人脸识别技术方案.docxVIP

基于数据库的人脸识别方案 1 背景介绍 随着计算机网络和通信技术的发展，信息安全、知识产权保护和身份认证等问题成了一个重要而紧迫的研究课题。身份认证是保证系统安全的必要前提，在多种不同的安全领域都需要准确的身份认证。传统的身份证、智能卡、密码等身份认证方法存在携带不便、容易遗失、不可读或密码易被破解等诸多问题。基于人脸识别技术的身份认证方法与传统的方法相比，具有更好的安全性、可靠性和有效性，因此正越来越受到人们的重视，并逐渐进入社会生活的各个领域。 人脸识别技术具有广泛的应用前景，可以应用到多种不同的安全领域，因其识别特征的独特性、惟一性和相对稳定性，逐渐成为一非常热门的研究课题。许多典型的人脸识别算法和应用系统都是针对标准或特定的人脸数据库，利用库内人脸进行训练，并在相同的库中实现人脸识别。在软件保护、计算机安全等特殊应用中，身份认证仅针对非特定对象进行人脸识别，现有的人脸识别方法并不能胜任这样的识别任务。为此，针对非特定人脸识别的特点，讨论了人脸基于数据库的检测和识别的关键技术，在此基础上提出了一种基于匹配数据库的非特定人脸识别算法，计算出其与特征库的匹配度，并判断最终结果。 2 技术方案 1 人脸的检测和归一化 人脸检测是人脸识别的前提。对于给定的图像，人脸检测的目的在于判断图像中是否存在人脸，如果存在，则返回其位置和空间分布。利用人脸肤色和面部特征，将人脸检测分为两个阶段：外脸检测和内脸定位。外脸检测主要利用人脸肤色进行初步的脸区检测，分割出肤色区域；内脸检测是在外脸区域中利用面部几何特征进行验证和定位。 外脸检测 外脸检测的任务是将待检图像中可能的人脸区域找出来并加以标记，其步骤如下： (1)根据人类肤色在色彩空间中存在区域性的特点，将可能为人脸的像素检测出来。为更好地利用肤色特征，同时选用HSI和YcbCr两种色彩空间对图像进行二值化处理，肤色范围限定在H∈[0，46]，S∈[0.10，0.72]，Cb∈[98，130]，Cr∈[128，170]内。将满足条件的像素标记为肤色像素，其余的均为非肤色像素。 (2)去噪处理。在以每一个肤色点为中心的5×5邻域内统计肤色像素的个数，超过半数时中心点保留为肤色，否则认为是非肤色。 (3)将二值图像中的肤色块作区域归并，并对目标区域进行比例、结构分析，过滤掉不可能的人脸区域。目标区域的高度／宽度比例限定在0.8～2.0。 内脸检测和定位 内脸区域能够很好地表达人脸特征，且不易受背景、头发等因素的干扰，因此内脸区域的检测和定位对后续的特征提取和识别至关重要。内脸区域包含眼、眉、鼻和嘴。 在外脸区域的上半部，对二值图像进行水平方向和垂直方向的投影，确定两个包含黑点的矩形区域作为双眼的大致区域。在确定的两个区域中，对黑点进行区域膨胀，可以得到眼睛的基本轮廓和左石眼角，黑点坐标的平均值作为瞳孔的位置。 设左右瞳孔的坐标分别为 (Lx，Ly)和(Rx，Ry)，两个瞳孔之间的距离为d，根据人脸的几何特征，拟将内脸区域定义为：宽度=-d×1.6，高度=-d×1.8，左上角坐标为(Lx-d×0.3，(Ly Ry)／2-(-d)×0.3)。查阅相关资料表明，该区域能够很好地表达人脸特征。 內脸区域归一化 由于各待测图像中的人脸大小具有很大的随机性，因此，有必要对内脸区域进行归一化操作。人脸归一化是指对内脸区域的图像进行缩放变换，得到统一大小的标准图像，拟计划按规定标准图像的大小为128×128。归一化处理，保证了人脸大小的一致性，体现了人脸在图像平面内的尺寸不变性。 对归一化的人脸图像，采用小波变换与DCT相结合的方法提取人脸特征。首先对人脸图像进行3层小波分解，取低频子图像LL3作为人脸特征提取的对象，从而获得每幅训练样本或测试样本的低频子图像；然后对低频子图像进行离散余弦变换(DCT)，DCT系数个数与子图像的大小相等(即256)，由于图像DCT变换，能量集中在低频部分，因此只取其中的136个低频系数作为特征向量。 2人脸的识别 完成训练过程并获得待测样本的特征后，即可进行人脸识别，拟定采用欧氏距离进行分类。 计算待测样本与库内样本相关特征的欧氏距离（匹配度计算）： 用m和x表示数据库内人脸图像和待测样本的特征向量，则样本与数据库内特征的欧氏距离为： 其中mk表示数据库中一张脸部图像的第k个特征向量，xk表示待测样本的第k个特征向量。身份认证时，计算待测样本与数据库样本的欧氏距离，并与该对象的相对应特征进行比较，得出匹配度，判断最终结果是否认证通过。 3研究人员 指导老师：周治平 小组成员：周方正，范强 4 相关开销费用 科目 预算/元 备注 研究经费 3000 包