基于幾何特征的人臉識(shí)別

1、 基于幾何特征的人臉識(shí)別學(xué)號(hào)： 姓 名：(上海大學(xué) 機(jī)電工程與自動(dòng)化學(xué)院，200072)摘 要：人臉識(shí)別技術(shù)作為多學(xué)科領(lǐng)域的、具有挑戰(zhàn)性的課題，它覆蓋了數(shù)字圖像處理、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、數(shù)學(xué)等諸多學(xué)科的內(nèi)容，同時(shí)也具有十分廣泛的應(yīng)用價(jià)值。在人臉識(shí)別領(lǐng)域，基于幾何特征的人臉識(shí)別算法因其計(jì)算簡(jiǎn)單、使用有效等特性，引起了人們的廣泛注意，并已成為人臉圖像特征提取和識(shí)別的主流方法之一。本文定位人臉器官，通過(guò)人臉面部拓?fù)浣Y(jié)構(gòu)幾何關(guān)系的先驗(yàn)知識(shí)，利用基于灰度投影的方法在知識(shí)的層次上提取人臉面部主要器官特征，將人臉特征用一組幾何特征向量表示，識(shí)別歸結(jié)為特征向量之間的匹配。本文工作包括： (1)對(duì)灰度積分投影理

2、論進(jìn)行了詳細(xì)的介紹和分析。這種方法是目前定位人臉輪廓的主要方法。在此基礎(chǔ)上對(duì)一種新的在豎直方向上定位人臉左右輪廓的灰度差投影法進(jìn)行了改進(jìn)。投影法本質(zhì)上是一種基于統(tǒng)計(jì)的方法，在具體應(yīng)用時(shí)又結(jié)合了人臉特征分布的先驗(yàn)知識(shí)。這種方法不需要對(duì)積分投影圖做任何平滑處理等操作，因而算法簡(jiǎn)單，準(zhǔn)確率高，速度很快。 (2)提出了一種精確定位眼睛的方法，該算法將眼區(qū)灰度總體分布特點(diǎn)與眼部灰度變化特點(diǎn)相結(jié)合，將傳統(tǒng)的積分投影法與灰度差累加值投影法相結(jié)合，通過(guò)大量試驗(yàn)選取合適的參數(shù)。試驗(yàn)結(jié)果表明，該算法對(duì)光照變化不敏感，定位準(zhǔn)確率高。運(yùn)用灰度積分投影結(jié)合人臉特征的先驗(yàn)知識(shí)定位鼻子，這種定位方法得到的準(zhǔn)確率也是比較高的

3、。嘴巴的定位則利用投影法求得。 (3)本文根據(jù)定位出來(lái)的人臉器官選出七個(gè)特征點(diǎn)，即四個(gè)眼角點(diǎn)、鼻尖點(diǎn)和兩個(gè)嘴角點(diǎn)。利用它們構(gòu)造了十個(gè)特征向量，并對(duì)其進(jìn)行歸一化運(yùn)算。圖像識(shí)別的最后一個(gè)過(guò)程就是分類，本文采取根據(jù)模式相似性的最近距離分類器進(jìn)行分類。用加權(quán)比值函數(shù)來(lái)計(jì)算特征相似度，更適用于人臉圖像的識(shí)別和計(jì)算。如何選擇出合適的識(shí)別門(mén)限是個(gè)很復(fù)雜的問(wèn)題，還有待于進(jìn)一步研究。 關(guān)鍵詞：人臉識(shí)別；灰度投影；幾何特征；特征提取The Research of Face Recognition Algorithm Based on Geometric FeaturesStudent number:1572163

4、7 Name:Zhao Pei-pei(Institute of electrical and mechanical engineering and automation, Shanghai University, Shanghai 200072, China)Abstract:the technology of human face recognition as a multi-disciplinary field and challenging psubject which contains digital image processing，pattern recognition，comp

