杂背景中分割出来。其中包括利用眨眼和说话等方法的活体人脸检测方法。
（５）对称性
人脸具有一定的轴对称性，各器官也具有一定的对称性。Ｚａｂｍｄｓｈｋｙ提出连续对称性检测方法，检测一个圆形区域的对称性，从而确定是否是人脸；Ｒｉｅｓｆｉｅｌｄ提出广义对称变换方法检测局部对称性强的点来进行人脸器官的定位。在进行人脸器官定位时都取得了较好的效果。
１．３．６常用人脸识别方法简介
目前国内外研究人脸识别的方法层出不穷，根据人脸表征方式的不同，常用的方法总体可分为以下三种：基于几何特征的识别方法、基于统计特征的识别方法和基于连接机制的识别方法。
（１）基于几何特征的人脸正面图像识别方法
该方法是通过人脸面部拓扑结构几何关系的先验知识，利
用基于结构的方法在知识的层次上提取人脸面部主要器官特
征，将人脸用一组几何特征矢量表示，识别归结为特征矢量之
间的匹配，基于欧氏距离的判决是最常用的识别方法。侧影识
别是最早的基于几何特征的人脸识别方法，主要是从人脸侧面图１．４懊蟛识别
轮廓线上提取特征点入手，如图１．４。一般将侧影简化为轮廓曲线，从中抽取若干基准点，用这些点之间的几何特征来进行识别。由于侧面照片约束很多，所以对侧面人脸的研究已不多。正面人脸识别第一步是合适的归一化，使之不依赖于图像中人脸位置的尺度和旋转变化。识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，其分量通常包括人脸指定两点间的欧氏距离、曲率和角度等。
基于几何特征的识别方法具有存储量小和对光照不敏感等优点。这种方法同样存在一些问题：（１＞从图像中抽取稳定的特征比较困难；＜２＞对强烈表情变化和姿态变化鲁棒性较差：＜３＞造成部分信息丢失，适合于粗分类。
（２）基于统计的人脸正面自动识别方法
包括特征脸方法和隐马尔科夫模型两种方法。统计的识别方法将入脸用代数特征矢量来表示。代数特征是由Ｈｏｎｇ等首先提出的，由图像本身的灰度分布决定，它描述了图像的内存信息，它是通过对图像灰度进行各种代数变换和矩阵分解提出的。将人脸看作一个二维的灰度变化的模板，从整体上捕捉和描述入脸的特征，
山东大学硕士学位论文
＿－｜＿＿●一Ｉ－●＿＿＿＿＿●－－＿＿●●●●＿＿－＿－●＿＿●－－●－＿＿－●＿＿■＿＿＿＿＿＿－＿＿＿＿●＿＿●－●●●●●●＿＿－＿＿－－－－－●●＿＿－●●－＿●＿＿－容错性和鲁棒性等方面取得了一定的进展。神经网络方法在人脸识别上比其他类别的方法有独到的优势，它避免了复杂的特征提取工作，可以通过学习的过程获得其他方法难以实现的关于人脸识别的规律和规则的隐性表达。但应用该方法神经元数目多、训练时间长。
弹性图匹配方法是一种基于动态链按结构的方法。该方法在三维空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。拓扑图的顶点采用了小波交换特征。它对于光纤、尺寸和角度具有一定的不变性，如图１．５和图１．６所示。另外，弹性图匹配能够容忍表情的变化，并在一定程度上能够容忍视角的变化。而这也是弹性图匹配方法优于特征脸方法的原因。
图１．５定义在人脸上的二维拓扑图图１．６表达人脸特征的二维向量场还有一点改进是：向人脸库中加入新的人脸时，运用特征脸方法，可能因为不能保证已有的特征脸的通用性，有可能需要重新计算特征脸，因为不能保证已有的特征脸的通用性，而对于弹性图匹配的方法，则并不需要改变已有的数据，直接加入新的模板数据即可。当然弹性图匹配方法也存在一个明显的缺点：就是需要更大的计算复杂度和存储空间。
１．３．７人脸识别主要商业系统简介
９０年代中后期以来，一些商业性的人脸识别系统开始进入市场。目前，主要商业系统包括：
?Ｖｉｓｉｏｎｉｃｓ公司的ＦａｃｅＩｔ人脸识别系统，该系统基于Ｒｏｃｋｅｆｅｌｌｅｒ大学开发的局部特征分析（Ｉ属Ａ）算法；
?ＬａｕＴｅｃｈ．公司的人脸识别，确认系统，采用ＭＩＴ技术；
?Ｍｌｒｏｓ公司的Ｔｒｕｅｆａｃｅ及ｅＴｒｕｅ身份验证系统，其核心技术为神经网络；
山东大学硕士学位论文
第二章人脸图像的预处理
运用ＰＣＩＡ方法进行人脸特征提取和识别受光照等外部因素影响较大，本章针对这一问题，用改进的直方图均衡化方法和小波分解的方法对人脸图像进行了预处理，很大程度上消除了光照影响，并降低了运算复杂度，节约了时间。
２．１引言
图像在采集过程中，由于受光线等外部环境因素、摄像头和采集卡噪声等内部因素的影响以及在实际处理中需要突出感兴趣的信息，采集到的人脸图像并不能满足识别的要求，因此对输入图像的预处理是图像识别中非常重要的一步。预处理的目的是去除噪声和增强有用的信息，并对输入测量仪器或其他因素所造成的退化现象进行补偿和复原。
由于我们是采用基于Ｋ－Ｌ变换的特征脸方法来进行特征抽取和识别的，因此对输入图像的预处理尤为重要。Ｋ－Ｌ变换作为一种图像的统计方法，图像中所有的像素被赋予了同等的地位，同一人脸在不同的光照角度和强度下的差异反映到特征空间里会有较大的差异。因此角度、光照、尺寸和表情等干扰会导致识别率的急剧下降。比如同一幅人脸在不同光照强度下的成像的差异反映到特征空间中可能会大于不同人脸在相同光照强度下的差异，从而导致误判。同一张人脸在不同光照强度下的成像如图２．１所示。
图２．１不同光照强度下的人脸图像
图像增强是不考虑图像降质的原因，只是将图像中感兴趣的特征有选择的突出，而衰减其他不需要的特征，故改善后的图像不一定逼近原图像。如突出目标
１８