基于人脸信息识别的身份验证技术研究
|
摘要
身份验证越来越受到人们的关注，人脸识别作为一种身份验证的手段具有独特的优势，近年来已成为国际上的研究热点，有着重要的研究价值和应用价值。
本文首先介绍了国内外人脸识别的研究现状、方法和发展方向，然后分别讨论了人脸检测与定位，人脸面部特征的定位与提取以及分类器的设计等内容。
在人脸检测过程中，首先利用在YUV和YIQ两种色彩空间中建立的肤色模型提取肤色，得到候选人脸区域，然后采用唇色信息提取的方法对候选区域进行判断，最终得到正确人脸区域，并根据嘴唇信息调整人脸区域大小。
在人脸特征定位提取过程中，对提取出的人脸图像进行二值化处理，并利用积分投影和人脸先验知识得到脸部各主要特征的基本信息。然后采用由下至上的提取策略，针对不同特征点利用模板匹配等不同的处理方法对其进行精确定位。
在分类器设计过程中，采用最小距离分类器的分类方法进行判断识别，利用距离公式度量两幅人脸图像的相似程度，并选取合适的阈值进行判断识别。
最后，本文给出了人脸识别实验结果，并对实验结果进行了分析。实验结果表明，本文所提出的人脸检测算法是可行的，提取的人脸特征是合理有效的，系统识别正确率较高，速度快。
Identity recognition has been paid more attention to. Face recognition is critical to our high inter-connected information society and it has important theory and appliance value.
In this paper, it first introduces the current research, methods and trend on face recognition. Then it respectively discusses face image detection, face feature extraction and the design of classifiers.
At first, facial image is converting from RGB to YUV and YIQ color space to extract complexion based on two skin-color models and the candidate facial fields are obtained, Then the candidate facial fields is filtered again to get lip-color information, which can eliminate the skin-like fields and get real facial fields.
During the feature extraction, the detected face images are binarized firstly. And then the basal information of the major face feature is obtained by the means of integration projection and general knowledge. Base on the extract plan from the bottom up, the feature positions are located exactly by different means of image processing, such as deformahle templates.
In the course of classifiers design, this paper recognizes human face with a minimum distance classifier. The similitude of two face image is calculated out by means of distance formulate, and proper threshold is selected to judge whether the two face images belong to one person.
Finally, the experiment results of face recognition are presented and analyzed. The results indicate that the extracted face features are valid and this system is more exact and efficient.
本文首先介绍了国内外人脸识别的研究现状、方法和发展方向，然后分别讨论了人脸检测与定位，人脸面部特征的定位与提取以及分类器的设计等内容。
在人脸检测过程中，首先利用在YUV和YIQ两种色彩空间中建立的肤色模型提取肤色，得到候选人脸区域，然后采用唇色信息提取的方法对候选区域进行判断，最终得到正确人脸区域，并根据嘴唇信息调整人脸区域大小。
在人脸特征定位提取过程中，对提取出的人脸图像进行二值化处理，并利用积分投影和人脸先验知识得到脸部各主要特征的基本信息。然后采用由下至上的提取策略，针对不同特征点利用模板匹配等不同的处理方法对其进行精确定位。
在分类器设计过程中，采用最小距离分类器的分类方法进行判断识别，利用距离公式度量两幅人脸图像的相似程度，并选取合适的阈值进行判断识别。
最后，本文给出了人脸识别实验结果，并对实验结果进行了分析。实验结果表明，本文所提出的人脸检测算法是可行的，提取的人脸特征是合理有效的，系统识别正确率较高，速度快。
Identity recognition has been paid more attention to. Face recognition is critical to our high inter-connected information society and it has important theory and appliance value.
In this paper, it first introduces the current research, methods and trend on face recognition. Then it respectively discusses face image detection, face feature extraction and the design of classifiers.
