人脸数据库中的人脸图像具备光照和表情的变化，人脸的姿态视角不变，全部是正面人脸图像。光照变化是Yale人脸数据库的主要特点。Yale的人脸数据库容量比较小，只包括11 个人的165 幅各种光照和表情的人脸照片（包括正面光照，左面光照，右面光照，戴眼镜，不戴眼镜，高兴，正常，伤心，欲睡，惊奇和眨眼等）。它也可以从互联网上免费下载获得（/projects/yalefaces）。 AR人脸数据库是普渡大学机器人视觉研究中心的Aleix教授和Benavente教授建立的，它也是人脸识别研究中用得比较多的数据库之一。AR数据库共包括126 个不同的人（70 个男性，56 个女性）的4000 多幅人脸图像，每个人大约26 幅左右，图像为24 位彩色图，分辨率为768*576（宽*高）象素大小，格式为RAW格式。AR数据库中的人脸图像是正面的人脸图像，具备表情、光照和遮挡等的变化，表情变化和遮挡是这个数据库的主要特点之一。该数据库不仅可以用于人脸识别，而且还可以用于表情识别。使用者只需要在互联网上进行（/~aleix/aleix_face_DB.html）简单的注册，就能够获得该数据库。 世界上最大的人脸数据库，它是由美国国防部为了促进人脸算法的深入研究和实用化，发起人脸识别技术工程而建立的。包括一个通用的人脸数据库和一整套的测试标准。库中的人脸图像具有不同的姿态视角、表情和光照等的变化，目前每两年一度的人脸识别竞赛主要就采用这个人脸数据库作为评测标准。与其他的一些人脸数据库不同的是，该数据库每个人的人脸图像不仅包括姿态角度、表情和光照等的变化，而且还包括时间间隔的变化，最长的时间间隔达3 年之久。FERET 人脸数据库包括数千人的几万幅人脸图像，而且还在不断地扩充。 主成分分析作为一种经典的多元统计分析方法，尽管对它的研究可谓源远流长，但将其用于解决人脸识别问题却是最近十几年的事。直到二十世纪九十年代初，M.Kirby和L.Sirovich讨论了利用PCA进行人脸图像的最优表示问题。接着M.Turk和A.Pentl 探讨了这种表示的物理意义。他们惊奇的发现，PCA特征矢量在还原成图像矩阵时，竟然是一张张标准化的人脸！称其为特征脸，采用PCA变换表示人脸的本质被揭示了出来，这样，任一人脸通过若干个特征脸加权叠加来表示。然后利用这些加权系数向量作为人脸的特征进行分类识别。这就是著名的特征脸（Eigenfaces）方法。 人脸图像的归一化，目的在于使在不同成像条件（光照强度、方向、距离、姿势等）下拍摄的同一个人的图像具有一致性，使得人脸图像标准化。良好的归一化，会有效增强系统对成像过程不确定性的抵抗能力。 归一化包括两个方面的内容，一是几何归一化，也称为位置校准，它将有助于解决由于成像距离和人的姿势造成的人脸尺寸和歪头角度上的差异。二是灰度归一化，它用来对不同光强、光源方向下得到的图像进行补偿，以减弱单纯由光照变化造成的图像信号的变化。光照补偿能够一定程度上地克服光照变化的影响而提高识别率。经过上述处理，将得到所谓的“标准图像”，后面的特征提取和设计环节都是基于标准图像进行的。 几何归一化的目的在于解决尺度和旋转问题，具体包括平面旋转矫正（歪头）、深度旋转矫正（扭脸）、尺度归一化和掩模四个环节。严格深度旋转矫正需要利用人脸3D模型。 （1）人脸图像旋转：保证了人脸方向上的一致性 （2）人脸图像裁减：人脸位置的一致性 （3）图像尺度变换：保证人脸大小的一致性 人脸图像经过几何校准，不仅在一定程度上获得了人脸表示的几何不变性，而且还消除了头发、胡子和背景等的干扰。 人