基于小波分析和主成分分析的人脸识别研究.doc

基于小波分析和主成分分析的人脸识别研究随着社会的发展

的各个领域，迎接新时代的挑战。
人体生物特征识别技术就是利用人体本身所固有的物理特征(如指纹、虹膜、
脸部、掌纹等)及行为特征(如书写、声音等)，通过图像处理和模式识别的方法来
鉴别个人身份的技术。近年来，欧美以及其它地区的大学都成立了以人体生物识
别技术为主要研究方向的实验室或研究中心。同时，许多公司也相继开发出许多
这方面的产品并不断地推向市场。人体生物识别技术逐步转化为一个蓬勃发展的
新兴产业。在我国，也已经涌现出很多机构广泛开展人体生物识别技术方面的研
究工作，许多研究人员投身到这一新兴研究领域，开展用于身份鉴别的人脸识别、
话音识别、指纹识别等多项研究工作，并取得了一定的成果。
与其它人体生物识别技术相比，人脸识别是一种更直接、更方便、更友好、
更容易被人们接受的识别方法。一方面，在人们的交往过程中，人脸所包含的视
觉信息占据了主导地位，它是体现人与人之间差别的最重要的特征，因而人脸识
别技术成为当今研究的一个热点。另一方面，由于人脸之间存在很大的相似性以
及人脸的高度可变形性，使得这个课题极富挑战性。人脸识别技术开始于二十世山东大学硕士学位论文
纪六十年代，但由于受当时技术条件的限制发展缓慢，因而在最初的二三十年里，
只有少量关于这个课题的论文出现。八十年代开始，随着计算机技术以及模式识
别和图像处理技术的发展，人脸识别技术受到很大重视并得到了进一步的发展。
近年来，以人脸为特征的人体生物识别技术发展尤为迅速。
.2人脸识别
:21人脸识别的研究内容
人脸识别‘ (FaceReCognition)是利用计算机对人脸图像进行特征提取和识别
的模式识别技术。在二十世纪七十年代初，对人脸识别的研究涉及心理学神经科
学，研究内容包括:人脸对人身鉴定的唯一性;人脸的全局特征和局部特征在人脸
识别中的作用;表情的分析与使用;婴儿是如何识别人脸的等等。其直接目的是
要搞清楚人是如何对人脸进行识别的。七十年代中期以后，开展了用数学、物理
和技术的方法对人脸自动识别的研究。
从广义上来说，计算机人脸识别的研究内容大概可以分为以下五个方面:
1.人脸检测 (FaceDetection)，就是从各种不同的场景中检测出人脸的存在
并确定其位置。这方面的研究主要受光照、噪声、面部倾斜度以及各种各样的遮
挡的影响。
2.人脸表征(FaCeR印resentation)，就是采取某种表示方法表示检测出的人
脸和数据库中的已知人脸。通常的表示法包括几何特征(如欧氏距离、曲率、角度
等)、代数特征(如矩阵特征矢量)、固定特征模板、特征脸等。
3.人脸鉴别(Face工dentification)，就是通常所说的人脸识别，将待识别的
人脸与数据库中的相关信息进行匹配。这个过程要选择适当的人脸表征方式与匹
配策略，整个识别系统的构造与人脸的表征方式密切相关。
4，表情姿态分析  (ExpreSSionGestureAnalysiS)，就是对待识别人脸的表
情或者姿态信息进行分析，并对其进行分类。
5.生理分类 (PhysicalClaSSification)，就是对待识别人脸的生理特征进
行分析，得出其年龄、性别等相关信息。山东大学硕士学位论文
人脸检测、人脸表征和人脸鉴别是我们通常意义上建立人脸自动识别系统的
二个方面。人脸自动识别系统包括两个主要的技术环节，首先是人脸的检测和定
位，即从输入图像中找到人脸存在的位置，并将人脸从背景中分割出来(即人脸检
测)，然后才是对归一化的人脸图像进行特征提取与识别(即人脸表征与人脸鉴
别)。相对来说表情姿态分析和生理分类则是一个非常困难的研究方向，不过它们
在计算机图形学(尤其是计算机动画)领域有很广泛的应用前景，因此在最近几年
得到了国内外很多从事计算机视觉 (ComputerVISion)的研究人员的注
意。下面将简单介绍各方面的研究方法:
人脸检测。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，从而得到可能存在人脸的区域。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，从
而将人脸检测问题转化为高维空间中分布信息的检测问题;而后者则利用人的知
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。
基于统计的人脸检测方法。(1)用人脸样本集和非人脸样本集进行学习训练以
产生分类器，目前国际上普遍采用人工神经网络。
(2)子空间方法。 Pentland等将K一L变换引入了人脸检测，在人脸识别中利用
的是主元子空间(特征脸)，而人脸检测利用的是次元子空间(特征脸空间的补空