5、uter vision，neural network，psychology，physiology，mathematics and a good many subjectsIn the meantime，it also has widely usedIn the field of face recognition，the method of human face recognition based on geometric features has been paid great attention for its simple calculation and availabilityAt pr

6、esent，it has become one of the dominant methods as the feature extraction and recognitionTMs article locates human face organs，through apriori knowledge of human face topological structure geometrical relationship，making use of method based on construct to extract the features of human face organs，e

7、xpressing human face through a set of geometric feature vectorsThe recognition putting in summary is matched with feature vectorThis paper includes the following parts： (1)Have a detailed introduction and analysis about the theory of greyscale integrated projectionThis method is now the main method

8、of locating human faceWe put forward a new method called greyscale differential projection which is based on the previous method and locating the contour of human face vertical directlyProjection method is essentially based on statisticsIt combines the apriori knowledge of human face feature distrib

9、ution in the applicationThis method neednt to do any pretreatment to the image and any smoothing treatment to the integrated projection imageSo this algorithm is simple；the accuracy is high; the speed is quick (2)Give an introduction about the method of locating eyes preciselyThis algorithm combines

10、 the character of the eye area greyscale totally distribution and greyscale transformation；combines the methods of traditional integrated projection and differential projectionThe experiment led to the fact that this algorithm is not sensitive to the illumination transformation and has a high accura

11、cyUsing greyscale integrated projection combines the apriori knowledge of human face character to locate noseThis location method also has high accuracyThe location of mouth is abtained through projection method (3)The choice of characteristic points needs enough information and cant go so far as to

12、 increase calculation quantityThis article chooses seven characteristic points，namely，four canthus points，tip of nose and two corners of mouth pointsConstruct ten eigenvectors using them and carries on the normalization calculation to themThe last process of image recognition is classificationAfter

13、adopting some standards to extract feature of human images，we construct category separability decision rule according to these characters and design classifierThis article takes use of minimum distance classification to classifyIt iS more suitable for human face recognition and calculation using wei

14、ghing ratio to calculate similarityHow to choose a suitable recognition threshold is a difficult problem and need further researchThis article ascertains it through a good many experiments Key Words：Face Recognition；Greyscale Projection；Geometric Characters；Feature Extraction1. 引言1.1人臉識(shí)別技術(shù)：人臉識(shí)別是一個(gè)活躍

15、的研究領(lǐng)域，是人類視覺(jué)最杰出的能力之一。雖然人臉識(shí)別的準(zhǔn)確性要低于虹膜、指紋的識(shí)別，但由于它的無(wú)侵害性和對(duì)用戶最自然、最直觀的方式，使人臉識(shí)別成為最容易被接受的生物特征識(shí)別方式。應(yīng)用領(lǐng)域：人臉識(shí)別系統(tǒng)在金融、證券、社保、公安、軍隊(duì)及其他需要安全認(rèn)證的行業(yè)和部門(mén)有著廣泛的應(yīng)用。典型應(yīng)用: 1）罪犯調(diào)查 3）重用門(mén)票2）訪問(wèn)控制 4）信用卡 1.2人體生物認(rèn)證技術(shù)人臉識(shí)別是人體生物認(rèn)證技術(shù)的一種，人體生物的生物特征包括生理特征和行為特征兩大類。 人體的生理特征主要包括人臉、指紋、掌紋、掌形、虹膜、視網(wǎng)膜、靜脈、DNA、顱骨等，這些特征是與生俱來(lái)的，是先天形成的； 而行為特征包括聲紋、簽名、步態(tài)、耳

