论文部分内容阅读
人脸识别是基于生物特征识别技术的身份认证中最主要的方法之一,基于人脸识别的自动身份认证具有重要的理论意义和应用价值。但是目前高效的人脸自动识别课题仍然是一难题,应用程度上远不如指纹识别、签名识别等,在实际应用中仍有许多问题有待解决。本文在研究了一种准正面人脸识别方法的基础上,利用Microsoft VC++6.0开发工具实现了一人脸认证系统。 主要研究内容如下: 1、复杂背景下人眼自动定位与人脸图像归一化。 包括人脸灰度图像中人眼定位和人脸彩色图像中人眼定位算法的研究。 本文研究了在具有复杂背景的人脸灰度图像中基于人脸几何特征和分割阈值递增的人眼定位方法,无需先找出人脸的位置,即可在人脸灰度图像中直接定位人眼。如果是彩色人脸图像,可以进一步利用彩色人脸图像的人脸肤色特征将人脸与大部分背景区分开来,即首先确定出人脸的大概范围,然后再进行人眼定位,从而提高了人眼定位的准确性和效率。 由于人脸器官位置具有一定的几何比例关系,可以利用定位到的双眼的位置,对人脸图像进行几何归一化;由于环境光线的影响,人脸图像可能在亮暗程度上不一致,因此还需要进行光照归一化,减轻光照条件的变化对识别的影响,经过两次归一化最终得到“归一化标准脸像”。 2、小波分解与积分投影法提取人脸特征。 人脸特征提取是人脸识别中重要的组成部分,其目标是用最少的特征容量来表征人脸,同时要求提取的特征量最大程度地保持不同人脸的可区分能力。本文研究了归一化的标准脸像经过小波分解后的人脸特征在各个子带图像中的表现,以及低频子带图像作为人脸识别特征的优点,研究了基于二层小波分解后低频子带图像与其灰度积分投影相结合的人脸特征提取算法。 3、支持向量机分类器。 SVM是在统计学习理论的基础上提出的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。本文分析了支持向量机的基本原理以及优化设计方法,探讨了初始活跃集的选取问题。研究了基于活跃集迭代法的C3-SVM增量学习算法,并在此基础上研究了针对大规模分类问题的C3-SVM批增量学习算法。 4、人脸识别(认证)系统的实现。 在上述的人眼定位与人脸图像归一化、小波分解与积分投影法提取人脸特征、支持向量机分类器三者结合的准正面人脸认证方法的基础上,本文在WINDOWS环境下设计出了一人脸认证系统。 系统设计思路如下: 使用Microsoft VC++6.0开发工具,建立一个基于MFC的应用程序。添加三个类:CEyeLocation、CFacial_Feature_Extraction、C3_SVM,分别进行人眼定位、特征提取、支持向量机学习和预测。 设计一个人脸数据库,用于进行用户管理、人脸特征的存储以及对学习结果的存储。人脸数据库中存储的并不是原始的人脸图像,而是对人脸图像进行特征提取后的特征向量。 为了使系统能够进行实时的用户认证,要求系统不仅能够从图片文件中读取数据,也要能够连接到CMOS摄像头上,在视频中捕获单帧数据。