電子信息科學(xué)與技術(shù)前沿報(bào)告-

電子信息科學(xué)與技術(shù)前沿報(bào)告姓名:其美多吉學(xué)號(hào):2904201024專業(yè):電子信息科學(xué)與技術(shù)人臉識(shí)別技術(shù).人臉自動(dòng)識(shí)別是一種重要的生物特征識(shí)別技術(shù)，應(yīng)用非常廣泛。人臉識(shí)別具有直接、友好和方便等特點(diǎn)。目前的人臉識(shí)別主要集中于二維圖像之中，要試圖建立一個(gè)魯棒性好的系統(tǒng)仍然是比較困難的。一般基于以下幾個(gè)方法來(lái)研究：第一，對(duì)面部的眼 ，鼻，嘴的外觀特性分析。第二，對(duì)臉部劃分為標(biāo)準(zhǔn)臉譜類型，再進(jìn)行局部分析。第三,針對(duì)人臉的各個(gè)部位溫度的不同，散發(fā)出的紅外光譜的差別來(lái)判斷。第四，在復(fù)雜環(huán)境中，區(qū)別于不同燈光，距離，角度能夠準(zhǔn)確檢測(cè)出人臉。在我國(guó)的第二代公民身份證中不僅存儲(chǔ)了文字信息， 還存儲(chǔ)了個(gè)人的面部照片，以后還有可能將更多的個(gè)人信息如指紋，血型等輸入其中。這其中也包括面部識(shí)別問(wèn)題，不僅有文字信息的匹配，還有圖片的驗(yàn)證。同時(shí)很多的照相機(jī)也加入了人臉識(shí)別功能。 這里用到的人臉就是人臉檢測(cè)技術(shù)。相機(jī)自動(dòng)尋找圖像中的人臉，并自動(dòng)調(diào)節(jié)圖片的構(gòu)圖情況。讓相機(jī)的所有的對(duì)焦和測(cè)光都基于人的臉部進(jìn)行， 針對(duì)人臉狀況調(diào)節(jié)?？梢宰屍胀ǖ挠脩趔w會(huì)到專業(yè)的攝影師的水準(zhǔn)。例如富士公司出品的AVIC完善了臉部識(shí)別技術(shù)的功能。索尼出品的獨(dú)特的微笑快門(smileshutter)技術(shù)，自動(dòng)判斷剎那的臉部微笑，記錄愉快的瞬間。人臉識(shí)別技術(shù)已經(jīng)走進(jìn)了人們的生活，并能更好的服務(wù)于社會(huì)和全球?，F(xiàn)在已經(jīng)有很多相關(guān)的人臉技術(shù)的產(chǎn)品， 但目前的系統(tǒng)對(duì)于采集到的圖像還有一定限制。最好的方法就是用三維信息準(zhǔn)確描述人臉特征，再次提取出剛體特性能夠避免光照和化妝的影響。但其也面臨著一些問(wèn)題，如計(jì)算方法不成熟，海量存儲(chǔ)的困難，所以這還是一個(gè)需要更多創(chuàng)新成分的課題。⑵.文系統(tǒng)組成：根據(jù)FERE的FRVT200報(bào)道，最新的一種應(yīng)用形式是watchlisttask[7].綜合了確認(rèn)和辨認(rèn)兩種技術(shù)。對(duì)未知身份的人圖像輸入庫(kù)中，首先從庫(kù)中利用算法檢索出與之相似的為數(shù)很少的幾個(gè)照片集合，判斷最高相似度的閾值，則在這個(gè)小的子集合中再進(jìn)行一次身份驗(yàn)證，最后確認(rèn)某人的身份。.首先需要對(duì)圖像入庫(kù)處理。存儲(chǔ)時(shí)可以有序或無(wú)序的存入個(gè)人信息。進(jìn)行批量的人臉照片的預(yù)處理和特征提取。 其中預(yù)處理包括圖片的去噪，運(yùn)動(dòng)圖像的模糊度復(fù)原，直方圖均衡，同態(tài)濾波，邊緣檢測(cè)。