脸部特征定位方法
林维训;潘纲;吴朝晖;潘云鹤
【期刊名称】《中国图象图形学报》
【年(卷),期】2003(008)008
【摘要】脸部特征定位是人脸分析技术的一个重要组成部分,其目标是在图象或图象序列中的指定区域内搜索人脸特征(如眼、鼻、嘴、耳等)的位置.它可广泛应用于人脸检测和定位、人脸识别、姿态识别、表情识别、头部像压缩及重构、脸部动画等领域.近年来,该领域的研究有了较大的发展,为了让相关领域内的理论研究和开发人员对目前的进展有一个全面的了解,将近年来提出的脸部特征定位方法根据其所依据的基本信息类型,分为基于先验知识、几何形状、色彩、外观和关联信息等5类,分别作了介绍,同时,对各类方法的性能作了一些比较和讨论,对未来的发展作了展望.
【总页数】11页(849-859)
【关键词】模式识别(520·2040);脸部特征定位;脸部特征提取
【作者】林维训;潘纲;吴朝晖;潘云鹤
【作者单位】浙江大学计算机系,杭州,310027;浙江大学计算机系,杭州,310027;浙江大学计算机系,杭州,310027;浙江大学计算机系,杭州,310027
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种有效的车牌定位方法——数学形态学和字符边缘特征相结合的车牌定位方法 [J], 严萍; 曾金明
1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面： （1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较
人脸识别系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。
有特点的人脸 一、教学目标： 1、知识目标：通过观察，认识到人的脸型差异。了解人的脸型特点，学习人物正面比例关系“三停五眼”。 2、技能目标：初步学会中国话用笔墨的技法，进行人物画的个性表现。 3、情感目标：运用线条的表现方法，充分展现每个人有个性的造型表现力，从而喜欢上中国画。 二、教学重点与难点： 重点：了解绘画作品中线的运用以及人脸的基本特征。 难点：墨色的浓淡、有特点的人脸创作。 三、教学过程： 导入新课 1、请大家观察图片说说他们都是谁？ （说出图片中的人物的名字飞人范伟、姚明、赵本山、潘长江、李咏、成龙等） 2、请大家说说他们的脸部特征？（学生从脸形、眼、鼻、耳朵、头发等不同来进行区分） 3、欣赏国画肖像并与照片相对比：阿Q、齐白石、观鱼图。（教材第4页）不是只有漫画可以表现有特点的人脸，中国画的写意手法也可以画出生动的人物，今天我们就来学习国画写意人物。 4、你知道我们国家把头部概括成几个基本形吗？
（1）甲字型（2）申字型（3）由字型、（4）田字型（5）国字型（老师引导学生回答并且板书） 并请同学们说出周围的有特点的同学，从学生的熟悉之处入手，引出话题，激发学生的好奇心和学习兴趣。 出示课题：有特点的人脸 他们的五官都有哪些特点？ 5、教师演示（在学生中选模特） 教同学们观察、研究人物头部的基本形、动态、各部位的位置、比例及形象特征。 在制作的过程中要注意各部位的位置，比例准确，形象特征鲜明“国”“申”“田”“由”“甲”等脸形的特点。 6、用比较的方法分析脸部五官的比例，注意“三停五眼”对五官位置正视情况的定位 7、模仿一下我们人类可以模仿出那些表情。 8、人物绘画的步骤。 9、欣赏采用中国画的方法，描绘的人物形象。
人脸特征的定位和提取 摘要：综述了人脸识别的现状。基于几何特征的识别方法，根据人脸图象的灰度特性用投影图和特征描述相匹配的算法初步确定了人脸各部分的位置。然后利用投影法和模板匹配法准确地确定了瞳孔的位置及其它面部特征。实验表明该方法准确率高，运行速度快。关键词：特征定位特征提取类间方差判断分析法模板匹配 人脸识别的研究近几年受到普遍重视，它与指纹识别、视网膜识别等同属于生物特征识别技术范畴。在公安(犯罪识别等)、安全验证系统、医学、视频会议、交通量控制等方面有着巨大的应用前景，因而成为当前模式识别和人工智能领域的一个研究热点。虽然人类能毫不费力地识别出人脸及表情，但人脸的自动机器识别却是一个难度极大的课题。人脸识别的研究已有20多年的历史，最早它和指纹识别一道作为识别罪犯身份的手段。但人脸的结构比指纹要复杂得多，并且受很多因素的干扰：人脸表情的多样性、成象过程的光照、图像的尺寸、旋转及姿势的变化等。即使同一个人，在不同的环境下拍摄得到的人脸图像也可能不同。所以至今人脸识别尚未能取得象指纹识别那样令人满意的结果。还没有通用成熟的人脸自动识别系统出现。1 人脸识别的理论研究及发展现状人脸识别的输入图象通常有正面、倾斜和侧面三种，由于实际情况的要求，对人脸正面模式的研究最多，它的发展可分为三个阶段。第一阶段以Bertillon、Allen 和 Parke 为代表，主要研究人脸识别所需的面部特征。