开题报告-人脸检测与识别.doc

开题报告1. 研究背景各种智能系统在生活中的应用越来越普遍。智能系统中经常需要身份识别以便提供个性化服务。身份识别是一个很棘手的的问题，传统方法中主要是通过一些具有个人身份特征的事物来鉴别，比如证件、钥匙等身份标识物品，或者是用户名和密码之类的身份标识知识。在一些要求比较高的系统中，一般将这两方法结合起来使用，例如我们在使用ATM机时，只有ATM卡和密码都正确才能访问特定的用户并进行一些列操作。但是传统的身份鉴别方法缺点是相当明显的：身份标识物品容易丢失或被伪造，身份标识知识容易遗忘或被盗取。这个时候身份鉴别就是天方夜谭了。如果利用每个人本身的生物特征如人脸特征，指纹等等就能达到相当好的效果。这使得生物特征识别技术焕发光彩。由于微电子和机器视觉方面取得了新进展，高性能自动识别的技术可行性越来越高。近年来兴起的人脸识别在众多生物识别方法中应用最为广泛。在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金 融、网络安全、物业管理以及考勤等领域。2. 研究意义人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实用应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人并满足实时性要求是迫切需要解决的问题。基于人脸生物特征的身份鉴别具有以下优点： （1）用户易接受：操作简单，身份识别度高，识别速度快。 （2）防伪性能好：人脸特征被伪造或被盗可能性很低。 （3）使用方便：不用担心丢失或遗忘，随时随地可用。 除此之外，人脸识别技术还有精度高，性价比高，自学习能力强等优点。 由于以上多项优点使得人脸特征识别在身份鉴别领域大放异彩，在生活中许多地方得到应用： （1）公安系统：快速辨别罪犯；罪犯通缉；保障共安全；海关边检。 （2）公共安全领域：确认证件的真伪；智能门禁；信用卡使用者身份验证。 （3）互联网交互领域：计算机登录；网络安全；个性化服务。人脸识别技术的研究也具有很大的理论价值。人脸识别技术的研究涉及到模式识别、计算机视觉、人工智能、图像处理等多门学科，经常应用于人机交互领域，而且还与人的其它生物特征识别有着千丝万缕的联系。人脸识别技术的研究对推动以上各学科的发展具有重要的理论意义。3. 研究现状 3.1国外的发展概况通过查阅文献了解机器自动人脸识别研究开始于19世纪90年代，1990年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。1993年，美国国防部高级研究项目署和美国陆军研究实验室成立了项目组，建立了人脸数据库，用于评价人脸识别算法的性能。美国陆军实验室也是利用vc+开发，通过软件实现的，并且FAR为49%。在美国的进行的公开测试中，FAR，为53%。美国国防部高级研究项目署，利用半自动和全自动算法。这种算法需要人工或自动指出图像中人的两眼的中心坐标，然后进行识别。3.2 国内的发展概况 人脸识别系统现在在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。我国在这方面也取得了较好的成就，国家863项目“面像检测与识别核心技术”通过成果鉴定并初步应用，就标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。北京科瑞奇技术开发股份有限公司在2002年开发了一种人脸鉴别系统，对人脸图像进行处理，消除了照相机的影响，再对图像进行特征提取和识别。这对于人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。系统可以接受时间间隔较长的照片，并能达到较高的识别率。2005年1月18日，由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家十五攻关项目人脸识别系统通过了由公安部主持的专家鉴定。鉴定委员会认为，该项技术处于国内领先水平和国际先进水平。4. 主要研究内容人脸识别技术是基于生物特征的识别方式，利用人类自身所拥有的、并且能够唯一标示其身份的生理特征或行为特征进行身份验证技术。