图18 系统界面
图19 人脸提取系统
六、结束语
（一）工作总结
人脸检测与识别技术的研究具有重要的理论价值和现实意义。进入上世纪90年代后，由于计算机技术的突飞猛进和应用需求的驱动，人脸检测与识别技术的研究开始蓬勃发展，许多新理论和方法相继提出。经过大量的工程实践，人们逐渐认识到：研究一种方法完成基本的人脸检测与识别功能是远远不够的。现实的应用环境往往较为复杂，因此一种方法是否具有优良的综合性能是衡量其是否具有实用价值的重要标准。本文的研究内容涵盖了人脸识别技术中的人脸检测和人脸识别。如何提高人脸检测与识别的精度、速度、鲁棒性、实用性是本文的研究目的和研究重点。文中采用了基于肤色信息的人脸检测和基于二维隐马尔可夫模型的人脸识别方法。在人脸检测方面对影响检测精度的每一个环节都展开了细致的讨论，在人脸识别方面重点研究了如何在保证人脸识别速度的前提下，提高人脸建模的精度和人脸识别的鲁棒性。具体研究工作与成果包括如下几方面：
1．采用非线性估计阈值选取方法确定颜色空间转换后肤色区域的分布边界，该方法兼顾了亮度对肤色聚类性的影响，为肤色区域的精确分割奠定了基础。在使用高斯模型对肤色区域建模后，用最佳全局自适应阈值选取方法确定一个平均误差最下意义下的肤色分割阈值，实现了对肤色区域的精确分割。在人脸验证前，先对图像进行预处理，排除了大量非法肤色区域，最后采用人眼区域定位结合几何模板匹配的方法实施人脸验证。实践证明文中方法可以较为精确地分割出人体肤色区域，从而显著地提高人脸检测的准确率。由于背景中类肤色区域的干扰，有时会造成算法对人脸的漏检，因此如何增强人脸验证算法对复杂背景的鲁棒性，还有待进一步研究。
2．采用离散余弦变换对人脸进行特征提取，将DCT系数作为观察向量对二维隐马尔可夫模型进行训练，从而实现了对人脸的精确建模。离散余弦变换在对人脸进行特征提取的同时，有效降低了观察向量的维度，从而提升了人脸模型训练的速度。使用二维隐马尔可夫模型实现了对人脸的精确建模，在达到对各种人脸图像精确识别的同时，也使系统对各类复杂条件下的人脸识别有了较强的鲁棒性。
3．研究并实现了对人脸P2D-HMM模型的自动训练，使得构建任意规模的人脸库均可由计算机自动完成。极大地简化了人脸库的管理和维护。
4．研究了对待检照片进行预处理的方法。通过对待检照片的几何归一化、图像校正、图像复原来改善待检照片质量，在允许宽口径的待检照片输入的同时使用。
（二）展望
人脸识别不仅是模式识别、图像处理领域的一个热门的研究课题，同样也是计算机视觉、人工智能领域内的一个重要课题。人们常说“眼睛是心灵的窗口”，人脸识别的终极目标就是给计算机一双眼睛，为它打开一道可以看到世界的窗口，让它也能记住、区分、辨认不同的人脸，从而为实现计算机与人类交流奠定基础。这一目标尽管遥远，但意义非常重大。设想未来如果计算机具备了像人类一样的视觉，它将代替人们完成更多智能化的工作，极大地减轻人们的负担，提高人们的生活质量，造福于人类。目前对人脸检测与识别的研究尚出于探索阶段。本文在对人脸检测与识别基础理论进行学习研究的基础上，开发了一个原型系统。通过大量的实践加深了对人脸识别技术的体会和理解，同时也感到以下问题应该作为今后研究的重点：
1．如果采用肤色信息进行人脸检测，光照条件和背景类肤色区域始终是影响检测准确率的主要因素，单纯依靠肤色信息存在一定的人脸漏检。能否将基于肤色信息的方法和基于统计的方法结合，降低漏检率是今后探索的方向。
2．基于P2D-HMM的人脸识别方法精度高，但相应计算量也大。能否在保证识别率的前提下精简算法？能否用硬件执行人脸识别算法？能否建立并行分布式计算环境？以及这些措施能在多大程度上进一步提高识别速度都是重要的研究方向。
3．计算机虽然不具有像人一样强大的视觉系统。但计算机识别人脸也由一些独特的优点：首先计算机对人脸细节的辨别能力更强，例如在对双胞胎的识别中，人眼感觉双胞胎的相貌“差不多”，而计算机的判断结果是“差很多”。这说明计算机不会像人类一样受一些视觉心理因素的影响，识别更为精确。另外人类的记忆系统对所记的人脸有优先级之分，当记忆了大量的人脸后，对与自身关系不密切的人往往会产生混淆。而计算机对任意规模的人脸库进行查询都不会因为混淆导致识别错误；而且即使工作了较长的时间，计算机也不会像人一样由于视觉疲劳而导致识别错误。如何充分利用计算机人脸识别的上述优点，构建一些有实用价值的人脸识别系统也是今后重要的研究方向。
参考文献
[1] 邓刚、闫胜业、张洪明：《人脸检测技术报告》，2003年。 [2] 李介谷：《计算机模式识别技术》，上海交通大学出版社，1986年。 [3] 张书真：《人脸检测技术浅析》，中国西部科技(下半月刊)，2005年4月。 [4] 武勃艾海舟等：《人脸的性别分类》，计算机研究与发展，2003年11月。 [5] 梁路宏、艾海舟，徐光佑，张钹：《人脸检测研究综述》，2004年。
[6] 徐毅琼、王波等：《基于隐马尔可夫模型的自动人脸识别方法》，计算机应用，2004年12月24日。
[7] 吕琳：《人脸检测方法综述》，电脑知识与技术，2005年10月。
[8] 卢春雨、张长水、闻芳、阎平凡：《基于区域特征的快速人脸检测法》，清华大学学报（自然科学版），1999年。
[9] 黄德双：《神经网络模式识别系统理论》，北京电子工业出版社，1996年。 [10] 邓刚、曹波、苗军、高文、赵德斌：《基于支持向量机眼动模型的活性判别算法计划生物特征识别核心技术与关键问题研究课题项目》，中科院百人计划，2003年。 [11] 应理航：《人脸检测子空间方学硕士论文》，2002年5月。
[12] 梁路宏、艾海舟、徐光佑、张钱：《人脸检测研究综述》，计算机学报，2002年。 [13] Rafael C.Gonzalez、Richard E.Woods：《数字图像处理》，阮秋琦，阮宇智等译，2004年6月。
[14] 王永卫、李介谷：《基于肤色特征的最短生成树方法进行人脸分割》，上海交通大学学报，1998年。
[15] 何东风、凌捷：《人脸识别技术综述》，微机发展，2003年。