At first, facial image is converting from RGB to YUV and YIQ color space to extract complexion based on two skin-color models and the candidate facial fields are obtained, Then the candidate facial fields is filtered again to get lip-color information, which can eliminate the skin-like fields and get real facial fields.
During the feature extraction, the detected face images are binarized firstly. And then the basal information of the major face feature is obtained by the means of integration projection and general knowledge. Base on the extract plan from the bottom up, the feature positions are located exactly by different means of image processing, such as deformahle templates.
In the course of classifiers design, this paper recognizes human face with a minimum distance classifier. The similitude of two face image is calculated out by means of distance formulate, and proper threshold is selected to judge whether the two face images belong to one person.
Finally, the experiment results of face recognition are presented and analyzed. The results indicate that the extracted face features are valid and this system is more exact and efficient.
引文
【1】 包桂秋，林喜荣等．基于人体生物特征的身份鉴别技术发展概况．清华大学学报，41(4／5)，2001：72-76．
【2】 黄伟东，朱龙发．计算机人脸照片识别技术研究．计算机与现代化，70(6)，2000：36-38．
【3】 周激流，张晔．人脸识别理论研究进展．计算机辅助设计与图形学学报，11(2)，1999：180-184．
【4】 张高清，王申康，等．基于特征曲线的自动人面识别研究．软件学报，11(3)，2000：372-378．
【5】 王昆翔，李衍达，等．关于人脸图像自动识别研究中的几个问题。公安大学学报(自然科学版)，(1)，2001：34-41
【6】 Chellappa R, Wilson C L, Sirohey S. Human and machine recognition of faces: A survey. Proceeding of the IEEE, Vol:83,Iss:5,1995: 705-740.
【7】 Zhou Jie, Lu Chun-Yu, Zhang Chang-Shui etal. A survey of automatic face recognition. ACTA Electronica Sinica Vol:28, Iss:4,2000: 102-106.
【8】 梁路宏，艾海舟，等．人脸检测研究综述．计算机学报，25(5)，2002：449-458．
【9】 梁路宏，艾海舟，等．基于多模板匹配的单人脸检测[J]．中国图像图形学报，4(10)，1999：812—824．
【10】 Moghaddam, B. Pentland, A. Probabilistic visual learning for object representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol:19, Iss:7,1997:696～710.
【11】 Lee C, Kim J, Park K. Automation Human Face Location in a Complex background Using Motion and Color Information. Pattern Recognition, Vol:29,1996: 1877—1889.
【12】田欣．基于不同色彩空间的肤色模型[J]．西安科技学院学报，12(4)，2001：369—371．
【13】段立娟，崔国勤，等．多层次特定类型图像过滤方法．计算机辅助设计与图形学学报，14(5)，2002：404-409．
【14】陶霖密，彭振云，徐光祐．人体的肤色特征．软件学报，12(7)，2001：1032-1041．
【15】韩海．在(r，g)和(Cr，Cb)彩色空间上进行肤色检测．计算机与现代化，(2)，2003：7-9．
【16】章毓晋．图像分割．北京：科学出版社，2001：67-70．
【17】牛朝玮，汪增幅．基于彩色和运动信息的人脸检测．模式识别与人工智能，15(2)，2002：205-210．
【18】Cheng Gang, Qi Fei-hu. Practical face recognition system using Eigenface Algorithm. J. Infrared Millim .Waves , Vol:19, Iss:6, 2001:401-406.
【19】荆晓远，郭跃飞，杨静宁．基于奇异值特征的图像预处理及人脸识别．信息与控制，28(2)，1999：116-120．
【20】 Nakamura O, Mathur S, Minami T. Identification of human faces based on isodenseity maps. Pattern Recognition, Vol:24, Iss:3,1991:263-272.
