1. 研究目的与意义
背景:人脸的自动识别是生物测定学研究的内容之一,是模式识别领域中的一个前沿课题。
该课题的研究已有 30多年的历史。
人脸识别正越来越成为当前模式识别和人工智能领域的一个研究热点。
2. 课题关键问题和重难点
关键问题:(1)作为识别必要前提条件的面部关键特征精确定位问题;(2)高效的人脸描述特征及其相应的高精度核心识别算法;(3)如何提高 AFR系统对不可避免的配准错误的鲁棒性问题难点:(1)光照变化是影响人脸识别性能的最关键因素,对该问题的解决程度关系着人脸识别实用化进程的成败,在人脸图像预处理或者归一化阶段,尽可能地补偿乃至消除其对识别性能的影响。
(2)成像角度及成像距离等因素的影响,即人脸的姿态的变化,会垂直于图像平面的两个方向的深度旋转,会造成面部信息的部分缺失。
(3)不同年龄的人脸有着较大的差别。
3. 国内外研究现状(文献综述)
人脸识别技术是利用计算机分析人脸图像,从中提取有效的识别信息,用来辨认身份的一门技术.该技术涉及模式识别、数字图像处理、计算机视觉、生理学、心理学和认知学等诸多学科,并且与基于其他生物特征的身份鉴别方法以及计算机人机感知交互的研究领域都有着密切联系.与指纹、视网膜、虹膜、基因、掌纹等其它人体生物特征识别系统相比,人脸识别系统更加直接、友好,易于为用户所接受.人脸识别技术应用背景十分广泛,可用于公安系统刑侦破案的罪犯身份识别、身份证及驾驶执照等证件验证、银行和海关的监控、自动门卫系统、视频会议、机器人智能化研究以及医学等方面.由于有实际应用的需求,及相关技术的发展,人脸识别技术已成为图像识别和理解领域中的研究热点1.1人脸检测与定位部分检测图像中是否有人脸图像,若有,将其从背景中分割出来,并确定其在图像中的位置.在某些控制拍摄条件的场合,如证件照等,背景相对简单,定位比较容易.而在复杂背景下获得的图像,由于人脸在图像中的位置是未知的,此时人脸的检测与定位将受到以下诸因素的影响:(1)人脸在图像中的位置、旋转角度和尺度的变化;(2)发型和化妆会遮盖某些特征;(3)图像中的噪声.1.2特征提取与人脸识别部分主要分为图像预处理、特征提取和识别三部分:图像预处理:为了更精确地获得图像的有效特征信息,在特征提取前一般需要对图像做几何归一化和灰度归一化的处理.前者是指根据人脸定位结果将图像中的人脸位置、尺度调整到同一位置和同样大小;后者主要是采用光照补偿等处理方法解决光照变化对检测的影响.特征提取:进行特征提取时根据所采取识别方法的不同,具体提取的特征形式也不相同.如在基于几何特征的识别方法中,需要提取特征点,然后构造特征矢量;在基于统计的特征脸方法中则是提取图像相关矩阵的特征矢量来构造特征脸;在模板匹配法中提取相关系数做为特征;而在基于神经网络的识别中一般不需要专门的特征提取过程.人脸识别:特征提取结束后,下一步就是人脸识别.在数据库中预先存放了已知的人脸图像或有关的特征值,识别的目的就是将待识别的图像或特征与数据库中数据进行匹配.识别任务分为两类:人脸辨认,确定输入图像为库中哪一个;人脸证实,验证某人的身份是否属实基于几何特征的人脸识别方法,是在抽取人脸图像上显著特征的相对位置及其参数的基础上进行识别.早期的人脸识别是用手工确定人脸特征点的位置并将其输人计算机中,其工作的流程:检测出面部特征点,通过测量这些关键点之间的相对距离(欧式距离),得到描述每个脸的特征矢量,如眼睛、鼻子和嘴的位置和宽度,眉毛的厚度和弯曲程度等,以及这些特征之间的关系.用这些特征来表示人脸,未知脸和库中已知脸中的特征矢量比较,寻找最佳匹配.Roder〔3〕对几何特征提取的精确性进行了实验性的研究,其结果很不乐观.Yuille等〔4~6〕提出基于弹性模板的人脸检测方法.弹性模板是由一个根据被测物体形状而设定的参数可调模板和与之对应的能量函数构成,能量函数可依据图像的灰度信息、被测物体轮廓等先验知识来设计.用弹性模板进行人脸检测时,将可调模板在待测图像中移动,并动态地调整其参数,计算能量函数,当能量函数到达最小值时,根据其位置和参数所决定的可调模板形状即是与人脸形状的最佳拟合,这样就检测到了一幅人脸.这种方法的优点是由于所使用的弹性模板可调,所以能够检测不同大小、不同偏转角度的人脸物体.其缺点是检测前必须根据待测人脸的形状来设计弹性模板的轮廓,否则会影响收敛的结果;当对图像进行全局搜索时,由于要动态地调整参数和计算能量函数,计算时间过长.基于几何特征的识别算法具有存储量小、对光照不敏感的特点,但该方法对获得图像的质量要求很高,对特征点的定位要求非常准确,倘若人脸有一定的侧向或有装饰物则会影响识别率.所以这种方法做为早期的识别方法,现在常是作为其它识别方法的辅助手段总结不同人脸识别的方法有各自的优缺点,应根据具体的识别任务和条件选择合适的识别方法.由于人脸识别的复杂性,仅单独使用任何一种现有的方法一般都不会取得很好的识别效果,将各种人脸识别方法组合是今后研究的一种趋势.而如何有效地与基于其它生物特征识别方法结合来提高识别效率也是一个重要的研究方向
4. 研究方案
本课题要求利用matlab编程语言编写一个人脸识别的程序,并测试这个程序的识别率。
具体需要完成以下工作:将教师给定的人脸数据集中的图像向量化;将向量化的图像划分为训练集和测试集;利用特征脸变换方法求对训练集向量进行降维的降维矩阵(降低后的维数先根据经验定一个数字,还需要反复调整);利用降维矩阵对训练集向量和测试集向量进行降维;
5. 工作计划
第1周 准备开题报告,阅读并摘要与课题有关的中文资料,收集相关设计资料。
第2周准备开题报告,阅读并摘要与课题有关的中文资料,收集相关设计资料。
第3周 完成开题报告,完成与课题相关的中文资料摘要。
以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。