摘 要
人脸自动识别是模式识别领域的一项热门研究课题，有着十分广泛的应用前景。本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。
人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。
本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。实验结果证明了该方法的有效性和稳定性。
关键词
人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法，
The Design and Implementation of Algorithms for Human Face Recognition
Student: Yangbo Gu Advisor: Dr. Wenming Cao
Department of Computer Science and Technology
College of Information Engineering
Zhejiang University of Technology
Abstract
The automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications .
As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification .
Face pose adjustment , as a loop of human face location, is very important in computer face recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected .
In chapter 3, a novel approach to human face image recognition based on principal component analysis and neural networks has been proposed . By using BP neural networks , human face images are successfully classified and recognized according to the output of BPNN whose input is the eigenvector extracted from the human face images via nonlinear principal component analysis of a single layer neural network . Simulation results demonstrate the effectiveness and stability of the approach .
Keywords
Face Pose Adjustment, Facial Feature Extraction , Human Face Recognition ,
Neural Networks , Gray-scale Static Image , Vertical-complexity of Image
Block, Principal Component Analysis
人脸识别技术研究的背景和意义
鉴别人的身份是一个非常困难的问题，传统的身份鉴别方法把这个问题转化为鉴别一些标识个人身份的事物，这包括两个方面：①身份标识物品，比如钥匙、证件、ATM卡等；②身份标识知识，比如用户名和密码。在一些安全性要求严格的系统中，可以将这两者结合起来，比如ATM机要求用户同时提供ATM卡和密码。这些传统的身份鉴别方法存在明显的缺点：个人拥有的物品容易丢失或被伪造，个人的密码容易遗忘或记错。更为严重的是这些系统无法区分真正的拥有者和取得身份标识物的冒充者，一旦他人获得了这些身份标识事物，就可以拥有相同
的权力。
与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点：
● 用户易接受：简单易用，对用户无特殊要求。
● 防伪性能好：不易伪造或被盗。
● “随身携带”：不用担心遗漏或丢失，随时随地可用。
除此之外，人脸识别技术还有主动性好，精确性高，性能/成本比高，自学习功能强等优点。
鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用：
● 国家安全领域。协助公安，海关等国家安全机构加强对可疑人物、罪犯、恐怖分子的
追踪、监控和识别。
● 公众安全领域。加强交通管制；确认身份证、护照等证件的真伪；验证各类信用卡的持卡人身份。
●计算机交互领域。根据计算机使用者人脸特征确定身份，提供个性化服务。
●家庭娱乐领域等等。
人脸识别技术在这些领域的充分利用，对于有效地鉴定个人的身份，防止犯罪和诈骗、提高办公效率、节约资源有着重大的社会和经济意义。
本章针对大部分人脸识别系统建模中存在的不足，将人脸位置矫正问题引入思考，并根据人脸图像特点设计实现了一种新的基于眼睛定位的人脸位置矫正算法。（为方便叙述起见，我们称人脸在竖直平面内的倾斜角度为平面旋转角度，而称人脸在水平面内的倾斜角度为深度旋转角度。本文中出现的人脸位置矫正说法都是针对平面旋转角度而言的。）
