基于几何特征的人脸识别
学号： 姓 名：
(上海大学 机电工程与自动化学院，200072)
摘 要：人脸识别技术作为多学科领域的、具有挑战性的课题，它覆盖了数字图像处理、模式识别、神经网络、数学等诸多学科的内容，同时也具有十分广泛的应用价值。在人脸识别领域，基于几何特征的人脸识别算法因其计算简单、使用有效等特性，引起了人们的广泛注意，并已成为人脸图像特征提取和识别的主流方法之一。本文定位人脸器官，通过人脸面部拓扑结构几何关系的先验知识，利用基于灰度投影的方法在知识的层次上提取人脸面部主要器官特征，将人脸特征用一组几何特征向量表示，识别归结为特征向量之间的匹配。本文工作包括：
(1)对灰度积分投影理论进行了详细的介绍和分析。这种方法是目前定位人脸轮廓的主要方法。在此基础上对一种新的在竖直方向上定位人脸左右轮廓的灰度差投影法进行了改进。投影法本质上是一种基于统计的方法，在具体应用时又结合了人脸特征分布的先验知识。这种方法不需要对积分投影图做任何平滑处理等操作，因而算法简单，准确率高，速度很快。
(2)提出了一种精确定位眼睛的方法，该算法将眼区灰度总体分布特点与眼部灰度变化特点相结合，将传统的积分投影法与灰度差累加值投影法相结合，通过大量试验选取合适的参数。试验结果表明，该算法对光照变化不敏感，定位准确率高。运用灰度积分投影结合人脸特征的先验知识定位鼻子，这种定位方法得到的准确率也是比较高的。嘴巴的定位则利用投影法求得。
(3)本文根据定位出来的人脸器官选出七个特征点，即四个眼角点、鼻尖点和两个嘴角点。利用它们构造了十个特征向量，并对其进行归一化运算。图像识别的最后一个过程就是分类，本文采取根据模式相似性的最近距离分类器进行分类。用加权比值函数来计算特征相似度，更适用于人脸图像的识别和计算。如何选择出合适的识别门限是个很复杂的问题，还有待于进一步研究。 关键词：人脸识别；灰度投影；几何特征；特征提取
The Research of Face Recognition Algorithm Based on
Geometric Features
Student number:15721637 Name:Zhao Pei-pei
(Institute of electrical and mechanical engineering and automation, Shanghai University, Shanghai 200072, China)
Abstract:the technology of human face recognition as a multi-disciplinary field and challenging psubject which contains digital image processing，pattern recognition，computer vision，neural network，psychology，physiology，mathematics and a good many subjects．In the meantime，it also has widely used．In the field of face recognition，the method of human face recognition based on geometric features has been paid great attention for its simple calculation and availability．At
present，it has become one of the dominant methods as the feature extraction and recognition．TMs article locates human face organs，through apriori knowledge of human face topological structure geometrical relationship，making use of method based on construct to extract the features of human face organs，expressing human face through a set of geometric feature vectors．The recognition putting in summary is matched with feature vector．This paper includes the following parts： (1)Have a detailed introduction and analysis about the theory of greyscale integrated projection．This method is now the main method of locating human face．We put forward a new method called greyscale differential projection which is based on the previous method and locating the contour of human face vertical directly．Projection method is essentially
based on statistics．It combines the apriori knowledge of human face feature distribution in the application．This method needn’t to do any pretreatment to the image and any smoothing treatment to the integrated projection image．So this algorithm is simple；the accuracy is high; the speed is quick．
