自動人臉識別技術(shù)研究及其在人員身份認證系統(tǒng)中的實現(xiàn).pdf

1、自動人臉識別技術(shù)(AFR)是一項極具挑戰(zhàn)性的前沿研究課題。它試圖通過計算機分析人臉圖像并從中提取有效識別信息，達到辨認人員身份的目的。對AFR技術(shù)的研究不僅具有重大的理論和學術(shù)研究意義，而且具有潛在的巨大應用價值。 經(jīng)過近幾十年特別是近幾年來的研究，自動人臉識別技術(shù)已經(jīng)取得了長足發(fā)展，用于人臉識別商業(yè)系統(tǒng)已經(jīng)面市，但對應用條件的限制相當嚴格；在非理想可控情況下的自動人臉識別技術(shù)還遠未達到實用化的程度，有很多研究工作要做。

2、 本文作為上海市應用材料科技國際合作共同計劃(上海市科委AM基金)項目(《基于ARM和RFID芯片的自組織安全監(jiān)控系統(tǒng)的研制》編號：0512)的主要研究內(nèi)容之一，從構(gòu)建自動人臉識別系統(tǒng)需要解決的若干關鍵問題入手，重點探討了實時人臉檢測與跟蹤、面部關鍵特征定位、高效的人臉特征描述、魯棒的人臉識別分類器及自動人臉識別系統(tǒng)設計等問題。 1、提出了結(jié)合膚色校驗的Haar特征級聯(lián)分類器實時人臉檢測算法(SCC-HCC)和基于人臉約束的人臉

3、實時跟蹤算法(AM-CamShift)人臉檢測是自動人臉識別系統(tǒng)首先需要解決的關鍵問題。Viola于2001年提出的基于Haar特征級聯(lián)強分類器的人臉檢測算法，通過抽取人臉的Haar特征訓練分類器，達到人臉檢測的目的，但由于其僅僅利用了人臉的灰度信息，沒有考慮人臉的膚色分布，因而對復雜背景中類人臉結(jié)構(gòu)的物體對象區(qū)分的魯棒性較差。鑒于此，論文第三章提出了基于膚色模型校驗和Haar特征級聯(lián)強分類器的快速人臉檢測算法(SCC-HCC)。

4、 人臉跟蹤是基于視頻的人臉識別、視頻監(jiān)控等典型應用中必不可少的環(huán)節(jié)，CamShift算法對于目標物體的跟蹤具有較強的魯棒性，但其存在跟蹤窗口(TrackingWindow)必須通過手工標定的缺陷，而且對背景中類膚色區(qū)域的魯棒性欠佳。我們在CamShift算法的基礎上提出了基于人臉約束的實時跟蹤算法(AM-CamShift)，實現(xiàn)了跟蹤窗口自動標定及多目標的快速自動跟蹤，有效提高了對背景中類膚色區(qū)域的魯棒性。 2、針對傳統(tǒng)線性判

5、別分析法存在的小樣本問題(SSS)，通過調(diào)整Fisher判別準則，實現(xiàn)了自適應線性判別分析(A-LDA)算法，提出了基于A-LDA算法的分類判決準則及相應的人臉識別方法 線性判別分析(LDA)尤其是Fisher線性判別分析通過最大化類間離散度的同時使得類內(nèi)離散度最小，達到人臉識別的目的，是AFR研究史上繼主元分析(PCA)后的一項重大研究成果。但人臉識別小樣本問題(SamallSampleSize)往往會造成類內(nèi)離散度矩陣奇異而

6、導致問題無法求解，論文在第四章通過調(diào)整Fisher判別準則，對Fredman的思想進行改進，實現(xiàn)了自適應線性判別分析算法。利用類間散布矩陣Sh的補空間B'巧妙地避開類內(nèi)散布矩陣Sw的求逆運算，通過訓練集每類樣本信息自適應改變調(diào)整參數(shù)η。實驗結(jié)果表明，A-LDA算法能有效解決人臉識別中的小樣本問題。 3、提出了基于人眼Haar特征RSVM級聯(lián)分類器和瞳孔定位的人眼檢測算法面部關鍵特征準確定位是有效人臉特征抽取的關鍵。雙眼的位置及其

7、相對距離對絕大多數(shù)人來說都是一個常量，人眼檢測在人臉歸一化中起著非常重要的作用，而且有利于進一步定位人臉其他顯著特征點。論文第五章提出了基于人眼Haar特征、RSVM級聯(lián)分類器和瞳孔定位的人眼檢測算法。 4、提出了基于人臉關鍵特征區(qū)域Gabor特征抽取算法(KFR-Gabor)和基于有效人臉區(qū)域的Gabor特征抽取算法(MR-Gabor)，有效解決了Gabor特征抽取維數(shù)過高的問題人臉特征表示是實現(xiàn)高效人臉識別核心算法的重要前提

8、。Gabor小波具有優(yōu)良的空間局部性和方向選擇性，對圖像的光照和幾何變化具有較強的魯棒性，是一種良好的人臉特征描述方法。但是，Gabor特征維數(shù)過高是其在人臉識別應用中遇到的最大瓶頸，因此在第五章我們提出了基于人臉關鍵特征區(qū)域的Gabor特征抽取算法和基于有效人臉區(qū)域的Gabor特征抽取算法。前者通過抽取能充分反應人臉個體特征的雙眼、鼻子和嘴部區(qū)域的Gabor特征子向量，級聯(lián)組合成整個人臉的Gabor特征向量；后者則是在經(jīng)人臉遮照模板掩

9、模后的有效人臉區(qū)域的基礎上抽取象素的Gabor特征，舍棄掩模區(qū)域以外對識別沒有任何貢獻的象素區(qū)域。使得后續(xù)人臉識別核心算法的時間和空間復雜度大大降低。經(jīng)實驗系統(tǒng)運行測試，該方法在降低人臉特征向量維數(shù)的同時具有與傳統(tǒng)Gabor特征抽取算法同等的魯棒性。 5、提出了基于MR-Gabor特征抽取和支持向量機的人臉識別方法(MR-G-SVM)，將判別域值理論引入支持向量機分類決策，成功應用于基于視頻的人員身份認證系統(tǒng)中支持向量機(SVM

10、)是近幾年快速發(fā)展起來的數(shù)據(jù)挖掘新方法，在模式識別和非線性規(guī)劃等領域具有其獨特的優(yōu)勢。論文結(jié)合我們提出的Gabor特征抽取算法和SVM實現(xiàn)了具有較強魯棒性的人臉識別核心算法。傳統(tǒng)上基于兩類分類的支持向量機算法在處理閉集(CloseSet)人臉驗證問題時具有很強的魯棒性；但面對多類開集(OpenSet)人臉識別問題時則存在一定的錯分風險，因為依據(jù)多類分類支持向量機分類決策機制(如二叉樹)，待識別樣本最終總會獲得一個所屬的類別，即使此樣本可

11、能不屬于任何樣本集。因此，本文將判別域值理論引入支持向量機決策機制，實際測試結(jié)果顯示，引入判別域值后的支持向量機分類可以有效降低系統(tǒng)的誤判率。 6、結(jié)合三個人員身份認證系統(tǒng)的設計和實現(xiàn)從系統(tǒng)設計的角度探討了人臉識別應用系統(tǒng)的設計思路及應該注意的問題人臉識別應用系統(tǒng)的最終性能雖然在很大程度上取決于高效的人臉特征描述和魯棒的人臉識別核心算法，但是系統(tǒng)設計思想對應用系統(tǒng)設計成敗的影響也同樣值得我們關注。論文在第八章重點闡述了自動人臉識