資源描述：
《人臉特征提取與識(shí)別(參考)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、本科生畢業(yè)設(shè)計(jì)（論文）文獻(xiàn)綜述題目：人臉特征提取與識(shí)別姓名：學(xué)號(hào)：學(xué)院：專業(yè)：年級(jí)：指導(dǎo)教師：（簽名）系主任（或教研室主任）：（簽章）目錄1前言12人臉特征提取與識(shí)別方法12.1基于幾何特征的方法12.2基于特征臉的方法22.3局部特征分析LFA方法32.4基于彈性模型的方法42.5神經(jīng)網(wǎng)絡(luò)方法42.6其他方法53總結(jié)5致謝：6參考文獻(xiàn)：6文獻(xiàn)綜述：人臉特征提取與識(shí)別人臉特征提取與識(shí)別1前言近年來，Internet和多媒體技術(shù)飛速發(fā)展，多媒體（包括圖像、視頻等）數(shù)據(jù)規(guī)模急劇膨脹。為了快速、準(zhǔn)確地找到感興趣的圖像或視
2、頻，人們提出了基于內(nèi)容的圖像檢索(content-basedimageretrieval，簡(jiǎn)稱CBIR)技術(shù)，研究讓計(jì)算機(jī)對(duì)圖像進(jìn)行分類和檢索的算法。CBIR涉及圖像內(nèi)容表示、相似性度量、高維索引技術(shù)等方面。[1]圖像內(nèi)容的表示是需要首先解決的問題。為了實(shí)現(xiàn)對(duì)圖像內(nèi)容的存取、訪問和檢索，MPEG-7提出了圖像內(nèi)容描述子的概念，例如顏色描述子、紋理描述子、形狀描述子等。圖像顏色內(nèi)容通常用顏色直方圖來表示，紋理特征以紋理模式區(qū)分圖像，形狀特征用于包含特定形狀對(duì)象的圖像檢索。顏色直方圖（或稱為顏色譜）因其簡(jiǎn)單、有效的性能
3、而在大多數(shù)CBIR系統(tǒng)中得到應(yīng)用，但是顏色直方圖對(duì)紋理圖像的檢索效果不好。不同的紋理圖像可能有非常相似的顏色直方圖。所謂圖像紋理，它反映的是圖像的一種局部結(jié)構(gòu)化特征，具體表現(xiàn)為圖像像素點(diǎn)某鄰域內(nèi)像素點(diǎn)灰度級(jí)或者顏色的某種變化，而且這種變化是空間統(tǒng)計(jì)相關(guān)的，它由紋理基元和基元的排列兩個(gè)要素構(gòu)成。紋理分析方法有統(tǒng)計(jì)方法、結(jié)構(gòu)方法和基于模型的方法。2人臉特征提取與識(shí)別方法人臉識(shí)別本質(zhì)上是三維塑性物體二維投影圖像的匹配問題，它的困難體現(xiàn)在：(1)人臉?biāo)苄宰冃?如表情等)的不確定性；(2)人臉模式的多樣性(如胡須、發(fā)型、眼鏡
4、、化妝等)；(3)圖像獲取過程中的不確定性(如光照的強(qiáng)度、光源方向等)。識(shí)別人臉主要依靠人臉上的特征。也就是說依據(jù)那些在不同個(gè)體上存在的較大差異而對(duì)同一個(gè)人則比較穩(wěn)定的度量。由于人臉變化復(fù)雜，因此特征表述和特征提取十分困難。在對(duì)人臉圖像進(jìn)行特征提取和分類之前一般需要做幾何歸一化和灰度歸一化。幾何歸一化是指根據(jù)人臉定位結(jié)果將圖像中人臉變換到同一位置和同樣大小，灰度歸一化是指對(duì)圖像進(jìn)行光照補(bǔ)償?shù)忍幚?，光照補(bǔ)償能夠一定程度地克服光照變化的影響而提高識(shí)別率。2.1基于幾何特征的方法人臉由眼睛、鼻子、嘴巴、下巴等部件構(gòu)成，正
5、因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個(gè)人臉干差萬別，因此對(duì)這些部件的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以作為人臉識(shí)別的重要特征。-6-文獻(xiàn)綜述：人臉特征提取與識(shí)別幾何特征最早是用于人臉側(cè)面輪廓的描述與識(shí)別，首先根據(jù)側(cè)面輪廓曲線確定若干顯著點(diǎn)，并由這些顯著點(diǎn)導(dǎo)出一組用于識(shí)別的特征度量如距離、角度等。Jia等由正面灰度圖中線附近的積分投影模擬側(cè)面輪廓圖是一種很有新意的方法。[2]采用幾何特征進(jìn)行正面人臉識(shí)別一般是通過提取人眼、口、鼻等重要特征點(diǎn)的位置和眼睛等重要器官的幾何形狀作為分類特征，但Roder對(duì)幾
6、何特征提取的精確性進(jìn)行了實(shí)驗(yàn)性的研究，結(jié)果不容樂觀。[3]可變形模板法可以視為幾何特征方法的一種改進(jìn)，其基本思想是：設(shè)計(jì)一個(gè)參數(shù)可調(diào)的器官模型(即可變形模板，如圖2-1，圖2-2所示)，定義一個(gè)能量函數(shù)，通過調(diào)整模型參數(shù)使能量函數(shù)最小化，此時(shí)的模型參數(shù)即做為該器官的幾何特征。這種方法思想很好，但是存在兩個(gè)問題，一是能量函數(shù)中各種代價(jià)的加權(quán)系數(shù)只能由經(jīng)驗(yàn)確定，難以推廣；二是能量函數(shù)優(yōu)化過程十分耗時(shí)，難以實(shí)際應(yīng)用。[4]圖2-1可變形模板法的眼模型圖2-2可變形模板法的嘴模型基于參數(shù)的人臉表示可以實(shí)現(xiàn)對(duì)人臉顯著特征的一
7、個(gè)高效描述，但它需要大量的前處理和精細(xì)的參數(shù)選擇。同時(shí)，采用一般幾何特征只描述了部件的基本形狀與結(jié)構(gòu)關(guān)系，忽略了局部細(xì)微特征，造成部分信息的丟失，更適合于做粗分類，而且目前已有的特征點(diǎn)檢測(cè)技術(shù)在精確率上還遠(yuǎn)不能滿足要求，計(jì)算量也較大。2.2基于特征臉的方法Turk和Pentland提出特征臉的方法，它根據(jù)一組人臉訓(xùn)練圖像構(gòu)造主元子空間，由于主元具有臉的形狀，也稱為特征臉(如圖2-3所示)。識(shí)別時(shí)將測(cè)試圖像投影到主元子空間上，得到一組投影系數(shù)，和各個(gè)己知的人臉圖像比較進(jìn)行識(shí)別。Pentland-6-文獻(xiàn)綜述：人臉特征
8、提取與識(shí)別等報(bào)告了相當(dāng)好的結(jié)果，在200個(gè)人的3000幅圖像中得到95％的正確識(shí)別率，在FERET數(shù)據(jù)庫上對(duì)150幅正面人臉象只有一個(gè)誤識(shí)別。但系統(tǒng)在進(jìn)行特征臉方法之前需要作大量預(yù)處理工作，如歸一化等。圖2-3Pentland得到的特征臉(主特征向量)在傳統(tǒng)特征臉的基礎(chǔ)上，研究者注意到特征值大的特征人臉識(shí)向量(即特征臉)并不一定是分類性能好的方向，據(jù)此發(fā)展了
