人臉識別人工智能系統(tǒng)的原理與發(fā)展及人臉識別系統(tǒng)的研究與實現(xiàn)

[18]，包括CDlgAddPerson、CDlgHMMP和CFaceRecognitionDlg，相應包含的函數(shù)成員情況及其各自的作用介紹如下：類CDlgAddPerson：用于實現(xiàn)人員管理窗口。其中包含的函數(shù)成員有：CDlgAddPerson(CWnd*pParent/*=NULL*/)用于加載人員管理對話窗口圖標DoDataExchange(CDataExchange*pDX)實現(xiàn)人員數(shù)據的傳遞，OnInitDialog()用于新窗口的初始化，OnAddPerson()和OnDelPerson()增刪成員，UpdatePersonList()人員列表的更新，OnClickListPerson(NMHDR*pNMHDR,LRESULT*pResult)選擇列表成員，OnAddImage()和OnDelImage()增刪人臉圖像，UpdateImageList(intiPerson)更新人臉圖像數(shù)據，OnTrain()訓練人臉圖像，OnClose()關閉窗口。類CDlgHMMP：用于實現(xiàn)HMM參數(shù)設置的窗口。其包含的函數(shù)成員有：CDlgHMMP(CWnd*pParent/*=NULL*/)用于加載HMM參數(shù)設置窗口圖標，DoDataExchange(CDataExchange*pDX)實現(xiàn)HMM參數(shù)的傳遞，OnInitDialog()參數(shù)設置窗口初始化，OnCmdMsg()選擇并編輯狀態(tài)數(shù)，OnOK()參數(shù)修改確認。類CFaceRecognitionDlg：用于實現(xiàn)人臉識別的窗口。其中包含的函數(shù)成員有：CFaceRecognitionDlg(CWnd*pParent/*=NULL*/)用于加載人臉識別窗口圖標，DoDataExchange(CDataExchange*pDX)數(shù)據傳遞，OnInitDialog()人臉識別窗口初始化，OnPaint()人臉圖像顯示區(qū)域設置，OnQueryDragIcon()光標設置，OnRecognize()人臉識別，OnBrowse()瀏覽并輸入人臉圖像，DisplayPic(CStringlpImageFile,HWNDhWnd,intnScrWidth,intnScrHeight)裝載并瀏覽圖像，OnPersonManage()人員管理窗口，UpdateResultList()更新識別結果，OnSetHmmp()參數(shù)設置窗口。詳細的程序源代碼參見附錄B。

第5章系統(tǒng)的測試與分析5.1人臉識別系統(tǒng)5.1.1系統(tǒng)測試訓練部分，對輸入的人臉圖像進行采樣，并對每個采樣窗進行檢測，構成觀察向量序列；設定EHMM的超狀態(tài)數(shù)、每一個超狀態(tài)中嵌入HMM的狀態(tài)數(shù)、二維余弦變換系數(shù)、Delta、OBS、最大迭代次數(shù)和混合高斯次數(shù)；根據超狀態(tài)的個數(shù)和每一個狀態(tài)內嵌入狀態(tài)的個數(shù)以及模型的結構，將人臉均勻分割；根據狀態(tài)數(shù)和圖像均勻分割后等到的觀察向量，初始化EHMM參數(shù)；通過雙重嵌套的Viterbi算法，對圖像重新進行分割；用Baum-Welch算法重估模型參數(shù)。當前后兩次的迭代誤差小于每個閾值時，迭代停止，訓練完畢。人臉訓練過程如圖5.2所示。圖5.2人臉訓練過程識別部分，人臉識別時首先根據待識別人臉圖像構造觀察向量序列，然后計算每一個訓練模型產生該序列的最大似然值，具有最大似然值的模型即為待識別人臉圖像所屬對象。人臉識別過程如圖5.3所示。圖5.3人臉識別過程本實驗對Yale人臉庫進行訓練和識別，取該庫人員中的4人，每人有4張不同的表情照片，顯示的結果是相似度最大的三個人員信息。（1）測試一表5.1測試一識別結果編號名字相似度第一相似度第二相似度第三識別結果0AAIC正確1BBIL正確2CCIJ正確3DDJC正確4EELB正確5FFLJ正確6GGJC正確7HHCJ正確8IICO正確9JJCL正確10KKJF正確11LLJF正確12MMCJ正確13NNCD正確14OOIC正確取每人的前10張表情進行訓練，最后一張進行識別，識別結果如表5.1所示。（2）測試二取每人的前6張表情進行訓練，對剩下的5張表情進行識別，識別結果如表5.2所示。