也就是给定一场景的静止或视频图象，利用训算机里存储的人脸数据库，确定场景中的一个或多个人。人脸识别过程需要完成以下几方面的工作：人脸检测：从各种场景中检测出人脸的存在，并从场景中准确分离出人脸区域；预处理：校正人脸尺度、光照以及旋转等方面的变化，得到规范化的人脸图像；特征提取：从人脸图像中提取出人脸具有代表性的特征信息，并用一定的方式加以描述；人脸识别：根据所提取的特征信息，将待识别的人脸与数据库中的人脸进行比较，找到数据库中最相似的人脸课题的主要内容是：（1） 图像预处理,它主要从摄像头中获取人脸图像然后进行处理,以便提高定位和识别的准确率。（2） 人脸检测，简单地讲就是判定图片中是否存在人脸以及人脸的位置大小的确定。（3） 人脸识别，提取特征与人脸库中数据对比从而判定图片中人物身份。5. 研究方案 （1） 图像文件格式选择在设计的过程中，为了定位和特征提取的方便，我们采用的是24位图。 （2）开发工具选择使用开发工具Microsoft Visual C+ 6.0。 Visual C+ 6.0是Microsoft公司推出的一种可视化编程工具。它支持多平台和交叉平台的开发，将各种编程工具如编辑器、连接器、调试器等巧妙的结合在一起，构成一个完美的可视化开发环境。用户无需通过繁杂的编程操作，即可完成Windows下应用程序的编辑、编译、测试和细化等工作。Open CV是 Intel 公司自主开发的开源计算机视觉库。它包括一系列C 函数和一部分 C+类程序。它将许多实验室的优秀研究成果转化成了数字图像处理方面的现实算法。它的强项在于图像和视频的读写、目标识别与跟踪以及3D重建与标定等方面。CV是计算机视觉的意思，它源于数字图像处理的研究，是一门朝阳学科，它通过计算机等数字设备来模拟生物视觉，对图像进行采集、处理、再现等等。主要研究内容有图像特征提取、3D视觉、模式识别、人工智能等诸多方面。 （3） 算法选择图像预处理模块：光线补偿 ：由于光线原因，所照的图像可能会存在光线不平衡的情况而造成色彩偏差，为了抵消这种整个图像中存在的色彩偏差，本系统采用的解决方法是：将整个图像中的所有像素的亮度从高到低进行排列，取前5%的像素，然后线性放大，使这些像素的平均亮度达到255。实际上就是调整图片像素的RGB值。图像灰度化：图像灰度化是将图像变成灰色，本系统中采用以下步骤来实现图像的灰度化：彩色转换成灰度、灰度比例变换、灰度线性变换、灰度线性截断、灰度取反。高斯平滑：在图像的采集过程中,由于各种因素的影响,图像中往往会出现一些不规则的随机噪声,如数据在传输、存储时发生的数据丢失和损坏等,这些都会影响图像的质量，因此需要将图片进行平滑操作以此来消除噪声。但是如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，为了既平滑掉噪声有尽量保持图像细节，本系统采用高斯平滑。均衡直方图：使用该模块的目的是通过点运算使输入转换为在每一灰度级上都有相同的像素点数的输出图像。图像对比度增强：为了将图像的特征一步一步显现出来，需要进行图像的对比度增强，它主要通过对图像的灰度值进行统计，对于小于Low则认为是有关的信息，则将它作为黑色处理，对于处于High以上的则认为是一些无关的信息，将它们去掉，而处于两者之间的，则进行对比度增强，将他们在总的灰度值里面的比例作为新的像素信息保存起来。人脸检测：有基于模版，基于统计模型，基于特征三个大类。许多方法都不能简单地归为以上提到三类方法中的某一类，而是两类甚至三类方法的融合。比较流行的有主成份分析法（PCA)，自适应性提升算法（Ada boost)等等。人脸识别：需要对人脸进行特征提取并和数据库中信息比对，来确定人物身份。可以用K-L变换和特征脸法来实现。6. 参考文献【1】 王伟; 张佑生; 方芳; 人脸检测与识别技术综述J. 2006,5 【2】杨涛人脸检测与跟踪D，西北工业大学，2004年3月【3】周德华，毛敏峰，徐浩一种多人脸跟踪算法的研究与实现J，电视技术，2005，275(5)：8890【4】 李刚，高政、人脸自动识别方法综述、计算机应用研究、2003, Vol 8:4-9【5】高建坡，王煜坚，杨浩等一种基于KL变换的椭圆模型肤色检测方法J电子与信息学报2007，V0129，No7【6】邢果，戚文芽彩色空间的肤色分割及其在人脸检测中的应用J视频技术应用与工程2006.