这一阶段工作的特点是识别过程全部依赖于操作人员。第二阶段是人机交互识别阶段。代表有Goldstion、Harmon 和Lesk。他们用几何特征参数来表示人脸正面图象。采用21维特征矢量表示人脸特征，并设计了基于特征表示法的识别系统。第三个阶段是向实用化发展的自动识别阶段。随着高速度高性能计算机的发展，人脸模式的识别方法有了较大改进。目前国内外研究用于人脸识别的方法层出不穷。但根据人脸表征方式的不同，总体上可分为以下三种：基于几何特征的识别方法、基于代数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象识别方法，将人脸用一组几何特征矢量表示，用模式识别中层次聚类的思想设计分类器达到识别的目的。这要求选取的几何特征矢量有一定的独特性，能够消除时间跨度和光照的影响。几何特征矢量是以人脸器官的形状和几何关系为基础的特征矢量，Govindaraju等首先利用模板技术成功地检测出报刊图片的人脸轮廓，Huang 和Chen 利用动态模板技术检测出人脸的各种面部特征。(2)基于代数特征的人脸正面自动识别方法，将人脸用代数特征矢量来表示。代数特征是由Hong等首先提出的,由图象本身的灰度分布确定的，它描述了图象的内在信息，它是通过对图象灰度进行各种代数变换和矩阵分解提取出的。杨静宇等对代数特征的提取进行了较深入地研究。这种方法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人脸的特征，所运用的主要是一些标准的数理统计的技巧，运算比较复杂。(3)基于连接机制的人脸正面自动识别方法，将人脸直接用灰度图(二维矩阵)表征，利用了神经网络的学习能力及分类能力。这种方法的优势在于保存了人脸图象的材质信息和形状信息，同时避免了较为复杂的特征提取工作。但是普遍存在的问题是识别准确率低，过程复杂。本文从构造实际应用系统的角度，采用基于几何特征的识别方法。具体过程是先根据人脸图象的灰度特性用投影图和特征描述相匹配的方法确定人脸各部分的位置。然后利用投影法和模板匹配方法定位了瞳孔的位置，较准确的提取出眼睛的特征。2 算法描述特征选取应保证最有代表性、信息量大、冗余量小，而且要求在一定的干扰下，也能保持一定的不变性和适应性。基于这种要求，借鉴前人研究成果，融合本文的实验，将眉眼距、眼鼻距、眼嘴巴距、嘴巴下巴距、两内眦距、鼻孔距、嘴巴长度、眼睛处的脸颊宽度、鼻子处的脸颊宽度及嘴巴处的脸颊宽度作为人脸识别的主要特征，并且将这10个特征分别与瞳孔距之比形成的特征矢量存入数据库中。对这些特征矢量作矢量归一化处理后，可以有效的避免头部偏转引起的偏差。2.1 预处理与特征定位实验采用400×600×8bit的灰度图
1.2 人脸特征点定位方法综述 目前为止，国内外学者们已经提出了人脸特征点定位的方法[3]，依据定位所需要的基本信息的类型，人脸特征点定位的方法可以大致分为以下六类：(1)灰度信息的方法；(2)先验规则的方法；(3)几何形状的方法；(4)统计模型的方法；(5)小波的方法；(6)3D 方法。 1.2.1 基于灰度信息的方法 几何投影法：几何投影方法是利用人脸特征灰度与其他部分的差异，先统计出不同方向上的灰度值和，根据和的变化找出特定的变化点，然后利用投影灰度值基于统计的方法将不同方向上的变化点位置相结合，找到人脸特征点的位置。投影的方法计算量较低，但当姿态变化较大或者背景较复杂时容易失效。 谷分析：图像中亮度比周围像点暗的区域就称作谷，通过亮度比较的方法，就可以对人脸的各个关键部位如眼睛、眉毛、鼻子、嘴巴等相对较暗的区域进行定位。虽然其受光照影响比较大，但考虑到计算量低的优势也在定位方法中常见。 1.2.1 先验规则的方法 根据人脸特征的一般特点总结出一些经验规则就称作基于先验规则的方法。人脸图像有一些明显的基本特征，比如人脸的长度比例，满足“三庭五眼” ，脸部区域的双眼、鼻子和嘴巴等脸部特征处的亮度一般低于其周边区域；两眼间的对称以及眼睛与鼻子的三角分布规律，都是人脸识别的重要根据。此方法虽然简单，但是远远不能满足复杂的人脸结构的正确定位，于是该方法一般只用于粗定位，精定位还要结合其他的方法来实现。 镶嵌图法：我们可以用一组相同大小的方格去划分图像，每个方格的灰度取格中各像素灰度的均值，根据一定的规则确定哪些可能是人脸的方格区域，将确定的可能存在人脸的方格的变长减半，重新构建镶嵌图，重复第一步的工作，找到眼睛，鼻子，嘴巴等脸部特征所在的位置，然后对这两次得到的脸部区域二值化，利用边缘检测最终精确定位各个特征的位置。