16、形、按鍵節(jié)奏、身體氣味等，這些特征是由后天的生活環(huán)境和生活習(xí)慣決定的。這些生物特征本身固有的特點(diǎn)決定了其在生物認(rèn)證中所起的作用是不同的。生物特征識(shí)別: 人臉 臉部熱量圖 指紋 簽名 Face Face heat figure Fingerprint Signature圖 1Fig.1常用生物特征的比較:生物特征普遍性獨(dú)特性穩(wěn)定性可采集性性能接受程度防欺騙性人臉高低中高低高低指紋中高高中高中高手形中中中高中中中虹膜高高高中高低高視網(wǎng)膜高高中低高低高簽名低低低高低高低聲音中低低低低高低2. 人臉識(shí)別的過(guò)程人臉識(shí)別過(guò)程主要通過(guò)三個(gè)步驟完成，即人臉檢測(cè)、圖像的預(yù)處理、面部特征提取和人臉對(duì)比識(shí)別確認(rèn)及分

17、類器的設(shè)計(jì)，典型的人臉識(shí)別流程圖如下：人臉定位輸出結(jié)果比對(duì)識(shí)別特征提取預(yù)處理圖像獲取人臉檢測(cè)人臉特征人臉庫(kù)圖2 人臉識(shí)別過(guò)程圖Fig.2 Face recognition process 圖像的獲取該模塊從外界獲取圖像作為人臉識(shí)別系統(tǒng)的輸入，通常人臉信息的來(lái)源有以下幾種方式：1）通過(guò)掃描儀對(duì)照片的掃描；2）通過(guò)數(shù)碼相機(jī)對(duì)人臉的拍攝；3）Internet上提供的免費(fèi)數(shù)據(jù)庫(kù)。人臉的檢測(cè)與定位處理分析從圖像獲取模塊輸入的圖像。判斷是否存在人臉，如果存在人臉則找到人臉在圖像中的位置，并且將人臉從背景中分離出來(lái)。獲取的圖像可以是靜態(tài)的，也可以是動(dòng)態(tài)的，可以是彩色的，可以是黑白的，該模塊功能十分重要。圖像

18、預(yù)處理 預(yù)處理主要作用在于盡可能的去除或減少光照、成像系統(tǒng)、外部環(huán)境等對(duì)圖像處理的干擾，為后續(xù)提供高質(zhì)量的圖像，這部分對(duì)圖像進(jìn)行圖像增強(qiáng)、二值化處理，邊緣檢測(cè)，幾何歸一化，為后續(xù)特征提取做好準(zhǔn)備。特征提取該部分完成從經(jīng)過(guò)預(yù)處理模塊處理的圖像提取可以用來(lái)識(shí)別的特征，將原始圖像中的數(shù)據(jù)映射到特征空間中，如何提取有效的特征是該系統(tǒng)的關(guān)鍵。識(shí)別完成人臉的判別工作，給出最后的識(shí)別結(jié)果。3. 人臉器官的定位人臉由眼睛、鼻子、嘴巴和下巴等部件構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得每個(gè)人的臉千差萬(wàn)別，因此這些形狀和結(jié)構(gòu)的幾何描述可以作為人臉描述的重要特征。采用幾何特征進(jìn)行正面人臉識(shí)別一般是通

19、過(guò)提取人眼口鼻的等重要特征點(diǎn)的位置和幾何形狀作為分類特征。人臉輪廓的確定利用灰度差投影法確定人臉輪廓。定義檢測(cè)近似豎直邊緣的灰度差算子為 注釋：對(duì)每一列，計(jì)算每一個(gè)像素與相鄰兩個(gè)像素的灰度差，然后把這一列每個(gè)像素的的灰度差相加，記為v(y)，并在圖像左（右）側(cè)1/3內(nèi)尋最大值，得到v(y)，y為人臉的邊界的位置。為避免豎直頭發(fā)造成人臉偽邊緣，而膚色的灰度值一般要比頭發(fā)的灰度值要大，所以灰度值相加的條件為灰度差累加值圖3 灰度差投影圖Fig.3 Greyscale difference projection注釋：由于人臉上任何一個(gè)特征的豎直邊緣都沒(méi)有面頰的邊界長(zhǎng)，所以面頰的邊界所對(duì)應(yīng)的垂直灰度差

