数字图像处理在人脸识别中的应用(2)

国内关于人脸识别技术的研究虽然起步较晚,但近年来发展很快,已经成武汉理工大学硕士学位论文为研究的热点。目前,国内人脸识别理论和方法的研究水平已经达到或接近国际水平,相关的人脸识别产品也开始问世。国内生产人脸识别产品的企业,主要有四川成都的银晨公司和吉林长春的当代公司,其产品主要应用于安全防范、访问控制、治安管理和信息安全等领域。清华同方和东大阿尔派也都分别推出了用于犯罪嫌疑人计算机画像的“人像合成系统”。并且,清华大学电子工程系于2005年1月研制成功一套大型人脸识别系统并通过了公安部组织的专家鉴定,达到国内领先水平和国际先进水平。

然而,人脸识别技术本身还有待进一步发展,现有的人脸识别方法对于人脸姿态变化、光照、表情、遮挡、年龄、模糊等一系列实际情况的鲁棒性还需进一步提高。另外,由于人脸识别技术的实际应用实时性要求比较高,因此需要设计更高效的识别算法。还有,在计算机人脸识别系统中,人脸库的存储也是一个必须考虑的问题。

从提高人脸识别系统实用性能的角度,人脸识别技术有以下发展方向:(1)进一步研究面部特征抽取和识别算法,提高识别精度;(2)3D形变模型可以处理多种变化因素,具有很好的发展前景;(3)提高系统的鲁棒性,降低对环境的条件限制;(4)多特征融合和多分类器融合的方法;(5)提高系统的识别速度,研究对海量人像数

据的分布式检索比对方法;(6)采用DSP或嵌入式硬件和软件平台,研制开发便携的应用产品;(7)研究海量数据的存储、压缩和加密技术。

在一些高级信息安全的应用中,还需要研究人脸识别与指纹、虹膜、语音等识别技术融合的方法,这也是生物特征识别技术的发展趋势。

1.3人脸识别的应用前景

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。

人脸识别可应用在公安、国防、金融、部队、政府部门等需要高度保密的行业,这些行业需要对进出人员进行严格的管理和控制。在这些行业使用人脸识别系统后,其管理效率可以得到最大限度的提高,能更好的保障企业安全。而对于普通的企业来说,基于人脸识别技术的门禁和考勤系统,可彻底杜绝以往他人冒用门禁卡、盗用密码等手段冒充本人代考勤或者进出入的方式,真正实现行政管理工作的安全性和准确性。

人脸识别还可应用于视频会议、图形检索、人机交互等领域。

随着软件和硬件技术的不断发展,人脸识别系统的应用领域将会变得更加广泛,服务的行业也会越来越多。

2基于肤色的人脸检测技术研究

2.1人脸检测技术概述

人脸检测是指在输入图像中确定人脸如果存在的位置、大小和姿态的过程。人脸检测系统的输入是可能包含人脸的图像,输出是图像中是否存在人脸和人脸数目、位置、尺度等信息的参数化描述。人脸检测任务的完成涉及从复杂背景中分割、抽取、验证人脸区域和可能用到的人脸特征如眼睛、嘴唇等。成功的人脸检测系统应能处理实际存在的光线、人脸方向和距照相机远近变化等各种情况.

人脸检测的基本思想是用知识或统计的方法对人脸建模,比较所有可能的待检测区域与人脸模型的匹配度,从而得到可能存在的人脸区域。其方法大致可分为基于统计和基于知识两类。前者将人脸图像视为一个高维向量,将人脸检测问题转化为高维空间中分布信号的检测问题后者则利用人脸知识建立若干规则,从而将人脸检测问题转化为假设/验证问题。

2.2肤色检测技术

肤色检测是指在图像中选取对应于人体皮肤像素的过程。随着视频图像采集设备的普及,近年来对图像中肤色区域分割的研究日趋活跃。

肤色在人脸检测和跟踪中是一种有效的特征。尽管对于不同的人肤色差异可能很大,但是差异主要存在于亮度上,而不是颜色上。在色彩空间中,肤色只是其中很窄的一部分频带,因此可以根据颜色信息来检测像素点是否具有肤色特征。通过边通量分析和区域增长,对肤色像素点归类并且找到可能的人脸区域。基于颜色的系统可以在不同的视角中均能检测到人脸,不受人脸姿态变化的影响。根据颜色进行人脸检测的问题在于人所感知到的颜色与到达视网膜的光线的频率并不是一样的。在同一天中的不同时候,同一个物体所反射出的光的频率是不一样的,这使得在彩色图像中的像素有着不同的颜色值。而且,不同的摄像机得到的图像也有着不同的色彩偏差,这样当使用不同的成像设备时,就需要对颜色信息进行重新校准。

在与人有关的各种机器视觉系统中,肤色检测技术正得到越来越多的应用,具有巨大的市场潜力。目前比较典型的应用包括人脸检测与识别、表情识别、手势识别、基于内容的图像与视频检索、人机接口技术、肌体检测等方面也包括视频监控、皮肤病诊断等。可见,肤色检测不仅是人脸或手势等身份、情感和行为识别系统的重要组成,而且在安全防范、反恐、医疗保健、人脸的化装和整容的检测中的应用也日趋重要。

2.3人脸识别系统的构成

人类似乎具有“与生俱来”的人脸识别能力，赋予计算机同样的能力是人类的梦想之一，这就是所谓的“人脸识别”系统。假设我们把照相机、摄像头、扫描仪等看作计算机的“眼睛”，数字图像可以看作计算机观察到的“影像”，那么AFR赋予计算机根据其所“看到”的人脸图片来判断人物身份的能力。

广义的讲，自动人脸识别系统具有如图所示的一般框架并完成相应功能的任务。

(1)人脸图像的获取

一般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。

(2)人脸的检测

人脸检测的任务是判断静态图像中是否存在人脸。若存在人脸，给出其在图像中的坐标位置、人脸区域大小等信息。而人脸跟踪则需要进一步输出所检测到的人脸位置、大小等状态随时间的连续变化情况。

(3)特征提取

通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同时还可以得到这些器官及其面部轮廓的形状信息的描述。

根据人脸特征点检测与标定的结果，通过某些运算得到人脸特征的描述（这些特征包括：全局特征和局部特征，显式特征和统计特征等）。

(4)基于人脸图像比对的身份识别

即人脸识别(FaceIdentification)问题。通过将输入人脸图像与人脸数据库中的所有已知原型人脸图像计算相似度并对其排序来给出输入人脸的身份信息。这包括两类识别问题：一类是闭集(CloseSet)人脸识别问题，即假定输入的人脸一定是人脸库中的某个个体；另一类是开集(OpenSet)识别，即首先要对输入人脸是否在已知人脸库中做出判断，如果是，则给出其身份。

(5)基于人脸图像比对的身份验证

即人脸确认(FaceVerification)问题。系统在输入人脸图像的同时输入一个用户宣称的该人脸的身份信息，系统要对该输入人脸图像的身份与宣称的身份是否相符作出判断。

2.4基于肤色的人脸检测

2.4.1人脸图像预处理

在对人脸图像进行特征提取和分类之前一般要作预处理,主要包括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,光照补偿能够在一定的程度上克服光 …… 此处隐藏：3088字，全部文档内容请下载后查看。喜欢就下载吧 ……