文献综述 1 引言 在计算机视觉和模式识别领域，人脸识别技术（Face Recognition Technology，简称FRT）是极具挑战性的课题之一。近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景。人脸识别技术用于司法领域，作为辅助手段，进行身份验证，罪犯识别等;用于商业领域，如银行信用卡的身份识别、安全识别系统等等。正是由于人脸识别有着广阔的应用前景，它才越来越成为当前模式识别和人工智能领域的一个研究热点。 虽然人类能够毫不费力的识别出人脸及其表情，但是人脸的机器自动识别仍然是一个高难度的课题。它牵涉到模式识别、图像处理及生理、心理等方面的诸多知识。与指纹、视网膜、虹膜、基因、声音等其他人体生物特征识别系统相比，人脸识别系统更加友好、直接，使用者也没有心理障碍。并且通过人脸的表情/姿态分析，还能获得其他识别系统难以获得的一些信息。 自动人脸识别可以表述为：对给定场景的静态或视频序列图像，利用人脸数据库验证、比对或指认校验场景中存在的人像，同时可以利用其他的间接信息，比如人种、年龄、性别、面部表情、语音等，以减小搜索范围提高识别效率。自上世纪90年代以来，人脸识别研究得到了长足发展，国内外许多知名的理工大学及TT公司都成立了专门的人脸识别研究组，相关的研究综述见文献[1-3]。 本文对近年来自动人脸识别研究进行了综述，分别从人脸识别涉及的理论，人脸检测与定位相关算法及人脸识别核心算法等方面进行了分类整理，并对具有典型意义的方法进行了较为详尽的分析对比。此外，本文还分析介绍了当前人脸识别的优势与困难。 2 人脸识别相关理论 图像是人们出生以来体验最丰富最重要的部分，图像可以以各种各样的形式出现，我们只有意识到不同种类图像的区别，才能更好的理解图像。要建立一套完整的人脸识别系统(Face Recognetion System，简称FRS)，必然要综合运用以下几大学科领域的知识： 2.1 数字图像处理技术 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机
第一章绪论 (3) 1.1人脸识别的研究内容及其应用 (3) 1.2人脸识别技术的研究意义 (4) 1.3人脸识别方法的研究 (5) 1.3.1基于特征的人脸识别方法 (5) 1.3.2基于模板匹配的人脸识别方法 (7) 1.3.3其他方法 (8) 第二章图像处理编程语言环境 (12) 2.1 MATLAB7.0的基本功能简介 (12) 2.1.1图像采集与导出 (13) 2.1.2图像分析与增强 (13) 2.1.3图像处理 (13) 2.2基于MATLAB7.0的图形用户界面GUI (14) 2.2.1控件对象及属性 (14) 2.2.2控件对象的描述 (14) 2.2.3控件对象的属性 (15) 2.3 GUI开发环境 (16) 2.4 GUI程序设计 (18) 第三章系统的整体设计 (21) 3.1系统的整体分析与设计 (21) 3.2系统的运行流程图 (21) 3.3系统的详细图像处理功能 (22) 3.3.1读取图片功能 (22) 3.3.2进行增加对比度的功能实现 (23) 3.3.3进行减小对比度的功能实现 (25) 3.3.4对图像进行灰度化处理 (26) 3.3.5二值化处理 (28) 3.3.6图像直方图的显示 (30) 3.3.7进行均衡化处理 (32)
3.3.8恢复原始图像的功能 (34) 3.3.9退出程序功能： (36) 第四章人脸定位功能的设计与实现 (37) 4.1人脸定位功能的设计 (37) 4.2检测算法的流程图 (37) 4.3人脸定位功能的实现 (38) 4.4结论与展望 (45) 致谢 ................................................... 错误！未定义书签。参考文献 ................................................ 错误！未定义书签。附录1：主要英文参考资料及译文........................... 错误！未定义书签。
本科生毕业设计（论文）文献综述题目：人脸特征提取与识别 姓名： 学号： 学院： 专业： 年级：
指导教师：（签名）系主任（或教研室主任）：（签章）
目录 1 前言 (1) 2 人脸特征提取与识别方法 (1) 2.1 基于几何特征的方法 (1) 2.2 基于特征脸的方法 (2) 2.3 局部特征分析LFA方法 (3) 2.4 基于弹性模型的方法 (4) 2.5 神经网络方法 (4) 2.6 其他方法 (5) 3 总结 (5) 致谢： (6) 参考文献： (6)