20、的和應(yīng)該是雖大的。即對(duì)灰度差的豎直方向的積分投影圖上，兩端各有一個(gè)最大值，分別對(duì)應(yīng)面頰的兩條邊界線。利用灰度差投影確定人臉輪廓的效果如下圖所示：圖4 灰度差投影法定位后的效果圖Fig.4 Greyscale difference projection image4. 眼睛的定位由于垂直方向和水平方向的定位方法相同，所以在此只討論水平方向的定位。（1） 積分投影的方法 設(shè)I(x,y)表示點(diǎn)(x,y)處的像素灰度值，在區(qū)間x1,x2,y1,y2內(nèi)的垂直積分投影函數(shù)和水平積分投影函數(shù)分別表示為 但實(shí)驗(yàn)發(fā)現(xiàn)，這種方法經(jīng)常受眼區(qū)眉毛或者光線變化帶來(lái)的陰影所影響，產(chǎn)生誤判。所以采用水平積分與水平差分累加相

21、結(jié)合的方法。（2）水平差分累加 在水平方向(經(jīng)過(guò)皮膚眼白瞳孔眼白皮膚)灰度變化較大。在灰度變化突變處進(jìn)行微分，將產(chǎn)生高值，將其絕對(duì)值累加，則灰度變化越大的那一行，累加值越大。在數(shù)學(xué)上可用灰度的導(dǎo)數(shù)來(lái)表示變化，而在數(shù)字圖像中應(yīng)用差分代替導(dǎo)數(shù)運(yùn)算 通過(guò)上式，可將其大小累加，得 一方面，在眼區(qū)進(jìn)行水平積分投影，利用眼部灰度值較小的特點(diǎn)，積分投影值S越小則越可能是眼睛。另一方面，對(duì)水平方向每行進(jìn)行微分投影。利用人臉圖像中眼睛區(qū)域的灰度變化比較豐富的特點(diǎn)，將差分累加值的絕對(duì)值繪制成投影圖，則眼球周?chē)叶戎当容^高，而眉毛周?chē)绕渌课槐容^暗。在水平方向進(jìn)行投影時(shí)，由于眼睛周?chē)叶茸儞Q頻繁，差分后絕對(duì)值累加

22、得到的現(xiàn)值較大。 眼部區(qū)域水平積分投影曲線 眼部區(qū)域水平差分累加值投影曲線 Eye area horizontal integral projection Eye area horizontal difference projection圖5Fig.5定位結(jié)果如下圖：圖6 定位結(jié)果Fig.7 Location result5. 人臉特征向量的構(gòu)造及匹配5.1 特征點(diǎn)的選擇 人臉由眼睛、鼻子、嘴巴、下巴等部件構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個(gè)人臉千差萬(wàn)別，因此對(duì)這些部件的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以做為人臉識(shí)別的重要特征。征向量的構(gòu)造本文選取了人臉識(shí)別的七個(gè)特征

23、點(diǎn)，分別為四個(gè)眼角點(diǎn)、鼻尖和兩個(gè)嘴角點(diǎn)。我們把這7個(gè)特征點(diǎn)共組成了適用于計(jì)算機(jī)識(shí)別的10個(gè)具有尺寸、旋轉(zhuǎn)和位移不變性的距離特征值，依次為：左眼的寬度d1、鼻尖與雙眼連線的垂直距離d2、人臉左右邊界的距離d3、嘴巴的寬度d4、兩眼中心與左嘴角水平距離d5、兩眼外側(cè)的水平距離d6、有眼的外側(cè)眼角與鼻項(xiàng)的水平距離d7、左服的內(nèi)側(cè)服角與鼻頂?shù)乃骄嚯xd8、嘴巴中點(diǎn)與鼻尖的垂直距離d9、鼻尖與嘴角的距離d10。我們將這些距離特征值與眼睛中點(diǎn)到嘴巴中點(diǎn)之間的垂直距離L之比定義為標(biāo)準(zhǔn)化特征向量。圖7 構(gòu)造特征向量的圖像Fig.7 Images to construct feature vectors5.2

