人脸识别赵立宏.txt

一篇人脸识别的博士论文

3.3.2 特征空间的点积计算...........................................................................................66


3.3.3 核主成分分析.......................................................................................................67


3.3.4 实验结果分析.......................................................................................................68
第四章基于小波变换的人脸识别方法......................................................71


4.1 引言..............................................................................................................................71


4.2 小波变换及其性质......................................................................................................71


4.2.1 连续小波变换的定义...........................................................................................71


4.2.2 小波变换的主要性质...........................................................................................72


4.2.3 离散小波变换.......................................................................................................74


4.2.4 多分辨率分析.......................................................................................................74


4.2.5 二维小波变换.......................................................................................................76


4.3 基于小波变换的图像低维表示..................................................................................77


4.3.1 小波基函数的选取...............................................................................................78


4.3.2 子图像的选取.......................................................................................................78


4.3.3 人脸图像的小波分解...........................................................................................81


4.4 分类器的选择..............................................................................................................82


4.4.1 距离度量...............................................................................................................82


4.4.2 相关性模式识别...................................................................................................86


4.5 距离和线性相关分类器的实现..................................................................................87


4.5.1 距离分类器的实现结果.......................................................................................87


4.5.2 基于线性相关的识别结果...................................................................................88
第五章基于支持向量机的人脸识别..........................................................96


5.1 支持向量机介绍..........................................................................................................96


5.1.1 支持向量机...........................................................................................................97


5.1.2 线性支持向量机...................................................................................................97


5.1.3 非线性支持向量机.............................................................................................100


-VIII 


东北大学博士学位论文第一章绪论

5.1.4 核函数的选择.....................................................................................................101


5.2 多分类支持向量机....................................................................................................102


5.2.1 多分类支持向量机介绍.....................................................................................102


5.2.2 1-v-A SVM...........................................................................................................103


5.2.3 1-v-1 SVM............................................................................................................104


5.2.4 DAG SVM............................................................................................................104


5.3 离散余弦变换............................................................................................................105


5.3.1 离散余弦变换的原理.........................................................................................106


5.3.2 图像的离散余弦变换.........................................................................................107


5.4 多分类支持向量机用于人脸识别............................................................................108


5.4.1 多分类支持向量机的人脸识别训练过程.........................................................108


5.4.2 多分类支持向量机的人脸识别过程.................................................................109
第六章基于多特征参数人工神经网络人脸识别.....................................111


6.1 BP 神经元网络............................................................................................................111


6.1.1 BP 神经元网络结构............................................................................................ 112


6.1.2 BP 神经元网络学习规则.................................................................................... 112


6.1.3 BP 神经元网络的设计分析................................................................................ 114


6.2 人脸多特征提取分析与实现.................................................................................... 117


6.2.1 直方图均衡化..................................................................................................... 117


6.2.2 小波变换............................................................................................................. 118


6.2.3 利用PCA 实现特征提取...................................................................................120


6.3 用BP 神经元网络实现人脸识别.............................................................................121


6.3.1 多特征分析方法提取的特征向量.....................................................................121


6.3.2 神经网络结构分析.............................................................................................121


6.4 实验结果分析............................................................................................................128
第七章结论与展望..................................................................................129


7.1 本文主要研究成果....................................................................................................129


7.2 进一步的工作与展望................................................................................................130
参考文献...................................................................................................131


致谢.......................................................................................................148


攻读学位期间发表的论著.........................................................................149


个人简历...................................................................................................150


-IX 


东北大学博士学位论文第一章绪论

第一章绪
论


在计算机及网络技术高速发展的现代社会中，信息安全显示出前所未有的重要性。
身份识别及鉴定是保证系统安全的重要前提，在国家安全、公安、司法、电子商务、电
子政务、安全检查、保安监控等应用领域，都需要准确的身份识别及鉴定。目前，个人
身份鉴别主要依靠ID 卡(如身份证、工作证、智能卡和储蓄卡等)和密码等手段，然而这
些手段存在携带不便、容易遗失、由于使用过多或不当而损坏、密码易被遗忘和破解等
诸多问题。由于技术的发展，犯罪分子伪造假证件的手段越来越高明，如假身份证、假
工作证、假文凭等在现实社会中也不时发生；在信息界，黑客攻击别人的计算机系统，
破译计算机口令亦常有之。美国每年在福利发放、信用卡交易、移动电话以及ATM 交
易方面由于身份诈骗而造成的经济损失高达60 亿美元[1]。因此，目前广泛使用的依靠证
件、个人识别号码(PIN)、口令等传统方法来确认个人身份的技术面临着严峻的挑战，已
不能适应现代科技发展和社会进步的需要。

人们希望有一种更加方便可靠的办法来进行身份鉴别，生物特征识别技术给这一愿
望带来了实现的可能。早在古埃及时人们就开始通过人体生物特征的测量(如人脸、人
手等)来鉴别人的身份；在刑侦领域，人们也早已使用最有效的人体生物特征之一——
指纹来确定罪犯。人们可能会遗忘或丢失他们的卡片或密码，但绝不会遗忘或者丢失自
己的生物特征，如人脸、指纹、虹膜、掌纹等。因此基于生物特征识别技术的个人身份
识别系统具有更好的安全性、可靠性和有效性，正越来越受到人们的重视，并开始进入
人们社会生活的各个领域，迎接新时代的挑战。美国政府在“9.11”事件以后连续签署
了三个国家安全法案，要求采用生物识别技术。2003 年6 月，联合国国际民用航空组织
公布了其生物技术的应用规划，将在个人护照中加入生物特征如指纹、虹膜、人脸特征
等，并在入境时进行个人身份确认。业内专家估计，未来5 年，我国也将形成近百亿元
的市场。

目前，所有基于生物特征的自动识别系统都有大体相同的工作原理和工作过程。首
先是采集样本，这些样本可以是人脸图像、声音、指纹等；其次是进行特征提取，即提
取样本的某些特征，用某种算法为其分配一个特征代码，这一代码被存入数据库。最后
当需要对某人进行身份鉴定时，再用某种特征匹配算法将存入数据库的特征代码与被识
别人的特征相匹配，从而查明其身份。

1.1 生物特征识别技术
生物特征识别技术是利用人体特有的生理或行为特征来进行身份识别。人的生理特
征是与生俱来的，而行为特征通常则是后天习惯养成的。从理论上说，任何人体的生理
或行为特征，只要满足一定要求，如普遍性、唯一性、稳定性、取样方便性、用户可接
受性、样本防伪性、计算复杂性等条件，都可以用来作为识别个人身份的特征[2-4] 。

生物特征识别技术可分为基于生理特征的生物识别技术和基于行为特征的生物识

-1 


东北大学博士学位论文第一章绪论

别技术[1,3,4,5,6] 。目前，研究比较深入，应用比较广泛的生物识别技术有：指纹、人脸、
人脸温谱、虹膜、视网膜、手型、声纹以及签名等[7-21] 。指纹、人脸、人脸温谱、虹膜、
视网膜和手型为生理特征，声纹和签名为行为特征。生物特征的详细分类如图1.1 所示。

生物特征
生理特征行为特征
头DNA 手
眼睛脸其他
虹膜视网膜
指纹掌纹其他
签名其他声音
手势步态击键
图1.1 生物特征分
类
Fig.1.1 The classification of Biometric Features