人脸特征提取与识别 1前言 近年来，Internet和多媒体技术飞速发展，多媒体（包括图像、视频等）数据规模急剧膨胀。为了快速、准确地找到感兴趣的图像或视频，人们提出了基于内容的图像检索(content-based image retrieval，简称CBIR)技术，研究让计算机对图像进行分类和检索的算法。CBIR涉及图像内容表示、相似性度量、高维索引技术等方面。[1]图像内容的表示是需要首先解决的问题。为了实现对图像内容的存取、访问和检索，MPEG-7提出了图像内容描述子的概念，例如颜色描述子、纹理描述子、形状描述子等。 图像颜色内容通常用颜色直方图来表示，纹理特征以纹理模式区分图像，形状特征用于包含特定形状对象的图像检索。颜色直方图（或称为颜色谱）因其简单、有效的性能而在大多数CBIR系统中得到应用，但是颜色直方图对纹理图像的检索效果不好。不同的纹理图像可能有非常相似的颜色直方图。 所谓图像纹理，它反映的是图像的一种局部结构化特征，具体表现为图像像素点某邻域内像素点灰度级或者颜色的某种变化，而且这种变化是空间统计相关的，它由纹理基元和基元的排列两个要素构成。纹理分析方法有统计方法、结构方法和基于模型的方法。 2人脸特征提取与识别方法 人脸识别本质上是三维塑性物体二维投影图像的匹配问题，它的困难体现在：(1)人脸塑性变形(如表情等)的不确定性；(2)人脸模式的多样性(如胡须、发型、眼镜、化妆等)；(3)图像获取过程中的不确定性(如光照的强度、光源方向等)。识别人脸主要依靠人脸上的特征。也就是说依据那些在不同个体上存在的较大差异而对同一个人则比较稳定的度量。由于人脸变化复杂，因此特征表述和特征提取十分困难。 在对人脸图像进行特征提取和分类之前一般需要做几何归一化和灰度归一化。几何归一化是指根据人脸定位结果将图像中人脸变换到同一位置和同样大小，灰度归一化是指对图像进行光照补偿等处理，光照补偿能够一定程度地克服光照变化的影响而提高识别率。 2.1 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸干差万别，因此对这些部件的形状和结构关系的几何描述，可以作为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别，首
基于几何特征的人脸识别 学号：姓名： (上海大学机电工程与自动化学院，200072) 摘要：人脸识别技术作为多学科领域的、具有挑战性的课题，它覆盖了数字图像处理、模式识别、神经网络、数学等诸多学科的内容，同时也具有十分广泛的应用价值。在人脸识别领域，基于几何特征的人脸识别算法因其计算简单、使用有效等特性，引起了人们的广泛注意，并已成为人脸图像特征提取和识别的主流方法之一。本文定位人脸器官，通过人脸面部拓扑结构几何关系的先验知识，利用基于灰度投影的方法在知识的层次上提取人脸面部主要器官特征，将人脸特征用一组几何特征向量表示，识别归结为特征向量之间的匹配。本文工作包括： (1)对灰度积分投影理论进行了详细的介绍和分析。这种方法是目前定位人脸轮廓的主要方法。在此基础上对一种新的在竖直方向上定位人脸左右轮廓的灰度差投影法进行了改进。投影法本质上是一种基于统计的方法，在具体应用时又结合了人脸特征分布的先验知识。这种方法不需要对积分投影图做任何平滑处理等操作，因而算法简单，准确率高，速度很快。 (2)提出了一种精确定位眼睛的方法，该算法将眼区灰度总体分布特点与眼部灰度变化特点相结合，将传统的积分投影法与灰度差累加值投影法相结合，通过大量试验选取合适的参数。试验结果表明，该算法对光照变化不敏感，定位准确率高。运用灰度积分投影结合人脸特征的先验知识定位鼻子，这种定位方法得到的准确率也是比较高的。嘴巴的定位则利用投影法求得。 (3)本文根据定位出来的人脸器官选出七个特征点，即四个眼角点、鼻尖点和两个嘴角点。利用它们构造了十个特征向量，并对其进行归一化运算。图像识别的最后一个过程就是分类，本文采取根据模式相似性的最近距离分类器进行分类。用加权比值函数来计算特征相似度，更适用于人脸图像的识别和计算。如何选择出合适的识别门限是个很复杂的问题，还有待于进一步研究。 关键词：人脸识别；灰度投影；几何特征；特征提取 The Research of Face Recognition Algorithm Based on Geometric Features Student number:15721637 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，computer vision，neural network，psychology，physiology，mathematics and a good many subjects．In the meantime，it also has widely used．In 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 availability．At