24、人臉圖像所構(gòu)造的特征向量圖7 人臉特征向量Fig.7 Face feature vector根據(jù)構(gòu)造的特征向量進(jìn)行歸一化處理，歸一化處理的目的是體現(xiàn)人臉器官分布比例這一幾何特征。特征向量對(duì)于人臉轉(zhuǎn)動(dòng)和圖像大小基本保持不變，從而提高了識(shí)別的準(zhǔn)確率和靈活性。圖8 歸一化后的特征向量Fig.8 Feature vector after the normalization 分類器的設(shè)計(jì)圖像識(shí)別的最后一個(gè)過(guò)程就是分類，分類的輸出僅僅是一種決策，確定每個(gè)物體應(yīng)該歸屬的類別。每個(gè)物體被識(shí)別為某一特定類型，它是通過(guò)一個(gè)分類過(guò)程完成的，分類器的設(shè)計(jì)為分類確定數(shù)學(xué)基礎(chǔ)。分類器本身的各種可調(diào)參數(shù)(識(shí)別門(mén)限等)在分類

25、器訓(xùn)練階段決定。常用的分類器有：(1)最小距離分類器(2)最近鄰分類器(3)貝葉斯分類器(4)支撐向量機(jī)(5)神經(jīng)網(wǎng)絡(luò)分類器 特征相似度的計(jì)算采取最近距離分類法首要是計(jì)算各個(gè)類的相似度。所謂相似度，顧名思義即一個(gè)圖像與另一個(gè)圖像相似的程度。(1)歐式距離歐式距離的定義為 其中，Xi和Ri分別表示待識(shí)別向量和人臉庫(kù)中的特征向量的第i個(gè)分量，n表示總的特征數(shù)。歐式距離是一種很常用的相似度計(jì)算方法，它的好處是簡(jiǎn)單易用而且比較直觀。 識(shí)別門(mén)限計(jì)算待識(shí)別人臉樣本特征向量與樣本庫(kù)中人臉樣本的平均特征向量之間的相似度，相似度大于或等于識(shí)別門(mén)限，則認(rèn)為帶識(shí)別的人臉圖像是屬于同一個(gè)人的；相似度小于識(shí)別門(mén)限，則認(rèn)

26、為待識(shí)別的人臉圖像不是屬于同一個(gè)人的。小結(jié)本文系統(tǒng)地對(duì)基于幾何特征的人臉識(shí)別技術(shù)涉及到的部分關(guān)鍵技術(shù)進(jìn)行了研究和討論，在論述現(xiàn)有方法不足的基礎(chǔ)上，給出了一個(gè)合理的解決方案，提出了改進(jìn)的人臉定位和識(shí)別方法，并通過(guò)試驗(yàn)驗(yàn)證了該方法的有效性及正確性。具體來(lái)說(shuō)，本文所完成的工作包括以下幾個(gè)方面：(1)全面綜述了自動(dòng)人臉識(shí)別的研究意義、應(yīng)用領(lǐng)域，并對(duì)其發(fā)展歷史的三個(gè)階段的研究特點(diǎn)以及代表性方法進(jìn)行了總結(jié)，在此基礎(chǔ)上對(duì)人臉識(shí)別研究的現(xiàn)狀進(jìn)行了闡述，討論了人臉識(shí)別領(lǐng)域目前面臨的主要問(wèn)題和技術(shù)趨勢(shì)。通過(guò)對(duì)近年來(lái)人臉識(shí)別領(lǐng)域的主要工作的回顧，指出這一領(lǐng)域中現(xiàn)存的困難。(2)闡述了圖像預(yù)處理在整個(gè)人臉識(shí)別系統(tǒng)中的

