《基于人脸识别的考勤系统的设计与研究.pdf》由会员分享，可在线阅读，更多相关《基于人脸识别的考勤系统的设计与研究.pdf（7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、第2 3 卷第3 期电脑开发与应用文覃编号：1 0 0 3-5 8 5 0(2 0 1 0)0 3 0 0 3 7 0 3基于人脸识别的考勤系统的设计与研究D e s i g na n dR e s e a r c ho fA t t e n d a n c eS y s t e mb a s e do nF a c eR e c o g n i t i o n黄福苑全兵纪丽婷赵柳王立建(中北大学电子与计算机科技学院太原0 3 0 0 5 1)【摘要】通过研究人脸识别，设计出一套用于考勤的系统。基于人脸识别的考勤系统中最主要的就是人脸识别；首先对通过摄像头拍摄获取的原始人脸图片进行图像预处理；
2、然后通过对人脸的眼睛、鼻子和嘴巴的定位实现人脸定位；在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来；最后通过图片中提取的特征值和后台人脸特征数据库中的值进行比较来完成人脸的识别功能。【关键词】人脸识别，图像预处理，人脸定位，特征提取中图分类号：T P 3 1 7 4文献标识码：AA B S T R A C TB ys t u d y i n gf a c er e c o g n i t i o n d e s i g nas e tf o rt h ea t t e n d a n c es y s t e m A t t e n d a n c es y s t e mb a s
3、e dO nf a c er e c o g n i t i o ni st h em o s ti m p o r t a n ti nf a c er e c o g n i t i o n；T h ef i r s tt h r o u g ht h ec a m e r at oo b t a i np i c t u r e so ft h ep r i m i t i v ef a c ei m a g ep r e p r o c e s s i n g，a n dt h e nt h r o u g he y e s n o s ea n dm o u t hp o s i t
4、 i o n i n gt oa c h i e v eh u m a nf a c ep o s i t i o n i n g；t h r o u g ht h ef a c ei m a g eb ep o s i t i o n e do ft h ee y e s n o s e m o u t ht Oe x t r a c tt h ee i g e n v a l u e sIt h ef i n a la d o p t i o no ft h ei m a g ef e a t u r e se x t r a c t e df a c i a lf e a t u r e
5、v a l u e sa n db a c k g r o u n dv a l u e si nt h ed a t a b a s et Oc o m p a r et Oc o m p l e t et h eh u m a nf a c er e c o g n i t i o n K E Y W O R D Sf a c er e c o g n i t i o n，i m a g ep r e p r o c e s s i n g，f a c ep o s i t i o n i n g，f e a t u r ee x t r a c t i o n随着安全入口控制和金融贸易等
6、各方面的应用需求的快速增长，生物识别技术得到了广泛的重视，人脸识别由于属于非接触型认证，仅仅看到脸部就可以实现很多应用，因而被广泛的应用。伴随着科技的进步，人脸识别技术也开始走入了我们的日常生活之中。本文介绍的基于人脸识别的考勤系统就是一种比较热门的系统应用。基于人脸识别的考勤系统的设计，能够彻底解决传统打卡钟、I C 卡考勤方式所经常出现的代打卡现象的出现，保证考勤数据的真实性，真正体现公开，公平和公正，从而进一步提高企业的管理效率和管理水平。以很快标记出来，而鼻子是在眼睛下面，且嘴巴在鼻子下面，所以只要眼睛标记好，鼻子和嘴巴也能很好地标记出来。人脸特征参数的提取主要采取4 个步骤进行：提取