表5.2測試二識別結果名字待識別圖像相似度第一相似度第二相似度第三識別結果As7.bmpICO錯誤s8.bmpAIF正確s9.bmpACI正確s10.bmpAIF正確s11.bmpAIC正確Bs7.bmpOBI錯誤s8.bmpBIC正確s9.bmpBIO正確s10.bmpBLC正確s11.bmpBIL正確Cs7.bmpCOL正確s8.bmpCIA正確s9.bmpCIJ正確s10.bmpCJI正確s11.bmpCIJ正確Ds7.bmpCOJ錯誤s8.bmpDJC正確s9.bmpDJC正確s10.bmpDJC正確s11.bmpDJC正確Es7.bmpCOL錯誤s8.bmpELB正確s9.bmpELH正確s10.bmpELB正確s11.bmpELB正確Fs7.bmpFLC正確s8.bmpFLJ正確s9.bmpFNL正確s10.bmpFLN正確s11.bmpFLJ正確Gs7.bmpGCM正確s8.bmpGOJ正確s9.bmpGJO正確s10.bmpGJO正確s11.bmpGJC正確Hs7.bmpLOC錯誤s8.bmpHCJ正確s9.bmpHJC正確s10.bmpHOM正確s11.bmpHCJ正確Is7.bmpILF正確s8.bmpIOC正確s9.bmpICO正確s10.bmpIOC正確s11.bmpICO正確Js7.bmpJCL正確s8.bmpJCH正確s9.bmpJCH正確s10.bmpJCD正確s11.bmpJCL正確Ks7.bmpKJD正確s8.bmpKJD正確s9.bmpKJF正確s10.bmpKHJ正確s11.bmpKJF正確Ls7.bmpLFI正確s8.bmpLJC正確s9.bmpLJF正確s10.bmpLJF正確s11.bmpLJF正確Ms7.bmpMGO正確s8.bmpMJH正確s9.bmpMCI正確s10.bmpMCH正確s11.bmpMCJ正確Ns7.bmpIOC錯誤s8.bmpNDJ正確s9.bmpNCJ正確s10.bmpNDF正確s11.bmpNCD正確Os7.bmpOIC正確s8.bmpOIC正確s9.bmpOIC正確s10.bmpOIC正確s11.bmpOIC正確5.2.2結果分析測試一的正確識別率為100%，測試二的正確識別率為：。對識別錯誤的圖像進行分析，可以發(fā)現(xiàn)都是s7.bmp，這些圖像都是在光線較暗時的臉部表情。通過對測試一與測試二的結果分析，我們發(fā)現(xiàn)為了保證高識別率，應訓練盡可能多的圖像，特別是光線較暗的圖像。很多算法要求光照合適，攝像機到人臉保持一定距離，不佩戴飾物，以及面部表情少等等。而基于隱馬爾可夫模型的方法不受這些條件的限制。盡管Yale人臉數(shù)據庫的圖片具有面部表情變化、尺度變化等的多樣性，本文提出的方法在該數(shù)據庫上仍取得了90%以上的識別率。

第6章總結與展望6.1總結本文設計了是基于靜態(tài)人臉庫的人臉識別系統(tǒng)。人臉識別系統(tǒng)的主要目的是通過計算機提取人臉的特征，并根據這些特征進行身份驗證。本文所設計的人臉識別系統(tǒng)主要是基于EHMM模型，主要兩個部分，人臉訓練部分與人臉識別部分。使用了微軟公司提供的一個類庫MFC來設計程序窗口，并結合OpenCV庫完成了人臉識別系統(tǒng)的設計與實現(xiàn)。訓練部分是指添加人臉數(shù)據庫以后，提取人臉特征，生成每人的EHMM模型的過程。用戶點擊界面按鈕向程序發(fā)出命令，通過主消息函數(shù)部分程序，系統(tǒng)調用相應的函數(shù)實現(xiàn)訓練功能。添加人臉圖片到人臉庫以后，點擊訓練按鈕，當前人的人臉圖像將被訓練，得到該人的EHMM模型。訓練函數(shù)部分從人臉數(shù)據庫中實現(xiàn)圖片的讀取，然后調用人臉訓練核心函數(shù)進行訓練，得到EHMM模型數(shù)據，為識別人臉信息提供依據。人臉識別程序主要完成對待識別人臉圖像與人臉庫中圖像的匹配識別，在程序的設計過程中，識別程序與用戶的交互同樣通過主消息函數(shù)來完成，我們在MFC的框架類CMainFrame中添加消息響應函數(shù)，用戶通過點擊界面上的功能按鈕啟動識別程序，對各變量進行初始化，調用識別核心代碼，并將識別出來的人的信息顯示出來。設計根據一種基于隱馬爾可夫模型的人臉識別方法，采用二維離散余弦變換系數(shù)作為觀察向量，在Yale人臉數(shù)據庫上實驗獲得了超過90%的識別率，這也是我們所知道的在這一數(shù)據庫上比較好的的識別結果。如果能增加人臉圖像訓練量，相信會獲得更高的識別率。我們認為，人臉應當作為一個整體來描述，不僅僅包括各個器官的數(shù)值特征，還應當包括各個器官的不同表象和相互關聯(lián)。我們選擇隱馬爾可夫模型的合理性在于，可以將同一個人的面部表情變化、姿態(tài)變化等的豐富表現(xiàn)看作是同一組狀態(tài)產生的一系列實現(xiàn)，它們對應的是同一個HMM模型，而不同的人我們用不同的HMM來表現(xiàn)。