27、重要作用，列出了圖像預(yù)處理的幾種基本方法，并通過(guò)試驗(yàn)方式，給出了處理后的效果圖。又介紹了人臉常用的數(shù)據(jù)庫(kù)及其性能指標(biāo)的評(píng)價(jià)。(3)重點(diǎn)討論了基于幾何特征的人臉定位算法，首先介紹了灰度積分投影確定人臉輪廓，并在此基礎(chǔ)上提出了改進(jìn)方法，利用灰度差投影進(jìn)行投影，通過(guò)試驗(yàn)驗(yàn)證了此方法的準(zhǔn)確定位率。然后詳細(xì)介紹了定位人臉器官的方法，提出了利用灰度投影和三停五眼一法結(jié)合的定位算法，提高了定位的精度和效率。(4)鍆針對(duì)人臉定位出的器官確定了7個(gè)特征點(diǎn)，以此來(lái)構(gòu)造特征向量。采用最近距離分類法，用計(jì)算出來(lái)的相似度與識(shí)別門(mén)限的比較來(lái)確定識(shí)別率。(5)試驗(yàn)結(jié)果表明本文的基于幾何特征的人臉識(shí)別算法有著良好的效果，而改

28、進(jìn)的人臉輪廓定位和器官定位算法的也較標(biāo)準(zhǔn)的算法提高了定位速度和準(zhǔn)確率，并加強(qiáng)了算法的魯棒性。經(jīng)過(guò)試驗(yàn)我們發(fā)現(xiàn)，對(duì)于我們所使用的ORL人臉庫(kù)，要想達(dá)到快速、簡(jiǎn)便的目標(biāo)，采用基于幾何特征的人臉識(shí)別算法是比較好的。這種方法快速簡(jiǎn)單，可滿足弱實(shí)時(shí)應(yīng)用。但由于受到試驗(yàn)所用到的人臉庫(kù)的限制我們無(wú)法對(duì)所有情況都做出同樣高識(shí)別的結(jié)論。并且通過(guò)大量文獻(xiàn)的結(jié)論發(fā)現(xiàn)，要想要對(duì)任何人臉情況都能達(dá)到非常理想的識(shí)別效果就目前的理論技術(shù)還很難達(dá)到。參考文獻(xiàn)1 Chellappa R，Wilson C L，Sirohey SHuman and Machine Recognition of Faces：A Survey2 Pr

29、oceeding of the IEEE,1995，83(5)：7057403 Samal A。Iyengar P九Automatic Recognition and Analysis of human Faces and Facial4 Expression：A SurveyPattern Recognition，1992，25(1)：65775 壬磊基于單樣本正面人臉圖像識(shí)別的研究：上海交通大學(xué)博士學(xué)位論文上海：上海交通大學(xué)，19986 趙海濤，於冬軍基于形狀和紋理的人臉自動(dòng)識(shí)別計(jì)算機(jī)研究與發(fā)展2003，40(4)：5385437 楊健，楊靜宇具有統(tǒng)計(jì)不相關(guān)性的圖像投影鑒別分析及人臉識(shí)別計(jì)

30、算機(jī)研究與發(fā)展2003，40(3)：4474528 周杰，盧春雨，張長(zhǎng)水等基于方向?qū)ΨQ變換的人臉定位方法電子學(xué)報(bào)1999，27(8)：12159 MBichselHuman face recognition and the face image setS topologyCVGIP：Image Understanding1994，59：25426110 Dror I E，F(xiàn)lorer F LNeural networks that recognize facesProceeding of SPIE1995，2485：123-12811 Rowley H A，Baluja S，and Kanade TNeural network_based face detectiollIEEE Trans12 Pattern AnalMachine Intell1998，20(1)：233813 Yang G ZHuman face detection in a complex backgroundPattern Recognit iom 1994。27(1)：53-6314 何斌VisualC+數(shù)字圖像處