隨后按照提取特征后圖像的掃描順序?qū)⑻卣髦荡鎯?chǔ)起來(lái)。如果條件允許的話可以備注圖片，姓名，性別，身高，體重，年齡，職業(yè)，身份證號(hào)，電話，地址等等。.使用庫(kù)中的存儲(chǔ)的特征值進(jìn)行運(yùn)算，可以使用多種聚類算法進(jìn)行聚類。本文運(yùn)用模擬退火K均值聚類算法，和遺傳算法對(duì)其進(jìn)行聚類。.輸入一張待檢測(cè)圖片，同樣的要進(jìn)行預(yù)處理。隨后進(jìn)行圖像的人臉檢索，檢索到再定位，定位以后再進(jìn)行剪裁。進(jìn)行特征提取之后，計(jì)算它與所有的聚類中心的相似度。按照制定規(guī)則判別屬于的類別。顯示最相近的一類之后，就可以很容易的判別出結(jié)果。.人臉檢測(cè)：人臉檢測(cè)也可以看做是人臉表征和人臉識(shí)別的基礎(chǔ)和前提。為了確保整個(gè)過(guò)程的準(zhǔn)確性和完整性，需要做到人臉的正確定位和準(zhǔn)確的檢測(cè)。這樣一來(lái)人臉特征就能被更好的表述和提取， 人臉識(shí)別的精度就可以得到保證。這一步的工作做得準(zhǔn)確的話，就可以大大提升系統(tǒng)本身的適應(yīng)性和魯棒性。從模式識(shí)別領(lǐng)域看，人臉檢測(cè)和人臉識(shí)別是作為兩個(gè)對(duì)立的問(wèn)題而彼此存在的。人臉檢測(cè)要先尋找人臉的共同屬性，而人臉識(shí)別是在于發(fā)現(xiàn)不同的人臉之間的差異性?？梢詫⑷四槞z測(cè)問(wèn)題視為是一個(gè)只有兩個(gè)類的分類問(wèn)題，即將圖像分為所謂的臉和非臉。人臉檢測(cè)是從測(cè)試集中識(shí)別一個(gè)具有很大的類內(nèi)可變性的對(duì)象類。其目的是通過(guò)對(duì)大量的訓(xùn)練樣本的學(xué)習(xí)，去減少臉的類內(nèi)可變性，從而增加臉與非臉的類間可變形。但是相對(duì)而言，人臉檢測(cè)的實(shí)現(xiàn)是一個(gè)比較困難的事情?，F(xiàn)實(shí)中，它受很多因素的影響。例如光照，噪聲，姿態(tài)，背景甚至遮擋物的影響。所以，檢測(cè)工作不但要設(shè)法克服這些外在因素帶來(lái)的干擾，予以準(zhǔn)確的定位和檢測(cè)；同時(shí)還要對(duì)外在因素帶來(lái)的不利影響設(shè)法矯正，盡可能的保證檢測(cè)過(guò)程的基準(zhǔn)一致或者大體一致.模板匹配方法簡(jiǎn)介：圖像的匹配可以是整幅圖像之間的匹配，但比較常用的是用一幅較小的圖像與一幅較大的圖像中的一部分相匹配。其目的很明顯的是：一方面確定前圖是否在后圖中存在，另一方面是確定匹配圖像的相應(yīng)位置。圖像匹配中最常用的方法就是模版匹配問(wèn)題。在模版匹配過(guò)程中，如果要檢測(cè)的是某種目標(biāo)，就需要對(duì)目標(biāo)物基本形狀有一個(gè)先驗(yàn)知識(shí)，來(lái)確定合適的模版。一般的，若沒(méi)有先驗(yàn)知識(shí)時(shí)，模版取為正方形。匹配中要完成的工作是將模版在圖上平移和覆蓋計(jì)算相關(guān)值， 相關(guān)值最大就表明此處為匹配最佳位置。對(duì)于設(shè)定的閾值，若計(jì)算出的相關(guān)值大于它時(shí)，就可以認(rèn)定圖像中存在模版要尋找的圖像。如果需要減少模版匹配的計(jì)算量，就要盡可能多的收集先驗(yàn)知識(shí)，另外還可以充分利用模板匹配過(guò)程中，會(huì)出現(xiàn)相鄰域的可能性，適當(dāng)?shù)臏p少重合部分的特點(diǎn)來(lái)減少計(jì)算量。