【21】丁嵘，苏光大，林行刚．使用部件信息改进弹性匹配人脸识别．光电子·激光， 13(8)，2002：831-833．
【22】丁嵘，苏光大，林行刚．特征联合弹性匹配人脸识别算法的比较．计算机工程与应用，(7)，2002：1-2，19．
【23】薛斌党，欧宗瑛．加权合成的嵌入式隐Markov模型人脸识别．大连理工大学学报，42(3)，2002：326-332．
【24】叶俊勇，汪同庆，彭健等．基于伪二维隐马尔可夫模型的人脸识别．计算机工程，29(1)，2003：26-27．
【25】於东军，杨静宇．基于神经网络的特征提取及识别．计算机工程与应用，(11)，2002，33-34，47．
【26】甘俊英，张有为．基于不变矩特征和神经网络的人脸识别模型．计算机工
程与应用，(7)，2002：53-56．
【27】金忠，胡钟山，等．基于BP神经网络的人脸识别方法．计算机研究与发展，36(3)，1999：274-277．
【28】田村秀行等．计算机图像处理技术．北京：北京师范大学出版社，1988：47．
【29】何斌，马天予等．Visual C++数字图像处理．北京：人民邮电出版社，2001：4-5．
【30】陈其杰，张桂林．人脸外部轮廓线的提取方法．红外与激光工程，30(4)，2001：192-195．
【31】求是科技，张宏林．数字图像模式识别技术及工程实践．北京：人民邮电出版社，2003：371．
【32】吕航，徐讯．基于积分投影的去除噪声算法用于人脸图像处理．南吕航空工业学院学报，13(3)，1999：39-44．
【33】衣晓飞，陈福接．单人眼图像中人眼的快速定位．计算机工程与科学，23(4)，2001：15-17．
【34】张欣，徐彦君，等．彩色图像中主要人脸特征位置的全自动标定．中国图象图形学报，5(A2，)2000：138-143．
【35】陆继祥，张增芳，等．基于24位彩色人脸图像嘴唇的分割和提取，计算机工程，29(2)，2003：147-148．
【36】赵向阳，张有为．人脸主要特征位置标定与唇动序列跟踪．五邑大学学报(自然科学版)，16(1)，2002：11-16．
【37】刘巧静，林福严，等．人脸特征的选取和定位．微计算机应用，21(4)，2000：207-210．
【38】周激流，张晔，等．基于先验模板的提取的原则人脸面部特征．计算机辅助设计与图形学学报，12(5)，2000：337-339．
【39】周激流，张晔，等．基于活动轮廓模型的人脸特征提取方法的研究．中国图象图形学报，5A(4)，2000：341-343．
【2】 黄伟东，朱龙发．计算机人脸照片识别技术研究．计算机与现代化，70(6)，2000：36-38．
【3】 周激流，张晔．人脸识别理论研究进展．计算机辅助设计与图形学学报，11(2)，1999：180-184．
【4】 张高清，王申康，等．基于特征曲线的自动人面识别研究．软件学报，11(3)，2000：372-378．
【5】 王昆翔，李衍达，等．关于人脸图像自动识别研究中的几个问题。公安大学学报(自然科学版)，(1)，2001：34-41
【6】 Chellappa R, Wilson C L, Sirohey S. Human and machine recognition of faces: A survey. Proceeding of the IEEE, Vol:83,Iss:5,1995: 705-740.
【7】 Zhou Jie, Lu Chun-Yu, Zhang Chang-Shui etal. A survey of automatic face recognition. ACTA Electronica Sinica Vol:28, Iss:4,2000: 102-106.
【8】 梁路宏，艾海舟，等．人脸检测研究综述．计算机学报，25(5)，2002：449-458．
【9】 梁路宏，艾海舟，等．基于多模板匹配的单人脸检测[J]．中国图像图形学报，4(10)，1999：812—824．
【10】 Moghaddam, B. Pentland, A. Probabilistic visual learning for object representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol:19, Iss:7,1997:696～710.
【11】 Lee C, Kim J, Park K. Automation Human Face Location in a Complex background Using Motion and Color Information. Pattern Recognition, Vol:29,1996: 1877—1889.