(2)Give an introduction about the method of locating eyes precisely．This algorithm combines the character of the eye area greyscale totally distribution and greyscale transformation；combines the methods of traditional integrated projection and differential projection．The experiment led to the fact that this algorithm is not sensitive to the illumination transformation and has a high accuracy．Using greyscale integrated projection combines the apriori knowledge of human face character to locate nose．This location method also has high accuracy．The location of mouth is abtained through projection method．
(3)The choice of characteristic points needs enough information and can’t go so far as to increase calculation quantity．This article chooses seven characteristic points，namely，four canthus points，tip of nose and two corners of mouth points．Construct ten eigenvectors using them and carries on the normalization calculation to them．The last process of image recognition is classification．After adopting some standards to extract feature of human images，we construct category separability decision rule according to these characters and design classifier．This article takes use of minimum distance classification to classify．It iS more suitable for human face recognition and calculation using weighing ratio to calculate similarity．How to choose a suitable recognition threshold is a difficult problem and need further research．This article ascertains it through a good many experiments．
Key Words：Face Recognition；Greyscale Projection；Geometric Characters；Feature Extraction
1. 引言
1.1人脸识别技术：
人脸识别是一个活跃的研究领域，是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。
应用领域：人脸识别系统在金融、证券、社保、公安、军队及其他需要安全认证的行业和部门有着广泛的应用。典型应用:
1）罪犯调查 3）重用门票
2）访问控制 4）信用卡 1.2人体生物认证技术
人脸识别是人体生物认证技术的一种，人体生物的生物特征包括生理特征和行为特征两大类。 ⑴ 人体的生理特征主要包括人脸、指纹、掌纹、掌形、虹膜、视网膜、静脉、DNA、颅骨等，这些特征是与生俱来的，是先天形成的；
⑵ 而行为特征包括声纹、签名、步态、耳形、按键节奏、身体气味等，这些特征是由后天的生活环境和生活习惯决定的。
这些生物特征本身固有的特点决定了其在生物认证中所起的作用是不同的。 生物特征识别:
人脸 脸部热量图 指纹 签名
Face Face heat figure Fingerprint Signature
图 1 Fig.1
常用生物特征的比较:
生物特征 人脸 指纹 手形 虹膜 视网膜 签名 声音 普遍性 高 中 中 高 高 低 中 独特性 低 高 中 高 高 低 低 稳定性 中 高 中 高 中 低 低 可采集性 高 中 高 中 低 高 低 性能 低 高 中 高 高 低 低 接受程度 高 中 中 低 低 高 高 防欺骗性 低 高 中 高 高 低 低 2. 人脸识别的过程
人脸识别过程主要通过三个步骤完成，即人脸检测、图像的预处理、面部特征提取和人脸对比识别确认及分类器的设计，典型的人脸识别流程图如下：
图像获取 人脸检测 人脸定位 预处理 人脸库 特征提取 输出结果 比对识别
图2 人脸识别过程图 Fig.2 Face recognition process
人脸特征 图像的获取
该模块从外界获取图像作为人脸识别系统的输入，通常人脸信息的来源有以下几种方式：1）通过扫描仪对照片的扫描；2）通过数码相机对人脸的拍摄；3）Internet上提供的免费数据库。
人脸的检测与定位
处理分析从图像获取模块输入的图像。判断是否存在人脸，如果存在人脸则找到人脸在图像中的位置，并且将人脸从背景中分离出来。获取的图像可以是静态的，也可以是动态的，可以是彩色的，可以是黑白的，该模块功能十分重要。
图像预处理
预处理主要作用在于尽可能的去除或减少光照、成像系统、外部环境等对图像处理的干扰，为后续提供高质量的图像，这部分对图像进行图像增强、二值化处理，边缘检测，几何归一化，为后续特征提取做好准备。
特征提取
该部分完成从经过预处理模块处理的图像提取可以用来识别的特征，将原始图像中的数据映射到特征空间中，如何提取有效的特征是该系统的关键。
识别
完成人脸的判别工作，给出最后的识别结果。
3. 人脸器官的定位
人脸由眼睛、鼻子、嘴巴和下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得每个人的脸千差万别，因此这些形状和结构的几何描述可以作为人脸描述的重要特征。采用几何特征进行正面人脸识别一般是通过提取人眼口鼻的等重要特征点的位置和几何形状作为分类特征。
人脸轮廓的确定
利用灰度差投影法确定人脸轮廓。定义检测近似竖直边缘的灰度差算子为
g(x,y)?f(x,y)?f(x,y?1)?f(x,y)?f(x,y?1)
注释：对每一列，计算每一个像素与相邻两个像素的灰度差，然后把这一列每个像素的的灰度差相加，记为v(y)，并在图像左（右）侧1/3内寻最大值，得到v(y)，y为人脸的边界的位置。
为避免竖直头发造成人脸伪边缘，而肤色的灰度值一般要比头发的灰度值要大，所以灰度值相加的条件为
f(x,y?1)?f(x,y?1)