间)。用待检测区域在次元子空间上的投影能量，也即待检测区域到特征脸子空间
的距离作为检测统计量，距离越小，表明越像人脸。子空间方法的特点在于简便
易行，但由于没有利用反例样本信息，对与人脸类似的物体辨别能力不足.
(3)空间匹配滤波器方法。包括各种模板匹配方法，合成辨别函数方法等。
基于知识建模的人脸检测方法。(1)器宫分布规则:虽然人脸在外观上变化很
大，但遵循一些几乎是普遍适用的规则，如五官的空间位置分布大致符合‘三停
五眼’等，检测图像中是否有人脸即是测试该图像中是否存在满足这些规则的图
像块。这种方法一般有两种思路:一种是“从上而下”，其中最简单有效的是Yang
等人提出的Mosalc方法，它给出了基于人脸区域灰度分布的规则，依据这些规则
对图像从粗分辨率到高分辨率进行筛选，以样本满足这些规则的程度作为检测的
判据，类似的工作在有关文献中进行了讨论。
另一种思路则是“从下至上”，先直接检测几个器官可能分布的位置，然后山东大学硕士学位论文
将这些位置点分别组合，用器官分布的几何关系准则进行筛选，找到可能存在的
人脸。
(2)轮廓规则:人脸的轮廓可以简单地看出近似椭圆，而人脸检测可以通过椭
圆检测来完成。Goyieidaraju提出认知模型方法，将人脸建模为两条直线(左右两侧
面颊)和上下两个弧(头部和下巴)，通过修正Hough变换来检测直线和弧。近期
Tankus利用凸检测的方法进行人脸检测。
(3)颜色、纹理规则:同民族人的面部肤色在颜色空间中的分布相对比较集中，
颜色信息在一定程度上可以将人脸同大部分背景区分开来。Lee等设计了肤色模型
表征人脸颜色，利用感光模型进行复杂背景卜人脸及器官的检测与分割，Dai利用
了SGLD(空间灰度共生矩阵)纹理图信息做为特征进行低分辨率的人脸检测。Saber
等则将颜色、形状等结合在一起来进行人脸检测。
(4)运动规则:通常相对背景，人总是在运动的，利用运动信息可以简单有效
的将人从任意复杂背景中分割出来。其中包括利用瞬眼、说话等方法的活体人脸
检测方法。部分研究对利用运动信息进行头部运动跟踪检测进行了综述和探讨。
(5)对称性:人脸具有一定的轴对称，各器官也具有一定的对称性。Zabrodshky
提出连续对称性检测方法检测一个圆形区域的对称性，从而确定是否为人脸;
Riesfield提出广义对称变换方法检测局部对称性强的点来进行人脸器官定位。还
有则定义方向对称变换，分别在不同方向上考察对称性，不仅能够用来寻找强对
称点，而且可描述有强对称性物体的形状信息，在进行人脸器官定位时更为有效。
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2。，它的困难体现在:(l)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)。识别人脸主要依据人脸上的特征，也就是说依据那些
在不同个体之间存在较大差异而对于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
变换的影响而提高识别率。关于人脸特征提取和识别的方法可概述如下:山东大学硕士学位论文
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，才使得世界上的每个人脸千差万别，
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3最早是用于人脸侧面轮廓的描述和识别，首先根据侧面轮廓曲线确定若
干显著点，并由这些显著点导处一组用于识别的特征度量如距离，角度等。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。采用几
何特征进行人脸识别，一般是通过提取人眼、口、鼻等重要特征点部位和眼睛等
重要器官的几何形状作为分类特征，但Roder对几何特征提取的精确性进行了实验
性研究，结果不容乐观。
可变形模板法可以视为几何特征方法的一种改进‘，其基本思想是:设计一个
参数可调的器官模型，定义一个能量函数，通过调整模型参数使能量函数最小化，
此时的模型参数即作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。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基本形状与结构关系，忽略了局部细微特征，造成
部分信息的丢失，更适合于做粗分类，而且目前已有的特征点检测技术在精确率
上还远不能满足要求，计算量也较大。
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5，由于主元具有脸的形状，也称为特征脸。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，和各个已知人的人脸图像进行比