7、两只眼睛的距离；眼睛的倾角度；眼睛、嘴巴的重心；用一个矩形标出每一个特征。在特征提取完之后将得到的相应特征值作为后台数据库为下一步的识别做准备。人脸的识别是与库存中的特征向量进行比较，找出与特征最相近的参数，再对该参数进一步分析。如果分析在我们所确认的范围内，就确认该人的相关的信息。如果库存中没有，则给出提示是否对存库作为样本。1 人脸识别的原理和方法2 系统总体设计方案人脸识别技术主要涉及4 个方面的功能：对获取的原始图片的预处理、人脸定位、人脸特征参数提取和人脸数据库比对识别。人脸照片的获取可以从摄像头拍照后进行获取图片，也可以直接从图片库中获取。囹像预处理就是对获取得来的图像进行适当的处
8、理，使它具有的特征能够在图像中明显地表现出来，采用的主要操作包括：光线补偿、图像灰度化、高斯平滑、图像对比度增强、均衡直方图等。人脸定位是将典型的脸部特征(如眼睛、鼻尖，嘴唇等)标记出来，在本系统中根据人脸的三庭五眼特性定位出眼隋，鼻尖和嘴巴3 个特征。由于眼球颜色的特殊性和眼睛的对称性。因此可本系统由摄像头、客户机、应用服务器和数据库服务器4 部分组成，其系统结构图如图1 所示。整个系统的设计以遵循T C P I P 协议的以太网作为传输媒介，通过一个H U B 将分布在不同地方的摄像头和客户机连入局域网。摄像头主要进行人脸原始图像的采集，并通过网络传输至应用服务器。在应用服务器中可以进行获
9、取人脸信息与数据库人脸信息的比对并根据已定的规则生成相应的记录。3 考勤系统的分模块设计方案与主要技术处理根据人脸识别的技术方法，人脸识别考勤系统的|2 0 0 9 1 0 1 9 收到，2 0 1 0-0 1 2 0 改回*黄福，男，1 9 8 2 年生，硕士，研究方向：计算机图形处理与图像重建。万方数据3 8(总2 1 0)基于人脸识别的考勤系统的设计与研究l 堡堡兰!卜一匝匦堑卜1 C P I PH U B匝夏巫卜万顶订一图1 人脸识别考勤系统结构图主要模块设计如图2 所示，包括6 个功能模块。F 蟊闹获取人脸图像获取脸部区域州藿人脸识别图2 功能结构图3 1 获取人脸图像区域获取人脸图
10、像是通过摄像头拍照后进行获取图片，获取后的图片可以在软件的界面中显示出来以方便进行识别。系统对于图像中的人脸区域的获取，主要是根据肤色来进行获取，通过肤色非线形分段色彩变换来实现。这一非线性分段色彩变换得到的肤色模型属于色彩空间中的聚类模型，这一类肤色模型的建立首先要选取一种合适的色彩空间。本系统采用了文献E l i 中的肤色模型。3 2 人脸图像预处理人脸图像预处理模块主要完成如下的功能：光线补偿：因为摄像头直接得到的图片可能会存在光线不平衡的情况，会影响对特征的提取，同时系统中要用到Y c r C B 色彩空间，所以有必要对图像进行光线补偿。尽可能将它的特征在图像中表现出来。灰度化：图像灰
11、度化的过程就是将彩色图像转换为黑白色图像，这样就可以将图像的信息更加具体、简单地表现出来。将图像灰度进行线性扩展，常能显著地改善图像的外观。灰度线性变换的计算式为：g 一生掣忆厂乩6 (1)F；一6 一口。、-L”。J(1)【厂，其他式(1)中厂是原像素的灰度，g 为变换后的灰度。该变换把属于 口，6 的灰度级变换至灰度区间艮，d ，而没有在，6 区间的原像素灰度将保持不变。这里a，b，c，d，f，g 均为E o，z 5 5 之间的整数值。可见，a 被映射为f，b 被映射为d。高斯平滑处理：高斯平滑是对图像进行平滑处理，在采集图像的过程中由于存在各种因素的影响，图像往往会出现一些不规则的噪声。
12、如图像在传输、存储等都有可能产生数据的丢失。从而影响图像的质量。平滑处理可以降低图像的视觉噪声，同时除去图像中的高频部分后，可以使本来不明显的低频成分更容易被识别，系统中采用卷积来实现。经过卷积平滑水平投影后，二值化可以得到较好的效果图像。对比度增强：对比度增强，就是将对比度进一步拉开。通过对图像的灰度值进行统计，对于比最小设定值小的则认为是有关的信息，则将它作为黑色处理，比最大设定值大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。二值化：通过二值化处理可以将采集获得的多层次灰度图像处理成二值图像，以便于分析理解