人脸识别技术的几个主要研究方向 1 引言 计算机人脸识别是指基于已知的人脸样本库,利用计算机分析图像和模式识别技术从静态或动态场景中,识别或验证一个或多个人脸。通常识别处理后可得到的基本信息包括人脸的位置、尺度和姿态信息。利用特征提取技术还可进一步抽取出更多的生物特征(如:种族、性别、年龄..) 。计算机人脸识别是目前一个非常活跃的研究课题，它可以广泛应用于保安系统、罪犯识别以及身份证明等重要场合。虽然人类对于人脸的识别能力很强，能够记住并辨识上千个不同的人脸，可是对于计算机则困难多了，其表现在：人脸表情丰富；人脸随年龄的增长而变化；发型、胡须、眼镜等装饰对人脸造成的影响；人脸所成图像受光照、成像角度以及成像距离等影响。 计算机人脸识别技术是近20年发展起来的，90年代更成为科研热点，仅从1990 年到1999年之间,EI 可检索到的相关文献多达数千篇，关于人脸识别的综述也屡屡可见[1] 。自动人脸识别系统包括两个主要技术环节首先是人脸检测和定位，然后是对人脸进行特征提取和识别（匹配）。本文着重介绍人脸识别技术的各类方法，通过对比指出各类方法的优缺点及今后的发展方向。 2 人脸检测和定位 人脸检测和定位即对于给定的一幅图像检测图像中是否有人脸,若有则确定其在图像中的位置,并从背景中分割出来。这是个极富挑战性的问题，因为人脸是非刚体，且人脸在图像中的大小和方向以及人的肤色和纹理等方面有很大的可变形。人脸检测问题主要有四种：（1）对于给定的一幅人脸图像，将其中的人脸定位并给出其位置；（2）在一幅混乱的单色场景图中检测出所有的人脸；（3）在彩色图像中检测（定位）所有人脸；（4）在某一视频序列中，检测和定位出所有人脸。文献[2]对人脸检测进行了较为详细的综述，指出常用的人脸检测方法有四种：（1）基于知识的方法；（2）基于人脸固定特征的方法；（3）基于模板匹配的方法；（4）基于外貌的方法（Appearance-based methods），在基于模板匹配的方法中所采用的是预先确定的模板，而在基于外貌的方法中其模板的选择是通过对一系列图像的学习而确定的。一般来说，基于外貌的方法依靠统计和学习技术来找出人脸和非人脸图像的相关特征。在该方法中有特征脸法、基于聚类的方法、神经网络方法和支持向量机的方法。CMU库是常用的人脸检测库，主要的算法评定指标为错误接受率（FAR）和错误拒绝率（ARR）。 3 人脸特征提取和识别 目前大部分研究主要是针对二维正面人脸图像，也有基于三维人脸模型的方法，还有一种所谓的混合系统的身份鉴定系统。 3.1 二维正面人脸识别 在对人脸图像进行特征提取和分类之前一般需要做几何归一化和灰度归一化。几何归一化是指根据人脸定位结果将图像中人脸变换到同一位置和同样大
随机过程 PCA用于人脸识别附Matlab代码 于琦 2011/10/27 学号：2009011149
【摘要】人脸识别技术是近来非常活跃的研究领域，它综合多学科知识，且应用非常广泛。采用主元分析法（PCA）进行人脸识别的经典方法之一。本文利用Matlab在ORL人脸库上实现PCA初步人脸识别，包括图像特征提取、人脸重构与识别方法设计。讨论了用奇异值分解等方法简化特征向量求解，并详细阐述其在Matlab中的实现过程。结合ORL人脸库自身特点，通过对特征值和特征脸的分析进行合理取舍，提高了识别率。 【介绍】“人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。更好的解决该问题将有助于身份确认和身份查找等应用、促进众多学科的发展。” “目前，人脸识别的方法可以分为5类，分别为基于特征脸（PCA）的人脸识别方法，神经网络的人脸识别方法，弹性图匹配的人脸识别方法，线段Hausdorff 距离(LHD) 的人脸识别方法支持向量机(SVM) 的人脸识别方法。其中给予特征脸的人脸识别是传统方法，基于K-L 变换(PCA)的人脸识别方法又叫特征脸方法、本征脸方法（Eigenface），最早由Turk 和Pentland 提出。它有均方误差最小，降维减少计算量，主分量特性稳定等优点。” “由于PCA较之于前几种方法相对简单，故本文对PCA算法进行研究并用Matlab 给出实现。” “本文的结构安排如下：第二章模型（Model）及基本理论和方法（Basic Theory and Method），第三章方法（Method）及方法分析（Analysis of Method），第四章算法（Algorithm）及算法分析（Analysis of Algorithm），第五章数值结果及讨论（Discussion），第六章结论（Conclusion）。 第二章模型及基本理论和方法 采用PCA对原始数据的处理，通常有三个方面的作用—降维、相关性去除、概率估计。下面分别进行介绍： 1.去除原始数据相关性 从统计学上讲，E{[X ? E(X )][Y ? E(Y)]} 称为随机变量X 与Y协方差，记为 ，称为随机变量X 与Y的相关系数。若ρ≠0，则X 与 Cov(X,Y)。ρ= Cov(X,Y) () Y是相关的；若ρ=0，则X 与Y是不相关的。 命题 1 对于矩阵A来说，如果A A T是一个对角阵，那么A中的向量是非相关的。由PCA 处理的人脸库数据的非相关性可以从两点进行说明。 （1）基底的非相关性 特征空间基U=[u1,u2,?,u r?1]是非相关的，即U U T= I 。 （2）投影系数的非相关性 由SVD 可知A={?,?2,?,?M}=UΛV T, 其中φi = x i–m x , m x是均值脸。根