在人臉檢測(cè)中，經(jīng)驗(yàn)證明最常用的和最有效的方法是利用模板進(jìn)行匹配。利用人臉模版與測(cè)試圖像進(jìn)行匹配，以檢測(cè)出人臉。通過(guò)這種方法可以定位臉部的各個(gè)器官位置。.檢測(cè)方法：這里的檢測(cè)方法具體的就是模式相似性測(cè)度的算法選擇。比較常用的計(jì)算方法有歐氏距離，馬氏距離算法，夾角余弦距離，Tanimoto測(cè)度，基于類中心的歐氏距離法，二值化夾角余弦等等。這些算法中，不失一般性的都是先設(shè)定一個(gè)目標(biāo)函數(shù)，計(jì)算各向量之間的相似性。一些文章中常用的方法是通過(guò)相關(guān)函數(shù)的計(jì)算找尋小圖以及其在搜索圖中的坐標(biāo)位置.本章主要完成數(shù)據(jù)庫(kù)的圖像聚類，分別運(yùn)用了動(dòng)態(tài)聚類算法中的K均值算法，模擬K均值退火算法，遺傳聚類算法對(duì)圖像進(jìn)行聚類。同時(shí)對(duì)檢測(cè)圖像進(jìn)行相似度比對(duì)，最終確定類別。可以得出單純的使用K勻值算法花費(fèi)的時(shí)間較短，但是聚類的能力比較差，而對(duì)于模擬K勻值退火算法，遺傳聚類算法其聚類能力較強(qiáng)，相對(duì)花費(fèi)的時(shí)間會(huì)長(zhǎng)一些。.總結(jié)與展望：生物識(shí)別技術(shù)較之于傳統(tǒng)的識(shí)別技術(shù)，有著極大的研究?jī)r(jià)值和市場(chǎng)需求。人臉識(shí)別技術(shù)作為其中一個(gè)重要分支，在識(shí)別領(lǐng)域也扮演著日趨重要的角色。本文考慮集合特征值進(jìn)行初步的聚類，最后再進(jìn)行待識(shí)別圖像與各個(gè)子集的比對(duì)。較之和整個(gè)數(shù)據(jù)庫(kù)的檢.索，效率會(huì)大大提高的。本文的整體設(shè)計(jì)思想是基于此的，并且從實(shí)踐的角度對(duì)這一設(shè)想進(jìn)行深入地探索和實(shí)現(xiàn)。本文的大部分研究都是基于單一的二維靜態(tài)灰度圖像，本文的研究成果包括以下幾點(diǎn)：(1).首先完成了圖像生成技術(shù)。從互聯(lián)網(wǎng)上或一些比較成熟的論壇中得到的國(guó)際公用的圖像樣本包括各種不同的姿勢(shì)，光照，角度。以此作為本文測(cè)試集的基礎(chǔ)組成部分。對(duì)于樣本較少的圖片可以通過(guò)鏡像變換和微度旋轉(zhuǎn)等方法得到了適量的特征集，用以完備測(cè)試集。.為了判斷輸入的待檢測(cè)圖像有無(wú)匹配的必要，就引入了人臉檢測(cè)定位的思想。本文設(shè)計(jì)了一種基于模版匹配的方法，利用Caany算子提取邊緣后再進(jìn)行遍歷搜索，最后裁剪出人臉。.完成了圖片的預(yù)處理和數(shù)據(jù)約減。其中預(yù)處理包括圖片的去噪，運(yùn)動(dòng)圖像的模糊度復(fù)原，直方圖均衡，小波光照補(bǔ)償，同態(tài)濾波等。文中詳述了PC濟(jì)口ICA的約減方法，并將圖片的特征值存儲(chǔ)起來(lái)。最終構(gòu)成數(shù)據(jù)庫(kù)。.使用庫(kù)中的存儲(chǔ)的特征值運(yùn)算，本文運(yùn)用Kt勻值算法，模擬退火K均值聚類算法，和遺傳算法等幾種算法。計(jì)算待測(cè)的特征值與所有的