13、和识别并减少计算量。二值化通过一个阈值改变图像中的像素颜色，令整幅图像画面内仅有黑白二值便于我们对特征的提取。本系统中采用组内方差和组外方差来实现二值化。直方图均衡：直方图均衡化就是使输人图像转换为在每一灰度级上都有相同的像素点数，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。按照图像的概率密度函数(归一化到单位面积的直方图)的定义：p(x)=去*日(z)(2)其中D(z)为概率密度函数，H(z)为图像的直方图，A。为图像的面积。设转换前图像的概率密度函数为p r(r)，转换后图像的概率密度函数为B(s)，转换函数为s=，(r)，由概率论知识，可以得到：一t 肛
14、(s)一p r O)*蔫(3)如果想使转换后图像的概率密度函数为1(即直方图是平的)则必须满足：驰)=骞(4)等式两边对厂积分，可以得到：f1fs 一厂(，_)=Jp r O)d r=JH(_)d z(5)该转换式被称为图像的累积分布函数。上面的公式是被归一化后推导的对于没有归一化的情况，只要求以最大的灰度值(D M a x，对于灰度图就是2 5 5)即可，灰度均衡的转换式为：一r D B=f(D )=D m d a x，oH(p)d 产(6)对于离散数据如果其像素灰度值D 在(m i n f，万方数据第2 3 卷第3 期电脑开发与应用m a x f)之间，转换的灰度范围为(O，2 5 5)则
15、转换式为：9 E f D D 皇=f(D )一竿Jo 凰(7)Z 1 0式中H，为第i 级灰度的像素个数，D 且为像素灰度D 经过转换后得到的灰度。3 3 人脸定位人脸定位模块的实现主要进行了如下操作：颜色筛选：无论是眼睛还是嘴巴，都位于人脸的非肤色区域。而且眼睛的颜色是黑白分明，利用先验知识可以淘汰许多候选，减少P C A 验证的负担。双眼的定位：把筛选过的特征区域两两配对，再用P C A 模扳进行严整，就可以得到真正的双眼。鼻子的定位：在确定了眼睛的位置以后，鼻子的位置基本确定，以眼睛的瞳距为1 来计算，鼻子到两眼中心的距离为0 7 1。在这附近搜索颜色较深的区域，大致能得到鼻孔的位置。然
16、后在两鼻孔上访一定范围内(鼻孔的距离的1 2 左右)找亮度最高的点作为鼻尖。嘴巴的定位：找到双眼之后，可以在它们的下方搜索候选特征区域，寻找非肤色面积较大、近似位于双眼对称的候选作为嘴巴。然后根据先验知识调整嘴巴的大小。3 4 人脸参数获取及人脸识别人脸特征参数的提取主要采取第二部分中的4 个步骤进行获取，获得数据以后与数据库中的人脸特征向量进行比较，找出与特征最相近的参数，再对该参数进一步分析，确认该人的相关的信息。4 后台数据库设计与应用服务器系统在数据库服务器上的关系数据库使用了S Q LS e r v e r，数据库中的信息主要包括员工的基本信息、员工的人脸特征信息、考勤记录等。其中，
17、员工的人脸特征信息存储着员工人脸的特征信息参数，是与获得的人脸特征参数进行比对的基础，为了提高对比的效率可以在人脸特征信息字段上建立索引。考勤记录用于记录员工出勤、迟到和早退等考勤结果数据，它是应用服务器根据一定的考勤规则所得出的结果，也是管理人员查询统计的基础。应用服务器是用来运行考勤系统的。可以在应用服务器上录入以及修改员工的基本信息，包括录入人脸的特征信息并将其存入后台数据库中。同时考勤系统在应用服务器上还提供了考勤统计查询，考勤管理，考勤维护等功能。5 结束语系统在实践中，能够稳定、快速、准确地识别出对应员工完成考勤任务。利用人脸识别考勤系统，从根本上解决了普通打卡等考勤方式中出现的代
18、打等问题。而且由于它的非接触性，只要员工正面站在摄像头前就能快速地完成考勤，大大提高了企业管理的效率和水平。参考文献肖秀春人脸检测与面部特征提取技术研究 D 太原：中北大学，2 0 0 4 周长发精通V i s u a lC+图像处理缩程 M 北京：电子工业出版社，2 0 0 4 胡迎春人脸图像特征点眼睛的定位与提取口 广西工学院学报，2 0 0 3(3)：1 0 7 1 2 0 张国印楼宋江，程慧杰等基于局部和全局的特征提取算法及在人脸识别中的应用 J 计算机科学技术，2 0 0 9(8)：2 8 5 2 8 7 A n n a l i s aF r a n c o D a r i oM a
19、 i o D a v i d eM a l t o n i2 DF a c eR e c o g n i t i o nb a s e do nS u p e r v i s e dS u b s p a c eL e a r n i n gf r o m3 DM o d e l s D P a t t e r nR e c o g n i t i o n4 1 2 0 0 8，5：28 2 2-28 3 3 B e nN i u a，Y a n gQ，S i m o nC h iK e u n gS h i u S a n k a rK u m a rP a lT w o d i m e n