较进行识别。Pentland等报告了相当好的结果，在200个人的30001隔图像中得到95%
的正确识别率，在FERET数据库上对150幅正面人脸像只有一个误识别。但系统在
进行特征脸方法之前需要作大量预处理工作如归一化等。在传统特征脸的基础上，
研究人员注意到特征值大的特征向量(即特征脸)6并不一定是分类性能好的方向，
据此发展了多种特征(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示主元
分析人脸建模，一些线性自联想，线性压缩型BP网络则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山东大学硕士学位论文
量，Valentin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，但由于它本质上依赖于训练集和测试集图像的灰度相关
性，而且要求测试图像与训练集比较像，所以它有着很大的局限性。
局部特征方法: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
投影后临近的点与原图像空间中点的临近性没有任何关系，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
提取与识别万法。这种万法在实际应用取得了很好的效果，它构成了Facelt人脸
识别软件的基础。
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链接
模型(DLA)，将物体用稀疏图形来描述，其顶点用局部能量谱的多尺度描述来标记，
边则表示拓扑连接关系并用几何距离标记，然后应用塑性图形匹配技术来寻找最
近的已知图形。WisC0tt等人在此基础上作了改进，用FERET图像库做实验，用300
幅人脸图像和另外300幅图像做比较，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，利用有限元分析的方法进行曲面变
形，并根据变形的情况判断两张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空间中考虑，实验表明识别结果明显优于特征
脸的方法。
 Lanitls等提出灵活表现模型方法，通过自动定位人脸的显著特征点将人脸编
码为83个模型参数，并利用辨别分析的方法进行基本形状信息的人脸识别。
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行判别，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行人脸识别，其中非监督神经网络用
于特征提取，而监督神经网络用于分类。Lee等将人脸的特点用六条规则描述，然
后根据这六条规则进行五官的定位，将五官之间的几何距离输入模糊神经网络进山东大学硕士学位论文
行识别，效果较一般的基于欧氏距离的方法有较大改善:LaurenC等利用卷积神经
网络方法进行人脸识别，由于卷积神经网络中集成了相邻象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，因此得到了非
常理想的识别效果: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)样本进行强化和反强化学习，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网络进行低分辨率人脸联想与识别，Guta等提出将RBF与树型分类器
结合起来进行人脸识别的混合分类器模型。Philip等人将MatchingPursuit滤波器用
于人脸识别;还有则采用统计学习理论中的支持向量机进行人脸分类。
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则进行显性的描述还是相当困难的，而神经网络方法
则可以通过学习的过程获得对这些规律和规则的隐性表达，它的适应性更强，一
般也比较容易实现。
其他方法:Brunelli等对模板匹配方法作了大量实验，结果表明在尺度，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
转和表情变化比较敏感，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较稳定。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