人脸识别项目立项报告（2013-8-23） 一、系统总述 人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。安全性、非接触、直观性、识别速度快不易被察觉。 人脸识别模块以组件形式接入驾培终端，监控机动车驾驶员身份和培训过程中，记录其培训开始时间、培训结束时间、培训时长、培训里程、最高时速、培训阶段等信息，并可通过无线传输方式、USB数据采集方式将培训记录上传到后台管理软件中。 人脸识别模块以组件形式接入行车记录仪，通过卫星定位和无线数据传输对学员、教练员、教练车辆进行实时定位、轨迹回放、定时抓拍、指定抓拍、电子围栏、车辆报警等，保证培训学时的真实性。 二、技术验证 1.测试内容 1)人脸识别误识率 2)人脸识别拒识率 3)人脸识别距离，镜头焦距 4)红外灯光强度对识别率影响 5)车载环境人脸识别安装角度对识别率的影响 6)车载环境阳光对识别率的影响 7)车载环境路面振动对识别率的影响 2.测试环境 8)实验室环境 测试时间：2013年5-6月 测试地点：实验室和华蓝盾模拟车载环境 测试车辆：实验室和模拟车载环境 测试环境：实验室和室内模拟车辆振动，光线，距离等场景 测试目的：确定焦距，红外补偿强度，运算速度等参数。
9)室外车载环境 测试时间：2013年7月 测试地点：北京公交驾校 测试车辆：金龙大客车 测试环境：客车训练车道，包括直行车道、弯行车道、坡行车道以及高速、遂道、云雾、对光背光等场景 测试条件：30秒中进行一次人脸识别。在30秒钟内识别成功，认为人脸识别成功，否则认为人脸识别失败。 3.测试数据 10)室内环境测试数据： 11)室外环境测试数据：
概述 本项目的主要目的是身份证照片与摄像头获取的人脸照片进行比对，确定身份证和目标对象是不是同一个人。 本文项目主要分三个方面，首先是人脸的检测定位；其次是对照片中定位好的人脸进行预处理，处理到适合提取特征值的水平；最后提取特征值比对识别是不是同一个人。系统的大框架如下： 第一步人脸检测定位 确定是否包含人脸,如果包含人脸,则需要确定脸部所在的位置和尺寸。因为获取的都是彩色图像，首先可以进行肤色检测。在检测出肤色像素后,需要根据它们在色度上的相似性和空间上的相关性分割出可能的人脸区域,同时利用区域的几何特征或灰度特征进行是否是人脸的验证,以排除其它色彩类似肤色的物体。这一步流程图如下：
第二步人脸图像预处理 图像处理的目的是为了方便提取人脸的特征值，进而才能比对识别，所以这一步也至关重要。第一，对于分割出的人脸，由于噪声带来失真和降质，在特征提取之前采用滤波的方式来去除噪声是必须的步骤。第二尺度归一化，其思想是将尺寸各不相同的人脸图像变换为统一的标准尺寸图像以便于人脸特征的提取。第三灰度归一化，人脸识别的研究一般以灰度图像为研究对象，对于彩色的脸像,可对其首先进行灰度化处理。第四灰度均衡化，由于在图像采集中光照的改变容易导致图像呈现不同的明暗程度,因此需要对人脸图像进行灰度均衡化处理。灰度均衡化,其作用是增强人脸图像的整体对比度,并使灰度分布均匀,以消除光照变化的影响。流程图如下： 第三步特征提取对比识别 人脸特征提取与识别是人脸识别研究中最为关键的两个问题。人脸特征提取又称人脸描述，是在基于人脸检测定位、归一化等图像预处理的基础上进行的人脸各特征提取的过程，为人脸识别分类打下基础。 在特征提取以后就是人脸识别分类过程，人脸识别分类是整个人脸识别系统的最后一个步骤，其主要任务是根据面部特征的提取结果, 将待测人脸数据进行比较，根据其相似程度判断出待测人脸是否为同一个人。 在人脸识别系统中，由于所提取的人脸特征与特定的识别算法有关，人脸特征提取所采用的技术和方法与人脸识别所采用的技术和方法有着很强的继承关系。因此，将特征提取与人脸识别放在一起讨论才变得有意义。流程图如下：
企业人员定位&人脸识别进出管理 【技术方案】 软件架构： 企业人员定位软件系统架构: 实现定制应用功能，方便快速二次开发, 基于MQTT协议，实现核心功能，以及各模块的数据交互功能基于WIFI，4G和LAN的主干传输网络，基于UWB技术进行位置感知，同时整合Zigbee技术的组件低功耗无线数传网络。 人脸识别进出管理拓扑图:
人脸识别原理结构: 自主研发的人脸识别算法，对前端人脸抓拍相机传输的人脸数据进行建模和结构化，获取人脸特征数据后为和大数据库里的模型比对计算，识别成功的白名单人员信息反馈，联动触发和相机关联的门禁系统，实现开门；识别是失败的黑名单人员，上传联动报警，联动前端报警器或者联动公安系统。