20、 s i o n a lL a p l a c i a n f a c e sM e t h o df o rF a c eR e c o g n i t i o n J P a t t e r nR e c o g n i t i o n4 1，2 0 0 8，5 1 32 3 7-32 4 3 张起贵，张磊，倪嘉基于U S B 的高分辨率图形采集分析系统的设计 刀电脑开发与应用，2 0 0 9，2 2(5)：3 8 4 0(上接第3 3 页)?此函数也是此算法性能的一个重要的一个参数，在设计算法时，首先，提高提取基频的正确率，再次，提高算法的抗噪声能力，即是在一定信噪比范围内，才能保证提取
21、基频正确率。6 结论本文以传统检测基频方法，优化设计了一个新的基频提取算法，并在不同信噪比的实验环境中，对算法在基频提取的稳定性进行了评估。算法只对加法性噪声进行了实验研究，对其他种类噪声还有待于研究。参考文献 1 韩纪庆，张磊郑铁然语音信号处理 M 北京：清华大学出版社，2 0 0 4 2 胡航语音信号处理 M 哈尔滨：哈尔滨工业大学出版社，2 0 0 5 3 刘建。郑方，邓菁等基于混合幅度差的函数基音提取算法 J 电子学报，2 0 0 6，3 1(1 0)：1 9 2 6 4 李海涛，邓樱M A T L A B 程序设计教程 M 北京：高等教育出版社，2 0 0 4 n乜DI!I口印口万方
22、数据基于人脸识别的考勤系统的设计与研究基于人脸识别的考勤系统的设计与研究作者：黄福，苑全兵，纪丽婷，赵柳，王立建作者单位：中北大学电子与计算机科技学院,太原,030051刊名：电脑开发与应用英文刊名：COMPUTER DEVELOPMENT&APPLICATIONS年，卷(期)：2010，23(3)被引用次数：0次 参考文献(7条)参考文献(7条)1.肖秀春.人脸检测与面部特征提取技术研究D.太原:中北大学,2004.2.周长发.精通Visual C+图像处理编程M.北京:电子工业出版社,2004.3.胡迎春.人脸图像特征点眼睛的定位与提取J.广西工学院学报,2003(3):107-120.4
23、.张国印,楼宋江,程慧杰等.基于局部和全局的特征提取算法及在人脸识别中的应用J.计算机科学技术,2009(8):285-287.5.Annalisa Franco.Dario Maio.Davide Maltoni 2D Face Recognition based on Supervised SubspaceLearning from 3D ModelsJ.Pattern Recognition 41,2008,5:2 822-2 833.6.Ben Niua,Yang Q,Simon Chi Keung Shiu.Sankar Kumar Pal Two-dimensional Lapla
24、cianfaces Method forFace RecognitionJ.Pattern Recognition 41,2008,5:3 237-3 243.7.张起贵,张磊,倪嘉.基于USB的高分辨率图形采集分析系统的设计J.电脑开发与应用,2009,22(5):38-40.相似文献(10条)相似文献(10条)1.学位论文 田相军 人脸识别中图像预处理与分类器的研究 2006 人脸识别技术是模式识别与人工智能的研究热点之一。在生物特征识别中，人脸识别占有极为重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域拥有十分广泛的应用。人脸识别作为一个系统，它分为三个阶段，即预处理、特征提
25、取和分类决策。但随具体的应用也有所不同，预处理的方法和难度也各有千秋。本论文的研究是在已检测出人脸并手动标定眼睛坐标的前提下进行的。我们先探讨了人脸图像的归一化处理。然后在基于表征的PCA特征提取方面，我们分别采用传统PCA与改进的均值PCA两种不同方法，在标准人脸库(包括ORL，Yale等人脸库)上做实验，试验证明改进。PCA比传统PCA速度快。紧接着我们还分析了核主分量分析(KPCA)方法，它是在传统PCA基础上引进核函数的概念，将数据映射到高维空间进行样本的分类，使原本在低维空间的非线性问题转变为在高维空间中线性可分的问题。试验证实在适当参数条件下它比传统PCA的识别率会更高。线性判别分