【12】田欣．基于不同色彩空间的肤色模型[J]．西安科技学院学报，12(4)，2001：369—371．
【13】段立娟，崔国勤，等．多层次特定类型图像过滤方法．计算机辅助设计与图形学学报，14(5)，2002：404-409．
【14】陶霖密，彭振云，徐光祐．人体的肤色特征．软件学报，12(7)，2001：1032-1041．
【15】韩海．在(r，g)和(Cr，Cb)彩色空间上进行肤色检测．计算机与现代化，(2)，2003：7-9．
【16】章毓晋．图像分割．北京：科学出版社，2001：67-70．
【17】牛朝玮，汪增幅．基于彩色和运动信息的人脸检测．模式识别与人工智能，15(2)，2002：205-210．
【18】Cheng Gang, Qi Fei-hu. Practical face recognition system using Eigenface Algorithm. J. Infrared Millim .Waves , Vol:19, Iss:6, 2001:401-406.
【19】荆晓远，郭跃飞，杨静宁．基于奇异值特征的图像预处理及人脸识别．信息与控制，28(2)，1999：116-120．
【20】 Nakamura O, Mathur S, Minami T. Identification of human faces based on isodenseity maps. Pattern Recognition, Vol:24, Iss:3,1991:263-272.
【21】丁嵘，苏光大，林行刚．使用部件信息改进弹性匹配人脸识别．光电子·激光， 13(8)，2002：831-833．
【22】丁嵘，苏光大，林行刚．特征联合弹性匹配人脸识别算法的比较．计算机工程与应用，(7)，2002：1-2，19．
【23】薛斌党，欧宗瑛．加权合成的嵌入式隐Markov模型人脸识别．大连理工大学学报，42(3)，2002：326-332．
【24】叶俊勇，汪同庆，彭健等．基于伪二维隐马尔可夫模型的人脸识别．计算机工程，29(1)，2003：26-27．
【25】於东军，杨静宇．基于神经网络的特征提取及识别．计算机工程与应用，(11)，2002，33-34，47．
【26】甘俊英，张有为．基于不变矩特征和神经网络的人脸识别模型．计算机工
程与应用，(7)，2002：53-56．
【27】金忠，胡钟山，等．基于BP神经网络的人脸识别方法．计算机研究与发展，36(3)，1999：274-277．
【28】田村秀行等．计算机图像处理技术．北京：北京师范大学出版社，1988：47．
【29】何斌，马天予等．Visual C++数字图像处理．北京：人民邮电出版社，2001：4-5．
【30】陈其杰，张桂林．人脸外部轮廓线的提取方法．红外与激光工程，30(4)，2001：192-195．
【31】求是科技，张宏林．数字图像模式识别技术及工程实践．北京：人民邮电出版社，2003：371．
【32】吕航，徐讯．基于积分投影的去除噪声算法用于人脸图像处理．南吕航空工业学院学报，13(3)，1999：39-44．
【33】衣晓飞，陈福接．单人眼图像中人眼的快速定位．计算机工程与科学，23(4)，2001：15-17．
【34】张欣，徐彦君，等．彩色图像中主要人脸特征位置的全自动标定．中国图象图形学报，5(A2，)2000：138-143．
【35】陆继祥，张增芳，等．基于24位彩色人脸图像嘴唇的分割和提取，计算机工程，29(2)，2003：147-148．
【36】赵向阳，张有为．人脸主要特征位置标定与唇动序列跟踪．五邑大学学报(自然科学版)，16(1)，2002：11-16．
【37】刘巧静，林福严，等．人脸特征的选取和定位．微计算机应用，21(4)，2000：207-210．
【38】周激流，张晔，等．基于先验模板的提取的原则人脸面部特征．计算机辅助设计与图形学学报，12(5)，2000：337-339．
【39】周激流，张晔，等．基于活动轮廓模型的人脸特征提取方法的研究．中国图象图形学报，5A(4)，2000：341-343．