人臉識別文檔

分為三類:表1-1各種生物特征識別技術(shù)的綜合比較表1-2人臉識別技術(shù)的應(yīng)用用:儲罪犯照片的數(shù)據(jù)庫中找出最相像的人作為嫌疑犯，極大的節(jié)省了破案的時人臉識別的研究可以追溯到20世紀(jì)60年代末，最早的研究見于文獻(xiàn)。InternationalConferenceonAutomaticFaceandGestureRecognition、InternationalConferenceonImageProcessing、ConferenceonComputerVisionandPatternRecognition等，每年都有大量關(guān)于人臉識別的論文。截自動人臉識別技術(shù)(AFR)就是利用計(jì)算機(jī)技術(shù)，根據(jù)數(shù)據(jù)庫的人臉圖像，分過程(視網(wǎng)膜功能)起到信息轉(zhuǎn)儲作用，即將大量圖像數(shù)據(jù)轉(zhuǎn)換為較為抽象的信息，這一任務(wù)由視網(wǎng)膜中的兩類細(xì)胞完成:低層次的細(xì)胞對空間的響應(yīng)與小波變在人臉識別技術(shù)發(fā)展的幾十年中，研究者們提出了多種多樣的人臉識別方法，但大部分的人臉識別系統(tǒng)主要由三部分組成:圖像預(yù)處理、特征提取和人臉是一對多或者一對一的匹配過程，前者是確定輸入圖像為圖像庫中的哪一個人著人們越來越關(guān)心各種復(fù)雜的情形下的人臉自動識別系統(tǒng)以及多功能感知研究文主要研究人臉的特征提取與分類識別的問題。外人臉識別技術(shù)的發(fā)展和研究成果的同時，將已有的不同的分類方法做一個比點(diǎn)的基礎(chǔ)上，給本文的人臉識別方法提供研究方向。根據(jù)圖像來源的不同，人臉識別技術(shù)可分為兩大類:靜態(tài)人臉識別和動態(tài)人和支持向量機(jī)(SVM)等方法。和模板匹配的方法相比，基于模型方法的模板是通基于幾何特征的識別方法、基于代數(shù)特征的識別方法和基于連接機(jī)制的識別方a.基于幾何特征的人臉識別方法活動輪廓等)的提出，使得人臉的幾何特征描述越來越充分。而且在表情分析方b.基于代數(shù)特征的人臉識別方法方法在實(shí)際應(yīng)用中取得了一定的成功。由于代數(shù)特征矢量(即人臉圖像向各種人臉子空間的投影)具有一定的穩(wěn)定性，識別系統(tǒng)對不同的傾斜角度，乃至不同的這類識別法將人臉直接用灰度圖(二維矩陣)表征，利用了神經(jīng)網(wǎng)絡(luò)(Neural圖像被整體輸入，符合格氏塔(Gestalt)心理學(xué)中對人類識別能力的解釋。與前并行而非串行;編碼存儲方式是分布式。但由于原始灰度圖像數(shù)據(jù)量十分龐大，GraphMatching)方法，以及以上方法的一些綜合方法?；诮y(tǒng)計(jì)學(xué)習(xí)的方法屬圖1-2可以提取的各種人臉特征，圖下方為各種特征的綜合方式為人臉圖像可以提取的特征以及可能的特征綜合方法。5.美國FERET(FaceRecogni第2章基于隱馬爾可夫模型的人臉識別方法與ICA作為統(tǒng)計(jì)理論的信號處理技術(shù)，目的是將觀察到的數(shù)據(jù)進(jìn)行某種線性變?nèi)颂卣鲀H表現(xiàn)在上述組成部分的形狀及其相互連接關(guān)系不同，即可用一個一維HMM(1D-HMM)表示人臉。進(jìn)一步研究表明人臉?biāo)椒较驈淖笾炼ǖ目臻g結(jié)構(gòu)，因此可將沿垂直方向劃分的狀態(tài)分別擴(kuò)充為一個1D-HM和識別的復(fù)雜度也增加了很多，所以考慮繼續(xù)改善其模型結(jié)構(gòu)。支持向量機(jī)(SRM)原理構(gòu)造決策超平面使每一類數(shù)據(jù)之間的分類間隔最大。所以本文使用紹了基于HMM人臉識別方法的基本原理和系統(tǒng)概況;然后分別介紹了基于2.2隱馬爾可夫模型的理論基礎(chǔ)(m,隱馬爾可夫模型是在馬爾可夫鏈的基礎(chǔ)之上發(fā)展起來的。由于實(shí)際問題比b.映射層，它表示每個狀態(tài)對應(yīng)觀測數(shù)據(jù)的映射，可以用狀態(tài)變換矩陣B，∏={J，其中2.2.3隱馬爾可夫模型中的三大問題欲使所建立的隱馬爾可夫模型能解決實(shí)際問題，以下三個問題必須加以解生此觀察序列的概率P{O|λ}?根據(jù)狀態(tài)轉(zhuǎn)移的類型不同，HMM可分為遍歷的(Ergodic)和從左到右的圖2-1幾種典型的馬爾可夫鏈?zhǔn)疽鈭D(a)四狀態(tài)遍歷型馬爾可夫鏈(b)四狀態(tài)由左至右型馬爾可夫鏈2.3基于隱馬爾可夫模型的人臉識別方法概述2.3.1基于HMM人臉識別的基本原理此可將沿垂直方向劃分的狀態(tài)分別擴(kuò)充為一個1D-HMM。垂直方向的狀態(tài)就稱圖2-2用HMM建立人臉模型的基本原理圖2.3.2基于HMM人臉識別的系統(tǒng)概述圖2-3人臉識別系統(tǒng)原理圖圖2.4層次結(jié)構(gòu)的決策原理圖1D-HMM對人臉圖像區(qū)域提取觀察序列，采用條狀窗口從上至下的遍歷掃圖2-5條狀窗口對圖像從上至下的遍歷掃面示意圖圖2-6由左至右依次為頭發(fā),額頭,眼睛,鼻子和嘴對應(yīng)的典型KLT系數(shù)實(shí)的狀態(tài)轉(zhuǎn)移對應(yīng)起來，還必須對用Viterbi算法和K度比較快。最后通過比較概率的大小即可作出決策。2.5基于偽二維隱馬爾可夫模型的人臉識別方法1D-HMM人臉模型的區(qū)別在于它不但能表現(xiàn)人臉從上至下的空間結(jié)構(gòu)，還能表圖2-7塊狀窗對圖像從左到右、從上至下的遍歷掃描示意圖圖2-8壓縮域上人臉識別示意圖采用P2D-HMM進(jìn)行人臉識別時，精確度增加了很多，識別率最高可達(dá)本文將基于HMM的人臉識別方法與其他的人臉識別方法，如特征臉方法(Eigenface)、彈性模型匹配方法(Elasticmatching)、概率決策的神經(jīng)網(wǎng)絡(luò)方法表2-1基于HMM人臉識別方法性能比