26、析(LDA)是基于数据分类的另一种特征提取方法。它寻找使类间距离最大，类内距离最小的投影方向，最大程度的保留有利于分类的信息。但在运用线性判别分析的时候，往往遇到“小样本”问题，这就造成类内离散度矩阵是一个奇异阵的情况，一般通过降低图像的维数来解决。在分析插值原理的基础上，本文应用插值降维的思想，并经过试验得出比传统的PCA识别率还要高的结果。在分类器的讨论中，先介绍了常见的欧式距离分类器、马氏距离分类器以及贝叶斯分类器后，详细介绍了支持向量机分类器的原理、基本算法。在此基础上，本文将最小二乘支持向量机(Ls SVM)应用于人脸识别系统，并通过试验证实LS SVM比标准的SVM在时间快的特点，
27、故此，最小二乘支持向量机更能适应系统实时性的要求。2.学位论文 祝世虎 基于LBP的人脸识别研究 2009 人脸识别是在生物特征识别技术中，最自然、最直接和最友好的手段。人脸检测和识别在身份认证、电子商务、视频监控、人机交互等领域具有广阔的应用前景。人脸识别已经成为模式识别和人工智能领域中极富挑战性的热点课题之一，对人脸识别的研究具有很高的理论意义和实用价值。局部二值模式(Local Binary Pattern LBP)是一种灰度纹理描述算子，它是从纹理局部近邻定义中衍生出来的。近年来，研究者们成功的将其应用在纹理识别、人脸识别、医学图像处理等领域，取得了显著的效果。本文深入研究了LBP算子
28、和基于LBP算子的人脸识别的核心算法，主要工作内容和贡献如下：1.给出了一种利用LBP特征重建原始灰度图像的方法，并且对LBP算子提取灰度图像的信息进行理论推导，最后比较了人脸识别中常用的特征，为后文的人脸检测、人脸图像预处理、人脸识别问题中的特征提取提供了一个理论的基础。本文对灰度图像的信息进行分解得出，灰度图像可以由其模式信息(LBP值)、对比度信息、图像整体灰度的平均值完全表示。然后给出了一种由LBP特征重建原始图像重建原始灰度图像的方法，实验证明了LBP变换完全保留了图像的模式信息，完全忽略图像的对比度和平均灰度信息。最后深入分析了目前比较流行的人脸特征：灰度特征、Gabor特征和LB
29、P特征，并且说明了这些特征在人脸识别问题中的优缺点，为下文的人脸检测、人脸图像预处理、人脸识别问题中的特征提取提供了一个理论的基础。2.针对人脸检测问题，给出了适用于人脸检测的LBP特征MLLBP特征和基于MLLBP特征的人脸检测方法。人脸检测问题不同于人脸识别问题，其仅仅是一个两类问题，在人脸检测过程中我们只需要区分人脸和非人脸，所以对于特征的选择并不需要能够刻画人脸细节的特征，所以我们对LBP特征进行了改进，得到了MLLBPL特征，然后使用AdaBoost方法进行学习，得到了基于MLLBPL特征和Adaboost的人脸检测方法，并且实验比较了MLLBPL特征和HaarLike特征，证明了M
30、LLBPL特征的优势。3.针对人脸图像的预处理中的人脸对齐问题，人脸图像质量评价问题，分别给出了基于LBP的解决方案，并且将图像欧式距离嵌入到了人脸图像的预处理中。a)针对人脸对齐问题，提出了适用于人脸对齐的LBP特征LineLBP特征和基于LineLBP特征的特征点定位方法。b)针对人脸图像质量评价问题，提出了基于LBP特征的人脸图像质量评价方法，包括基于LBP特征的人脸图像丰观评价方法和基于LBP重建图像的人脸图像的客观评价方法。c)引入了图像欧式距离，并且证明了图像欧式距离的引入可以有效的提高人脸识别系统的识别率。4.针对人脸识别问题，从特征、人脸表达、距离定义三个方面改进提高了人脸识别
31、问题的识别率与鲁棒性，最后通过实验给出了不同特征、不同人脸表达、不同距离的人脸识别算法的组合与应用领域。a)提出了适用于人脸识别问题的LBP特征MEMBILBP，并且通过实验比较了MEMBILBP特征、LGBP特征、Uniform LBP特征在人脸识别中效果。b)分析了直方图级联的人脸表达方式的缺点，提出将LBP图像直接作为人脸表达方法。c)提出了LBP图像两种距离的定义：融合汉明距离的推土机距离和LBP图像汉明距离。3.学位论文 周贤君 基于多方法优化的动态人脸识别研究及应用 2009 随着模式识别在安防监控领域的应用需求，当前人脸识别的研究已成为一项重点课题。本文从人脸识别在智能监控的实际