产品特色 “三高一低”位置感知技术 1、高精度 使用3到7G的脉冲信号，达到视距下优于50cm定位精度 2、高并发 单区域支持每秒高达2000个定位标签定位 3、高动态 定位刷新率最快可达100Hz 4、低功耗 普通工作模式标签续航时间3月，智能节电模式续航时间长达6月 部署方式 1、定位系统内网物理部署方式
2、定位系统外网物理部署方式 定位标签简介
定位基站简介
定位软件简介 支持2D、3D 两种地图类型，与定位坐标匹配显示人员位置 提供查看、修改、删除地图等操作 多地图切换，每个地图支持单独绘制区域 以平面视图角度展示现场人员的定位位置及人员信息，自定义设置人员信息 通过部门、区域、卡号、姓名等条件筛选出需要查看的人员位置 轨迹跟踪多人的实时位置轨迹 对区域内的定位标签卡呼叫撤离 回放某段时间内多人在某个区域内的轨迹，支持自定义绘制区域进行轨迹回放 支持回放速率调节,最大16倍速 支持自动跳过无位置数据时间段，可手动开启 应用功能简介 1、电子围栏 ◆2D地图绘制权限区域，设置人员进出权限，违规操作实报警提示 ◆动态电子围栏，定位标签为中心的圆，进入报警提醒 ◆还原现场越界轨迹 2、企业管理 ◆人员管理管理，提供增删改查人员信息的操作，支持上传照片、附件等功能
人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用 随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。 （2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。 （3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。 （4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。 （5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状 当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer Interface Institute，Microsoft Research,英国的Department of Engineering in Uni versity of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：（1）模板匹配 主要有两种方法，固定模板和变形模板。固定模板的方法是首先设计一个或几个参考模板，然后计算测试样本与参考模板之间的某种度量，以是否大于阈值来判断测试样本是否人脸。这种方法比较简单，在早期的系统中采用得比较多。但是由于人脸特征的变化很大，很难得到有效的模板来表示人脸的共性。变形模板在原理上与固定模板相同，但其中包含一些非固定的元素，一种方法是手工构造参数化的曲线和曲面以表征人脸中的某些非固定特征，如眼睛，鼻子和嘴
概述 本项目的主要目的是身份证照片与摄像头获取的人脸照片进行比对，确定身份证和目标对象是不是同一个人。 本文项目主要分三个方面，首先是人脸的检测定位；其次是对照片中定位好的人脸进行预处理，处理到适合提取特征值的水平；最后提取特征值比对识别是不是同一个人。系统的大框架如下： 第一步人脸检测定位 确定是否包含人脸,如果包含人脸,则需要确定脸部所在的位置和尺寸。因为获取的都是彩色图像，首先可以进行肤色检测。在检测出肤色像素后,需要根据它们在色度上的相似性和空间上的相关性分割出可能的人脸区域,同时利用区域的几何特征或灰度特征进行是否是人脸的验证,以排除其它色彩类似肤色的物体。这一步流程图如下：
第二步人脸图像预处理 图像处理的目的是为了方便提取人脸的特征值，进而才能比对识别，所以这一步也至关重要。第一，对于分割出的人脸，由于噪声带来失真和降质，在特征提取之前采用滤波的方式来去除噪声是必须的步骤。第二尺度归一化，其思想是将尺寸各不相同的人脸图像变换为统一的标准尺寸图像以便于人脸特征的提取。第三灰度归一化，人脸识别的研究一般以灰度图像为研究对象，对于彩色的脸像,可对其首先进行灰度化处理。第四灰度均衡化，由于在图像采集中光照的改变容易导致图像呈现不同的明暗程度,因此需要对人脸图像进行灰度均衡化处理。灰度均衡化,其作用是增强人脸图像的整体对比度,并使灰度分布均匀,以消除光照变化的影响。流程图如下： 第三步特征提取对比识别 人脸特征提取与识别是人脸识别研究中最为关键的两个问题。人脸特征提取又称人脸描述，是在基于人脸检测定位、归一化等图像预处理的基础上进行的人脸各特征提取的过程，为人脸识别分类打下基础。 在特征提取以后就是人脸识别分类过程，人脸识别分类是整个人脸识别系统的最后一个步骤，其主要任务是根据面部特征的提取结果, 将待测人脸数据进行比较，根据其相似程度判断出待测人脸是否为同一个人。 在人脸识别系统中，由于所提取的人脸特征与特定的识别算法有关，人脸特征提取所采用的技术和方法与人脸识别所采用的技术和方法有着很强的继承关系。因此，将特征提取与人脸识别放在一起讨论才变得有意义。流程图如下：
