《动态人脸识别技术与应用研究.ppt》由会员分享，可在线阅读，更多相关《动态人脸识别技术与应用研究.ppt（23页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、C A S I P P,动态人脸识别技术与应用研究,报告人: 徐从东,导 师:,肖炳甲 研究员,罗家融 研究员,C A S I P P,报告主要内容,一、系统概述 二、研究现状 三、下一步工作,C A S I P P,一、系统概述,系统设计为基于动态图像的人脸识别系统，设计本系统的目的是通过前端的摄像头判断某一视野是否有人，如果有人则对其身份进行鉴定,进而作出一些必要的反应。,C A S I P P,前端摄像头,图像采集,人脸检测与分割,人脸识别,特征库管理,人脸特征库,一、系统概述,C A S I P P,二、研究现状,图像采集,图像采集是指将前端摄像头传过来的信号采集为视频和图片。主要内容
2、：,（1）采集摄像头传来的视频信号,（2）对采集到的视频进行分割与取帧,（3）对处理后的视频的再现,在Windows操作系统下，采用VFW方法，对数字摄像头进行操作，用VC6.0编程。（已完成）,C A S I P P,二、研究现状,根据采集的图像，确定图像中是否有人脸，如果有则确定人脸的位置，并转化成标准大小的人脸图像。此处我们采用基于皮肤颜色的人脸检测方法。首先在图像中检测人的皮肤，确定皮肤的位置，以此作为人脸的候选区域。再在这些候选区域中检测脸部特征，进一步确定人脸区域。,人脸检测与分割,C A S I P P,二、研究现状,人脸检测与分割,第一步：光线补偿 第二步：将RGB图像转化为Y
3、CBCR图像 第三步：建立皮肤颜色的高斯分布模型 第四步：用高斯模型检测出图像中的皮肤区域 第五步：求出皮肤区域中皮肤色调的马氏距离图 第六步：用主成份分析法确定皮肤区域是否是人脸,C A S I P P,二、研究现状,人脸检测与分割,第一步：光线补偿 第二步：将RGB图像转化为YCBCR图像,目的是减小外界光照的影响,C A S I P P,二、研究现状,人脸检测与分割,第三步：建立皮肤颜色的高斯分布模型,皮肤颜色服从高斯分布：,（1）收集皮肤图像样本（收集了一些皮肤图像样本） （2）统计计算出皮肤颜色高斯分布的参数,C A S I P P,二、研究现状,人脸检测与分割,第三步：建立皮肤颜色
4、的高斯分布模型,（2）统计计算出皮肤颜色高斯分布的参数（颜色分量只取CB与CR分量）,均值与协方差：,C A S I P P,二、研究现状,人脸检测与分割,第四步：用高斯模型检测出图像中的皮肤区域,根据上面的高斯模型，可以直接计算出颜色c是皮肤的可能性的概率，也可用从颜色向量c 到均值向量的Mahalanobis距离来度量，计算公式如下：,C A S I P P,二、研究现状,人脸检测与分割,第四步：用高斯模型检测出图像中的皮肤区域,（1）计算图像的马氏距离 （2）根据马氏距离确定图像中各点像素是否是皮肤像素 （3）对皮肤像素进行膨胀与腐蚀 （4）去除假区域 （5）确定可能的人脸区域并缩放到标
5、准人脸图像大小。,步骤如下：,用MATLAB进行编程,C A S I P P,二、研究现状,人脸检测与分割,原始图像,根据马氏距离确定的皮肤像素,C A S I P P,二、研究现状,人脸检测与分割,对皮肤像素进行膨胀与腐蚀,去除假区域,C A S I P P,二、研究现状,人脸检测与分割,确定的可能人脸区域,C A S I P P,二、研究现状,人脸检测与分割,第五步：求出皮肤区域中皮肤色调的马氏距离图 （计算方法与前面完全一样） 第六步：用主成份分析法确定皮肤区域是否是人脸 （与特征脸法类似，此处是用的马氏距离图）,C A S I P P,二、研究现状,根据前面检测的人脸图像，计算其特征，
6、根据这些特征判断是不是已知的人脸，从而确定人的身份。这些特征可以是具体的，也可是抽象的。,人脸识别,为了便于计算，可以将人脸图像作为高维空间的一个点或一个向量，将这个高维向量映射到维数较低的向量空间，并用映射空间的向量表示人脸图像，来进行人脸识别。,C A S I P P,二、研究现状,人脸识别,特征脸法：在人脸识别中，用主成份分析方法对人脸图像的原始空间进行转换，即构造人脸图像数据集的协方差矩阵，对之进行正交变换，求出协方差矩阵的特征向量，再依据特征值的大小对这些特征向量进行排序，每一个向量表示人脸图像中一个不同数量的变量 ，这些特征向量表示特征的一个集合，它们共同表示一个人脸图像。在人脸识
7、别领域，人们能常称这些特征向量为特征脸 。每一个体人脸图像都可以确切地表示为一组特征脸的线性组合。,C A S I P P,二、研究现状,人脸识别,采用MATLAB进行编程实现，仿真对象是ORL（Olivette Research Lab) 标准人脸库,算法训练过程,1 构造训练样本集trainingSet 即从人脸图像目录中读取多个人脸图像到trainingSet 中； 2 计算出所有训练样本的平均脸meanImage 和各训练样本相对于平均脸的差值图像differenceImages； 3 用特征值分解的方法求差值图像differenceImages 的特征值和特征向量Eimage Eva
8、l； 4 求训练集中的每个差值图像相对于各特征向量上的投影值xuWeight构成的特征脸向量； 5 计算每一类的平均投影值xuAveWeight（对于最近邻法不需要这一步）,C A S I P P,二、研究现状,人脸识别,算法识别过程,1 读取一幅待识别图像recogniseImage 2 求取该图像相对于平均脸meanImage 差值图像recDiffIm 3 求差值图像recDiffIm 在各特征向量上的投影weight 4 求该投影值weight构成的向量与各类的xuAveWeight构成的向量之间的欧氏距离xuDiffWeight （基于夹角最小法则：该投影值weight构成的向量与各
9、训练样本的xuWeight构成的向量之间的夹角余弦 ） 5 判断与最小的欧氏距离xuDiffWeight则该图像属于该类 （基于夹角最小法则：判断最小的夹角余弦所对应的训练样本所属类为该图像的类别）,C A S I P P,主要包括对皮肤图像库的管理、对已知人脸图像库的管理，对各种学习方法的管理和计算出的人脸各种表征值的管理。,人脸特征库管理,二、研究现状,C A S I P P,（1）完成人脸检测与分割的工作（MATLAB语言）,三、下一步工作,（2）收集部分人脸图像样本（确定大小与区域）,（3）实现VC+与MATLAB的更好的结合。如果有必要所有都用VC+编程实现。 （MATLAB语言计算速度太慢，用engine方法不可取）,（4）进行系统集成，建立人脸特征库管理模块,C A S I P P,谢 谢！,汇报结束！,