32、应用出发，深入研究了动态人脸识别中的视频捕捉、人脸检测、人脸图像预处理、人脸识别等技术，最终完成了一个实时的动态人脸识别装置，并获得了专家验收组的验收和肯定。本文针对动态人脸识别系统的实时性，开发了一个通用于Windows平台的动态视频捕捉驱动模块和实时人脸检测模块，并在实际应用中获得了不错的效果。研究和实现了基于AdaBoost的人脸检测，与视频捕捉模块结合并嵌入到人脸检测模块中。实验结果表明，只要调整好人脸检测中人脸大小的尺寸和扫描窗口的大小，该检测算法在满足实时的人脸检测前提下，可以达到较高的检测率。光照问题一直是影响人脸识别的重要因素之一，如何在图像预处理中减少光照产生的影响是困扰课题
33、深入研究的问题，作者通过对几种不同的光照补偿方法进行研究，发现任何一种方法在单独情况下并不能十分有效实现光照归一化，最后提出了基于小波分频和多种图像处理方法结合的图像预处理算法，最后取得的了非常有效的效果。表情等类内差异在基于人脸总体特征的子空间识别算法中也是影响人脸识别正确率的问题之一，因此在进行光照补偿后，如何最大程度的降低由于类内差异所带来的影响是提高识别率的关键，在深入分析了主成分分析算法(PCA)、线性差异分析算法(LDA)、贝叶斯算法(Bayesian)三种子空间识别算法，并针对他们的特征子空间和判别依据，提出了一种新颖的多子空间融合人脸识别方法，提高了识别率。4.学位论文 张志伟
34、 可变光照条件下的人脸识别技术研究 2007 近年来在计算机视觉与模式识别领域，人脸识别受到高度关注。作为一种主要身份识别手段，人脸识别在公共安全、视觉监控、数字身份认证、电子商务、多媒体和数字娱乐等领域具有广泛的应用前景。经过近四十年的发展，在人脸识别研究领域已经取得许多成果，已基本实现特定环境下的准确识别，并陆续出现了一些优秀的商用识别软件。尽管如此，人脸识别技术要达到完全实用水平，尚有许多问题有待解决，光照问题就是其中之一。本文针对人脸识别中光照问题进行深入研究。重点研究了可变光照条件下的人脸图像预处理、人脸特征点定位、人脸特征提取以及人脸分类问题。论文主要研究工作如下：（1）研究了可变
35、光照条件下的人脸图像预处理。光照是影响人脸识别系统性能的主要瓶颈之一，由于光照变化导致人脸图像的类内差异要远大于人脸图像的类间差异，为此在光照反射率模型的基础上提出了一种基于光照参考模型的预处理算法。该算法首先利用多个人的标准光照条件下的人脸图像建立光照参考模型，然后根据参考模型对输入的测试人脸图像进行光照校正，最后利用高斯差分滤波器对校正后的图像进行平滑处理。实验表明该算法可以有效地减少光照对人脸识别的影响，提高人脸识别系统的识别率和光照鲁棒性。（2）研究了可变光照条件下的人脸特征定位。面部特征精确配准是鲁棒实用的人脸识别系统的基本前提，主动形状模型（ASM）和主动表观模型（AAM）是目前解
36、决该问题的主流模型。但它们存在对光照鲁棒性差的缺点，为此提出了一种可变光照条件下的人脸特征定位算法，算法首先利用相位一致性边缘图对人脸图像的瞳孔位置进行粗定位，根据瞳孔的位置进行模型初始化，然后利用光照不敏感的特征进行统计外观建模，对人脸图像进行粗定位；最后在粗定位的基础上，将人脸图像分为多个子区域，在各个子区域上应用AAM 算法进行精确定位。实验表明该算法能够比较精确的定位面部关键特征，对光照变化具有较好的鲁棒性。（3）研究了可变光照条件下的人脸特征提取。特征提取是人脸识别中关键的一步，必须对光照、姿态、表情、化妆、年龄等变换具有较强的鲁棒性。为此先对子空间特征提取算法局部保持投影（LPP）
37、进行改进，提出了一种有监督LPP 算法，即对每个LPP 基向量进行线性判别分析，选择主要反映类间差异的基图像来构造新的子空间。然后将监督LPP 算法扩展到二维，提出了一种二维有监督LPP 算法。实验结果表明在可变光照条件下，这两种改进算法的识别率都高于传统的子空间算法，说明这两种算法对光照具有一定的鲁棒性。此外，基于Gabor 小波具有良好的局部特征和方向选择性，且对光照与姿态具有较强的鲁棒性，提出了一种融合Gabor 相位和幅值信息的子空间特征提取算法。该算法同时具有Gabor 方法和子空间方法的优点，对光照变化具有很强的鲁棒性。（4）研究了可变光照条件下的人脸分类问题。分类器的设计是人脸识
