资源预览内容
第1页 / 共9页
第2页 / 共9页
第3页 / 共9页
第4页 / 共9页
第5页 / 共9页
第6页 / 共9页
第7页 / 共9页
第8页 / 共9页
第9页 / 共9页
亲,该文档总共9页全部预览完了,如果喜欢就下载吧!
资源描述
word 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12人脸特征提取与识别方法12.1 基于几何特征的方法12.2 基于特征脸的方法22.3 局部特征分析 LFA方法32.4 基于弹性模型的方法42.5 神经网络方法42.6 其他方法53总结5致谢:6参考文献:6文档人脸特征提取与识别1 前言近年来,Internet和多媒体技术飞速开展,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展分类和检索的算法。CBIR涉与图像内容表示、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,它的困难表现在:(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如此比拟稳定的度量。由于人脸变化复杂,因此特征表述和特征提取十分困难。 在对人脸图像进展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展光照补偿等处理,光照补偿能够一定程度地克制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,首先根据侧面轮廓曲线确定假如干显著点,并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。2 采用几何特征进展正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征,但Roder对几何特征提取的准确性进展了实验性的研究,结果不容乐观。3可变形模板法可以视为几何特征方法的一种改良,其根本思想是:设计一个参数可调的器官模型(即可变形模板,如图2-1,图2-2所示),定义一个能量函数,通过调整模型参数使能量函数最小化,此时的模型参数即做为该器官的几何特征。这种方法思想很好,但是存在两个问题,一是能量函数中各种代价的加权系数只能由经验确定,难以推广;二是能量函数优化过程十分耗时,难以实际应用。4图2-1 可变形模板法的眼模型图2-2 可变形模板法的嘴模型 基于参数的人脸表示可以实现对人脸显著特征的一个高效描述,但它需要大量的前处理和精细的参数选择。同时,采用一般几何特征只描述了部件的根本形状与结构关系,忽略了局部细微特征,造成局部信息的丢失,更适合于做粗分类,而且目前已有的特征点检测技术在准确率上还远不能满足要求,计算量也较大。2.2 基于特征脸的方法 Turk和Pentland提出特征脸的方法,它根据一组人脸训练图像构造主元子空间,由于主元具有脸的形状,也称为特征脸(如图 2-3所示)。识别时将测试图像投影到主元子空间上,得到一组投影系数,和各个己知的人脸图像比拟进展识别。Pentland 等报告了相当好的结果,在200个人的3000幅图像中得到95的正确识别率,在FERET数据库上对150幅正面人脸象只有一个误识别。但系统在进展特征脸方法之前需要作大量预处理工作,如归一化等。 图2-3 Pentland 得到的特征脸(主特征向量) 在传统特征脸的根底上,研究者注意到特征值大的特征人脸识向量(即特征脸)并不一定是分类性能好的方向,据此开展了多种特征子空间选择方法,如Peng的双子空间方法、Weng的线性歧义分析方法、Belhumeur的 FisherFace方法等。事实上,特征脸方法是一种显式主元分析人脸建模,一些线性自联想、线性压缩型BP网如此为隐式的主元分析方法。它们都是把人脸表示为一些向量的加权和,这些向量是训练集叉积阵的主特征向量,Valetin对此作了详细讨论。总之,特征脸方法是一种简单、快速、实用的基于变换系数特征的算法,但由于它在本质上依赖于训练集和测试集图像的灰度相关性,所以还有着很大的局限性。 52.3 局部特征分析 LFA方法主元子空间的表示是紧凑的,特征维数大大降低,但它是非局部化的,其核函数的支集扩展在整个坐标空间中,同时它是非拓扑的,某个轴投影后邻近的点与原图像空间中点的邻近性没有任何关系,而局部性和拓扑性对模式分析和分割是理想的特性,似乎这更符合神经信息处理的机制,因此寻找具有这种特性的表达十分重要。基于这种考虑,Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果,它构成了Facelt软件的根底。 局部特征分析Local Feature Analysis,LFA是一种基于特征表示的面像识别技术,源于类似搭建积木的局部统计的原理。LFA 基于所有的面像(包括各种复杂的式样)都可以从由很多不能再简化的结构单元子集综合而成。这些单元使用复杂的统计技术而形成,它们代表了整个面像,通常跨越多个像素在局部区域内并代表了普遍的面部形状,但并不是通常意义上的面部特征。