文档介绍：基于人工神经网络的人脸识别系统
童志军090739
第一部分:引言
在计算机控制上可靠的个人身份识别的需求引发了用生物特征替代密码和身份证进行识别的趋势。由于密码会被泄露给不合法的用户并且身份证会被骗子盗取所以密码和身份证会被轻易的破坏,生物特征识别的出现能够很好的解决传统分类方法的问题。生物特征包括人的虹膜、视网膜、面部轮廓、指纹、签名力度变化和语音等特征,这些特征可以用于人物识别。由于生物特征不能被轻易的盗取和分享,所以生物特征识别相比于传统安全措施有很大的优势,人脸识别系统积极稳固的特点使它在人物识别中脱颖而出。
人脸识别系统包括人脸核实和人脸识别两个阶段。在核实阶段,系统根据人物特征的先验知识进行核实,这就是说,系统要判断当前待识别人物是否为骗子。在人脸识别阶段,先验特征并不知道,系统只能根据最大似然准则进行识别。这篇文章的最初目的是对使用人工神经网络来人脸检测和识别的性能进行评价,文章的剩余部分就是这样组织的:第二部分描述了系统的过程图和人脸识别系统的各个模块;第三部分详尽说明了预处理、特征提取和目标系统的分类的方法;第四部分展示了和讨论了实验结果,第五部分得出结论。
第二部分:系统综述
正如图1所示,推荐的人脸识别算法包含入学和识别/分类两个阶段,它包含图像获取,人脸检测、学习、识别和核实。
图1 人脸识别系统结构图
A 入学阶段
使用网络照相机获得图片并储存在数据库中,然后对图片进行检测和训练。训练时,使用几何学和光学标准化方法对脸部图片进行预处理,采用几种特征提取的方法提取脸部图片特征,然后把这些特征数据存在数据库中作为用户标识。
B 识别/实验证明阶段
再次获得用户脸部生理数据,此系统使用数据辨别用户或者分类用户标识。虽然身份鉴定需要把获得的生物特征信息与数据库中所有用户的数据进行模板匹配,身份核实仅需要把生物特征信息与主要特性进行模板匹配,所以身份识别与实验证明在内在复杂性上截然不同。识别阶段包含图像获取、面部检测、面部识别几个模块。
图像获取/人脸检测模块
人脸检测通常检测和提取与人脸特征相关的恰当信息,图像需要几何和尺寸校正以便可以识别。在这个模块中需要去除与脸部不相关的背景或场景。这个系统不仅能够实时识别脸部而且在不同的光照、不同的肤色、有胡须和刘海的情况下也能很好的工作。
图像检测中的图像获取模块是为了寻找和提取只含有脸部的部分,这个系统是基于使用Adaboost算法的长方形特征,系统输出的是包含面部特征的长方形和包含面部特征提取的图像。
人脸识别/核实模块
人脸识别模块包含预处理、特征提取、子模块分类,系统输入是来源于照相机和数据库的面部图像,首先把它变为几何和光照上标准化的形式,在特征提取阶段,用矢量特征代表图像,识别的分类结果由匹配的的程度决定。
第三部分:方法论
A 预处理
预处理是为了减少和消除由于光照引起的面部的失真,它通过标准化和增强面部图像来提高系统识别率。由于系统的稳定性取决于预处理的好坏,所以预处理很关键。通过明确的标准化过程,系统增强了抵抗尺寸、姿势、面部表情和光照的能力。光学标准化包括去除几何标准图像的平均值,以标准化值缩放像素比例,估计整个扭曲的图像。光学标准化技术包括直方图均衡和同态滤波。
直方图均衡
直方图均衡是最通用的直方图规格化和灰度转换方