38、别中的最后环节。常见的分类器有最近特征线分类器（NFL）和支持向量机（SVM）等，但它们均基于欧氏距离来进行相似度量，所以不能用于度量光照等非线性因素。为此对最近邻分类器和最近特征线分类器进行改进，即利用能刻画非线性流形特征的测地线距离代替传统的欧式距离，最终得到一种最近测地线分类器（NGC）和一种基于测地线距离的最近特征线分类器（NFLG）。实验结果表明，这两种改进的分类器能够有效地提高识别率。5.期刊论文 荆晓远.郭跃飞.杨静宇.JING Xiaoyuan.GUO Yaofei.YANG Jingyu 基于奇异值特征的图像预处理及人脸识别-信息与控制1999,28(2)从增强图像的分类信息
39、角度出发,对人脸图像做频域上的带通滤波预处理,来提高奇异值特征的分类性能.给出了一组圆形滤波函数,并使用遗传算法来选择可分性较大的频段,设计了染色体的表示方式和适应度的求法.实验证明预处理后奇异值特征的分类效果比处理前有较明显的提高.6.学位论文 张伟伟 基于核的人脸识别算法研究及验证 2009 人脸识别技术是一种依据人的面部特征来自动进行身份鉴别的生物特征识别技术。由于人脸识别技术在生物特征识别技术中具有众多的优势(特别是直观、非侵犯)，决定了其广泛的应用前景:可以用来对敏感人物(如罪犯、恐怖分子等)进行识别，协助公安部门布控、海关身份验证。为各类银行卡、金融卡、信用卡的持卡人提供身份验证，
40、作为门禁等。一个完整的人脸识别系统要解决的主要问题包括:人脸检测、人脸图像预处理、特征提取、分类识别。本文主要包括分类识别算法和人脸图像预处理两方面的研究，具体内容如下:1)基于核的大间距分类器在人脸识别中的应用 针对人脸图像这类非线性问题，本文结合了支持向量机和非线性鉴别分析的优点，提出了一种新的非线性鉴别分析算法-基于核的大间距分类器算法。该算法的主要思想是将经过预处理后得到的样本映射到高维空间中，借助于核函数并利用再生核理论对传统的大间距分类器算法进行改进，得到核类内散度尽可能小的核鉴别矢量集。在ORL和Yale人脸库上实验表明，本方法优于传统的支持向量机算法。2)基于核的图像欧氏距离在
41、人脸识别中的应用 引进了两幅图像之间的一种新的距离度量-图像欧氏距离，该距离是利用核函数对传统的欧氏距离进行改进而得到的。本文利用该距离设计了一种新的分类识别方法一基于核的图像欧氏距离人脸识别。为了验证此算法的可行性，首先对入脸图像进行DCT变换得到预处理样本。这里有两种方法，由于图像矩阵经二维DCT变换后得到的矩阵其能量集中在该矩阵的左上角，所以提取该矩阵左上角的不同维数子矩阵可组成一些用于识别的样本矩阵(称为DCT-1)；或者，将原始人脸图像分成互不重叠的8*8小块，对每个小块做二维DCT变换并提取所得矩阵左上角不同维数的子矩阵组成适用于识别的样本矩阵(称为DCT-2)。在ORL和Yale
42、人脸库上的实验表明，该方法优于其它距离分类器算法。7.学位论文 赵传强 基于DCT的人脸识别方法研究 2007 本文主要针对人脸图像预处理，特征提取两个方面进行深入讨论。介绍了DCT在人脸识别中的降维应用：DCT变换系数矩阵左上角的有限个系数包含了人脸图像的大部分信息，这部分信息更有利于识别，因此仅保留这部分系数可以起到降维的目的。然后借助DCT提出了一种人脸图像预处理方法：基于DCT特性的光线补偿。这种方法利用了DCT变换本身的特点：特定DCT系数对偏光照射负主要责任，通过处理这些系数可以对人脸图像进行光线补偿。Fisher线性判别分析在人脸识别应用中取得了很好的效果。本文在DCT的基础上，
43、提出了两种新的基于Fisher线性判别分析的人脸识别方法：基于DCT的D-LDA方法，基于DCT的改进零空间方法。为了缩短识别时间，证明了直接在DCT域上应用D-LDA方法与零空间方法是可行的。对于前一种方法，在对类问散布矩阵做特征分析之前先用DCT降维，使能量集中，从而保留了类内散布矩阵的零空间信息，另外，重新定义了Fisher线性判别准则。对于后一种方法，传统的像素聚类方法降维不仅算法复杂，而且丢失了许多有用信息，使用DCT变换代替传统的像素聚类过程，从而尽可能多的保留了有利于分类的信息。对两种方法，都采用了一种加权求解总的类间散布矩阵和总的类内散布矩阵的策略：对总的类间散布矩阵，通过适当
44、的权函数加大距离较近两类的作用，因为相邻较近的两类的误分可能性比较大；对于总的类内散布矩阵，通过选择适当的权函数来减小边缘类的影响，因为边缘类在原始输入空间已经能很好与其它类分开，那么在特征提取后的予空间中，边缘类的类内散布矩阵是否压缩对最后分类的影响不大。实验结果表明，加权策略能够取得更好的试验效果。为了在进一步降维时取得较好的识别效果，本文引入一种迭代的线性判别分析方法“Fractional-step线性判别分析(简称F-LDA)”应用到人脸识别中。由于F-LDA直接应用于高维空间的计算复杂度太大，一般是不能直接使用的，经过先前的特征提取阶段已使维数足够降低，所以能够与F-LDA相结合。对