实际上,面部结构单元比面像的部位要多得多。 然而,要综合形成一X准确逼真的面像,只需要整个可用集合中很少的单元子集(1240特征单元)。要确定身份不仅仅取决于特性单元,还决定于它们的几何结构(比如它们的相关位置)。通过这种方式,LFA 将个人的特性对应成一种复杂的数字表达方式,可以进展比照和识别。“面纹编码方式是根据脸部的本质特征和形状来工作的,它可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化,具有强大的可靠性,使它可以从百万人中准确地识别出一个人。银晨面像识别系统用的就是这种方法。 2.4 基于弹性模型的方法Lades等人针对畸变不变性的物体识别提出了动态模型DLA6,将物体用稀疏图形来描述,其顶点用局部能量的多尺度描述来标记,边如此表示拓扑连接关系并用几何距离来标记,然后应用塑性图形匹配技术来寻找最近的己知图形。Wiscott等人在此根底上作了改良,用FERET等图像库做实验,用300幅人脸图像和另外300幅图像作比拟,准确率达到97.3;此方法的缺点是计算量非常巨大。 Nastar将人脸图像I(x,y)建模为可变形的3D网格外表(x,y,I(x, y),从而将人脸匹配问题转化为可变形曲面的弹性匹配问题N1。利用有限元分析的方法进展曲面变形,并根据变形的情况判断两X图片是否为同一个人。这种方法的特点在于将空间(x,y)和灰度 I(x,y)放在了一个 3D 空间中同时考虑,实验明确识别结果明显优于特征脸方法。 Lanitis等提出灵活表现模型方法,通过自动定位人脸的显著特征,将人脸编码为 83 个模型参数,并利用区分分析的方法进展基于形状的人脸识别。2.5 神经网络方法目前神经网络方法在人脸识别中的研究方兴未艾。Valentin 提出一种方法,首先提取人脸的 50 个主元,然后用自相关神经网络将它映射到 5 维空间中,再用一个普通的多层感知器进展判别,对一些简单的测试图像效果较好;Intrator等提出了一种混合型神经网络来进展人脸识别,其中非监视神经网络用于特征提取,而监视神经网络用于分类。Lee等将人脸的特点用六条规如此描述,然后根据这六条规如此进展五官的定位,将五官之间的几何距离输入模糊神经网络进展识别,效果较一般的基于欧氏距离的方法有较大改善;Laurence等采用卷积神经网络方法进展人脸识别,由于卷积神经网络中集成了相邻像素之间的相关性知识,从而在一定程度上获得了对图像平移、旋转和局部变形的不变性,因此得到非常理想的识别结果;Lin等提出了基于概率决策的神经网络方法(PDBNN),其主要思想是采用虚拟(正反例)样本进展强化和反强化学习,从而得到较为理想的概率估计结果,并采用模块化的网络结构(OCON)加快网络的学习。这种方法在人脸检测、人脸定位和人脸识别的各个步骤上都得到了较好的应用。其它研究还有:Dai等提出用Hopfield 网络进展低分辨率人脸联想与识别;Gutta等提出将 RBF 与树型分类器结合起来进展人脸识别的混合分类器模型;Phillips等人将Matching Pursuit滤波器用于人脸识别;还有人用统计学习理论中的支撑向量机SVM进展人脸分类。 7神经网络方法在人脸识别上的应用比起前述几类方法来有一定的优势,因为对人脸识别的许多规律或规如此进展显性的描述是相当困难的,而神经网络方法如此可以通过学习的过程获得对这些规律和规如此的隐性表达,它的适应性更强,一般也比拟容易实现。2.6 其他方法 Brunelli等对模板匹配方法作了大量实验,结果明确在尺度、光照、旋转角度等各种条件稳定的情况下,模板匹配的效果优于其他方法,但它对光照、旋转和表情变化比拟敏感,影响了它的直接使用。Goudail等人采用局部自相关性作为人脸识别的判断依据,它具有平移不变性,在脸部表情变化时比拟稳定。在最近的一些工作中,Benarie等提出VFR的表示框架并将它用于人脸识别的工作中,Lam等人研究了不同视点下的人脸匹配和识别问题,Vetter 等人讨论了由单幅人脸图像生成其他视点的人脸图像的可能性,Mirhosseini等如此探讨了多种信息融合的人脸识别方法。83 总结作为模式识别、图像分析与理解等领域的典型研究课题,人脸识别不仅在理论上具有重要价值,而且在安全、金融等领域具有重要的应用前景,因此在学术界和产业界都受到了广泛的关注,目前已经出现了一些实用的商业系统。然而,由于图像采集条件和人脸自身属性的变化,例如图像采集时的光照、视角、摄像设备的变化,人脸的表情、化妆、年龄变化等,都可能使得同一人的不同照片表观差异很大,造成识别上的困难。因此,提高人脸识别系统对这些变化的鲁棒性成为该领域研究人员的重要目标之一。为实现鲁棒的识别,可以从人脸建模、分类器设计等不同角度入手:前者试图从寻求对各种外界条件导致的图像变化具有不变性的人脸描述入手;而后者如此试图使得分类器对特征的变异有足够的鲁棒性。另外,也可以同时从两个角度入手解决问题。在人脸识别的早期,基于表观(appearance)的人脸识别方法往往直接采用图像灰度作为特
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号