利用隱馬爾可夫模型對人臉進行描述和識別，我們就不是孤立地利用各個器官的數(shù)值特征，而是把這些特征和一個狀態(tài)轉移模型聯(lián)系起來。6.2展望人臉檢測和識別是一個遠未成熟的學科領域，雖然在過去的幾十年里，研究人員在人臉檢測與人臉識別方面取得了一系列的成果，但仍然沒有在本質上有很大的突破。由于時間有限，再加上本人知識結構和理論功底上的欠缺，本文所用的思想和方法也一定存在著錯誤與不足之處。目前的人臉識別系統(tǒng)大多是非智能或智能化不夠的，需要管理員的操作，而且對目標人臉的要求也比較高，當采集的人臉圖像表情、光照、背景發(fā)生比較大的變化時，系統(tǒng)的識別率會降低。因此，為了達到更好的應用目的，人臉識別算法的研究工作仍要繼續(xù)，我認為對本課題更進一步的研究應該從以下幾個方面著手進行：（1）人臉的自動分割。人臉識別技術應該包括復雜背景下人臉的定位和分割，以及人臉的識別兩方面的工作。要想使人臉識別技術得到更為廣泛的發(fā)展和應用，首先必須解決人臉自動分割的問題。而人臉的自動分割同樣是一個富有挑戰(zhàn)性的研究課題。（2）人臉的三維模型。人臉是一個三維物體，因而獲取人臉的三維信息并利用它進行識別必將是人臉識別技術發(fā)展的最終目標和解決途徑。（3）運用自適應光照補償方法，對圖像進行更好的光照補償，使之有利于后續(xù)處理。

參考文獻（美）布拉德斯基（BradskiG.），（美）克勒（KaehlerA.），于仕琪，劉瑞禎．學習OpenCV（中文版）[M]．清華大學出版社，2009：601.張宏林．VisualC++數(shù)字圖像模式識別技術及工程實踐[M]．北京：人民郵電出版社，2003．劉瑞禎，于仕琪．OpenCV教程（基礎篇），北京：北京航空航天大學出版社，2007：243-402．SonkaMilan，HlavacImage．Processing，AnalysisandMachineVision[S]．VaclavNelsonEngineering，2007-04．邊肇祺，張學工．模式識別(第二版)[M]．北京：清華大學出版社，176-228．周長發(fā)．精通VisualC++圖像處理編程[M]．北京：電子工業(yè)出版社，130-163，2004．(美)SaraFord著,謝俊譯．VisualStudio程序員箴言[M]．北京：人民郵電出版社，2010．黃朝興．人臉識別系統(tǒng)的研究與實現(xiàn)[D]．碩士學位論文，四川:西南交通大學，2006．楊靖宇，金鐘，郭躍飛．人臉圖像有效鑒別特征抽取與識別，南京理工大學學報，2000，24(3)：193-198．YangGZ，HuangTS．Humanfacedetectioninacomplexbackground[J]．PatternRecognition，1994，27(1)：53~63．李華勝，楊樺，袁保宗．人臉識別系統(tǒng)中的特征提取[J]．北京交通大學學報，2001，25(2)：4．PamplonaSegundoM，SilvaL，BellonOR．Automaticfacesegmentationandfaciallandmarkdetectioninrangeimages[J]．IEEETransSystManCybern，2010，40(5)：1319~1330．李培華．序列圖像中運動目標跟蹤方法[S]．科學出版社，2010-04．JianlinWang，YinshengYang．AMovingObjectDetectionAlgorithmbasedonBackgroundSubtractionModel[A]．Proceedingsof20113rdIEEEInternationalConferenceonInformationManagementandEngineering(ICIME2011)VOL．03[C]．2011．A.V.Nefian，M.H.Hayes.HiddenMarkovModelsforFaceRecognition[J],ICASS2006,pp:2721~2724.ChunleiShi，LongxuJin，KeZhang．FaceDetectionBasedonSkinColorSegmentationandAdaBoostAlgorithm[A]．Proceedingsof20113rdIEEEInternationalConferenceonInformationManagementandEngineering(ICIME2011)VOL.01．2011-05-21．Yan