45、所提出的算法，在ORL与Yale人脸库上进行了大量反复实验，实验结果表明，提出的基于DCT预处理的人脸识别方法不但能够提高识别率，节省大量存储空间，而且由于DCT快速高效的特点，能够显著缩短识别时间。基于DCT的人脸识别技术拥有广泛的应用空间。8.学位论文 李云峰 基于Gabor小波变换的人脸识别 2005 人脸识别是一项极具有发展潜力的生物特征识别技术，研究人脸识别技术具有十分重要的理论和应用价值。最近几年，人脸识别技术取得了前所未有的发展，但其在实际应用中的识别精度仍然难以满足人们的预期要求，特别是采集图像中存在光照变化、摄像方位变异以及其它干扰时。识别系统采集的原始人脸图像通常以网格像素
46、的灰度值集表示。孤立的像素灰度集合不能直接反映人脸的内蕴特征，引入适当的变换，将其映射到特征空间进行识别处理是行之有效的提高识别处理性能的途径。二维Gabor小波变换能够将相邻区域的像素联系起来，从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化。二维Gabor小波变换系数描述了图像上各给定位置附近区域的灰度特征，在人脸图像的二维Gabor小波变换系数的基础上进行的特征提取和分类识别，称为基于Gabor小波变换的人脸识别。本文深入研究了利用二维Gabor小波变换进行人脸识别的理论方法和技术，论文的主要工作和贡献如下：(1)本文对当前常用的人脸识别理论方法做了扼要的概括总结，结合最近几年国
47、际上举办的一系列人脸识别评测活动，对当前人脸识别技术的研究现状、存在的问题和技术发展进行了论述。(2)研究了人脸图像的预处理。人脸图像的预处理就是将由图像采集设备采集到的人脸图像调整成规范化的图像，主要包括三个环节：人脸检测和眼睛定位、几何规范化、灰度规范化。论文重点研究了基于AdaBoost统计学习的人脸检测方法。(3)研究了二维Gabor小波变换及其在识别应用中的响应特性。二维Gabor小波变换是通过计算一组二维Gabor滤波器与图像上给定位置附近区域像素灰度值的卷积来实现的。二维Gabor小波是哺乳动物视觉皮层简单细胞接受场模型的良好近似。本文通过计算结果验证了可以通过选择Gabor滤波
48、器的参数来表示人脸图像的局部特征，并且这种表示具有对摄像环境亮度的绝对水平变化不敏感的优点。基于二维Gabor小波变换进行的识别处理优于直接按原图像灰度的识别处理。(4)改进了经典的弹性束图匹配算法。弹性束图匹配算法采用标号图来表示人脸图像，标号图的节点用一组描述人脸局部特征的二维Gabor小波变换系数标示，这些节点位于人脸图像上对识别有意义的特征点位置上；标号图的边用描述相邻两个节点相对位置的度量信息来标示，由各边组成的网格图结构描述了整个人脸的几何特征。经典的弹性束图匹配算法首先将人脸图像与某一预定义人脸束图(即某一复合标号图，其节点为多个标号图的对应节点的Gabor小波变换系数的集合，其
49、边为多个标号图的对应边的平均)进行匹配以得到各特征点的粗略初始位置，再通过弹性微调以确定各特征点的位置，最后计算特征点位置的二维Gabor小波变换系数并进行人脸的分类识别。经典弹性束图匹配算法的计算量较大，本文通过对大量训练集的人脸标号图网格结构的聚类得到7个有代表性的网格结构组成人脸束图的模板束。在进行匹配时，将弹性束图匹配算法与AdaBoost学习算法相结合，首先，采用AdaBoost学习算法确定眼睛的位置，以眼睛坐标为基准点对输入图像进行几何规范化；然后，从模板束中挑选出最合适的网格结构来确定人脸的几何特征，并在此基础上进一步进行精确匹配。改进后的匹配运算可大幅度减少。(5)研究了采用二
50、维Gabor小波变换系数表示的人脸特征对人脸识别的影响规律和处理方法。论文从两个角度研究了这一问题：首先，将人脸不同部位的二维Gabor小波变换系数作为局部特征单元，提出了以类内离散度矩阵之逆和类间离散度矩阵的乘积的迹作为衡量局部特征分类性能的准则。利用这一准则分析了人脸不同部位的局部特征对人脸识别贡献的大小，并依据各个局部特征对人脸识别的贡献，通过局部特征加权的方式来进行人脸识别；其次，提出了一种衡量单个Gabor特征分类性能的准则，利用这一准则分析了人脸图像的每一个Gabor小波特征的分类性能，并将其分类性能与其位置、频率和方向联系起来，从而能够为人脸特征点的位置和Gabor小波滤波器组参