百度文库- 让每个人平等地提升自我！ 北方工业大学 本科毕业设计（论文）开题报告书 题目：基于直方图差值比较方法的人脸识别系统指导教师： 专业班级： 学号： 姓名： 日期：2013 年3 月20 日
一、选题的目的、意义
近些年来，有关人脸的处理已受到广大研究人员越来越多的重视，如人脸识别、人脸定位、面部表情识别、人脸跟踪等。人脸处理系统在安全系统的身份认证、智能人机接口、图像监控、视频检索等领域有着广泛的应用前景。 此外在进行人工智能的研究中，人们一直想做的事情就是让机器具有像人类一样的思考能力，以及识别事物、处理事物的能力，因此从解剖学、心理学、行为感知学等各个角度来探求人类的思维机制、以及感知事物、处理事物的机制，并努力将这些机制用于实践，如各种智能机器人的研制。 同时，进行人脸图像识别研究也具有很大的使用价依。如同人的指纹一样，人脸也具有唯一性，也可用来鉴别一个人的身份。人脸图像的自动识别系统较之指纹识别系统、DNA鉴定等更具方便性，因为它取样方便，可以不接触目标就进行识别，从而开发研究的实际意义更大。并且与指纹图像不同的是，人脸图像受很多因素的干扰:人脸表情的多样性;以及外在的成像过程中的光照，图像尺寸，旋转，姿势变化等。使得同一个人，在不同的环境下拍摄所得到的人脸图像不同，有时更会有很大的差别，给识别带来很大难度。因此在各种干扰条件下实现人脸图像的识别，也就更具有挑战性。 人脸图像识别除了具有重大的理论价值以及极富挑战性外，还其有许多潜在的应用前景，利用人脸图像来进行身份验证，可以不与目标相接触就取得样本图像，而其它的身份验证手段，如指纹、眼睛虹膜等必须通过与目标接触或相当接近来取得样木，在某些场合，这些识别手段就会有不便之处。
人脸识别系统解决方案深圳东南创通智能科技有限公司 2018年6月13日 目录
一、概述 1、背景分析 随着我国城镇化进程的加快，城市人口日趋密集，人口流动性也大大增加，社会犯罪率呈逐年升高的趋势。在传统侦查工作方式中，多采用人工排查的方式，要排查重要场所人员身份，和限制外来人员进入固定区域，不仅费时费力，还可能造成遗漏等情况，排查效率大打折扣，同时给公共安全防范和社会维稳工作带来了极大的困难。 为切实解决重点复杂区域社会治理难题，夯实社会稳定和长治久安的基层基础，及高清技术、智能化技术、网络技术的日趋普及与成熟，我司立足实际需求，针对复杂区域流动人口多、身份难以核查、人员来访不易管理的局面，推出人脸识别系统解决方案。 系统采用先进的人脸识别算法，高速芯片作为识别算法的运行硬件平台，通过出入口的身份证信息采集、实时人脸抓拍和人证比对，从而实现人证合一验证。并针对不同场所实现固定人员刷脸通行，访客人员人证比对登记，解决固定人员每次需要刷证或输入密码的问题，人证比对失败人员则需要安保人员或工作人员人工确认后手动放行。 2、设计原则 系统设计遵循技术先进、深度学习算法、性能稳定、节约成本的原则；本系统设计内容是系统的、全面的、完整的、易用的以及符合人机交互的；方案设计具有科学性、合理性、可操作性。
二、系统介绍 1、系统组成 人脸识别系统由人证识别终端、通道闸、人脸识别管理客户端及平台组成。 人脸识别系统拓扑图 2、人脸识别特性 人脸识别系统核心组成部分主要包括人脸图像采集模块、动态人脸定位、人脸识别预处理、身份查找、身份比对、身份确认、执行机构和记录平台等，并通过一脸通平台判断人员身份及权限，开放相应的区域，保留人脸通行记录事件，并根据相应的权限命令各子系统作出响应，例如固定客户通道自动放行，访客只允许进入指定楼层等。 人脸识别一体化终端使用世界领先的人脸检测、识别算法（FDDB与LFW世界前三），将其运行在高性能嵌入式平台中，配合200W像素的摄像头，终端实现人脸检测、人脸跟踪、与人脸识别，并可在屏幕上呈现相应的反馈。 本产品能够同时识别5个人，光线环境良好的情况下最远能识别5米远的人脸，人脸跟踪与检测耗时20ms左右，人脸特征提取耗时200ms左右，人脸比对耗时左右，对光线、戴眼镜等具有较好的鲁棒性。本产品支持多种硬件功能接口，包括串口输入/出，RJ45，具有完善的软件接口，包含：设备管理、人员/照片管理、记录查看等功能。 人脸识别具有如下特性： 1、唯一性:每个人都有一张脸，且无法被复制，仿冒，因此安全性更高。 2、自然性好: 人脸识别技术同人类（甚至其它生物）进行个体识别时所利用的生物特征相同， 其他生物特征如指纹、虹膜不具备这个特征。 3、简单方便:无需携带卡,识别速度快，操作简单便捷。 4、非接触性:无需接触设备，不用担心病毒的接触性传染，既卫生，又安全。 人脸识别率： 3、主要功能