2.1 人脸位置矫正问题的引入
作为人类智能的重要体现和个人身份鉴定的重要手段，人脸识别技术具有广泛的应用前景，已成为一项热门研究课题。人脸识别的关键技术之一就是人脸的检测定位。在一个完整的人脸识别系统中，能否对人脸进行正确的检测定位将对整个人脸识别系统的性能优劣产生极其重要的影响，而影响人脸检测定位的一个重要因素就是人脸在图像中的姿势。
实际中，由于受到人的行为习惯，生理特征以及图像采集环境等诸多因素的影响，人脸在采集到的人脸图像中的姿势往往并不是完全正立的，而是在水平和竖直平面内都存在一定的倾斜角度（即深度旋转角度和平面旋转角度）。但是大部分的人脸识别系统都是针对正立的正面人脸图像而设计的 ，没有考虑到人脸图像可能存在的倾斜问题，致使这些人脸识别系统从人脸倾斜的图像中提取的特征数据在一定程度上失效，并有可能进一步导致人脸识别系统在最终识别结果中产生误判。
针对这一情况，我们可以采取两种措施加以解决。其一，研究新的适用于非完全正立人脸图像的特征检测方法并对人脸特征的提取作相应的调整,这种解决方法在文献[9]已有所尝试；其二，沿用现有的人脸识别系统，但在人脸图像送识别系统进行特征提取和识别之前（即在人脸检测和定位阶段），先进行人脸位置矫正的工作,这种方法在文献[10]中也已有所研究，并取得了较好的效果。
文献[7]也是在人脸检测和定位阶段进行人脸位置矫正的方法之一，该方法存在两个明显的不足之处：①对于最关键的眼睛定位问题，由于仅仅考虑了眼睛所在图像块的纵向灰度变化特点，结构居中度操作只能保证眼睛结构相对于图像块在竖直方向上居中，而无法保证水平方向上的眼睛结构居中；②基于图像块灰度统计特征的眼睛匹配算法对于图像块光照条件过于敏感，匹配处理后的眼睛最终定位结果不佳。尽管如此，文献[7]中利用图像块纵向复杂度搜索眼睛大致位置的方法和利用人脸结构对称性进行人脸位置矫正的思想是值得借鉴的。
本文借鉴[7]的想法，提出了一种新的基于眼睛定位的人脸位置矫正方法，它适用于背景
较简单的单人脸灰度图像。
2.2 算法的设计思路
在介绍人脸位置矫正算法设计思路之前，先对人脸的主要特点作一分析。人脸是一个典型的形变体，其特点是：人脸模型已知；人脸特征器官的分布具有对称性，例如眼睛等等；复杂的，高度相似的形变体。
基于对人脸特点的深入了解，我们得到了下面的设计思路：
(1) 由于实验背景较简单，人脸在采集到的人脸图像中表现为一块复杂的灰度图像。这就提示
我们可以利用某种较简单的图像灰度分析曲线将人脸区域从人脸灰度图像中检测出来。
(2) 人脸具有对称性，人脸的特征器官分布也具有这种对称性，这就提示我们可以通过准确定
位人脸的某种特征器官，利用人脸图像的对称性对人脸图像位置加以矫正。
(3)人脸区域纵向、横向灰度变化复杂，特别是眼睛周围，灰度变化尤为显著。这就提示我们
可以利用人脸区域的灰度变化特点实现对眼睛的定位。
(4)眼睛的平面几何形状基本呈圆形或椭圆形，这就提示我们可以将眼睛及其周围灰度变化特点和眼睛的几何形状结合考虑，实现对眼睛的准确定位。
2.3 算法的基本实现步骤
根据2.2节的设计思路，本节给出了基于眼睛定位的人脸位置矫正算法的基本实现步骤：
(1) 灰度人脸区域（人眼搜索区域）的确定。这一步主要完成对人脸左右、上下边界的确定,
为眼睛的粗略定位作准备。
(2) 人眼位置的确定。这一步实现了眼睛位置由粗到细的定位。
(3) 根据双眼的定位结果以及人脸的对称性实现人脸位置矫正。
目 录
中文摘要 i
ABSTRACT ii
致谢 iv
目录 vi
第一章 绪论 1
1.1 人脸识别技术研究的背景和意义 1
1.2 人脸识别技术简介 2
1.2.1 人脸识别的研究范围 2
1.2.2 主要的人脸识别技术 2
1.3 人脸识别系统的构成 4
1.4 论文內容概述 4
第二章 人脸位置矫正算法 5
2.1 人脸位置矫正问题的引入 5
2.2 算法的设计思路 6
2.3 算法的基本实现步骤 6
2.4 算法参数设计和算法基本实现步骤的清晰化 6
2.4.1 垂直方差投影 6
2.4.2 水平积分投影 7
2.4.3 图像块纵向复杂度 7
2.4.4 眼睛黑斑模型 7
2.5 基于眼睛定位的人脸位置矫正算法 8
2.5.1 灰度人脸区域（人眼搜索区域）的确定 8
2.5.2 人眼位置的确定 10
2.5.2.1 搜索复杂度最大的图像块 10
2.5.2.2 利用人眼黑斑模型精确定位人眼 11
2.5.3 依据人脸图像的轴对称性矫正人脸位置 12
2.6 算法实验结果分析 13
2.7 结论 14
第三章 人脸特征提取与识别算法 15
3.1 特征提取需遵循的原则 15
3.2 主元分析算法 15
3.3 人工神经网络简介及BP神经网络训练算法的数学描述 16
3.3.1 人工神经网络及其特性介绍 16
3.3.2 BP神经网络训练算法的数学描述 17
3.4 基于神经网络的主元分析人脸识别方法 19
3.4.1 利用非线性神经网络提取主元特征 20
3.4.2 特征数据的归一化和BP神经网络识别 2
3.5 算法实验结果及分析 22
3.6 总结 22
第四章 人脸识别系统结构 23
4.1 人脸识别系统的目标 23
4. 2 本文的人脸识别系统结构 23
第五章 总结与展望 24
5.1 本文完成的工作 24
5.2 目前系统存在的不足之处 24
5.3 目前系统改进计划和今后努力方向 24
参考文献 25
附录A 毕业设计期间发表论文 26
附录B 人脸识别系统（软件）使用说明书
|
