基于WebCam的人臉檢測技術(shù)2.doc

1附件4：本科生畢業(yè)論文（設計）文獻綜述論文題目：基于WebCam的人臉檢測技術(shù).學生姓名：葉瑜年級（學號）：00121031.二級學院：信息工程學院專業(yè)：計算機科學與技術(shù).指導教師：袁貞明職稱：講師.填表日期：2004年3月5日杭州師范學院教務處制2一、查閱中外文獻資料目錄，所查閱的中外文獻資料不得少于5篇（含作者、書名或論文題目、出版社或刊名、出版年月或期號及頁碼等，未經(jīng)本人查閱的文獻資料目錄不得列上）1ThomasFromherz,PeterStucki,MartinBichsel.ASurveyofFaceRecognition.MMLTechnicalReport,No97.01,Dept.ofComputerScience,UniversityofZurich,1997.2R.C.KHua,L.C.DeSilva,P.Vadakkepat.DetectionandTrackingofFacesinReal-TimeEnvironments.InternationalWorkshoponRecognition,Analysis,andTrackingofFacesandGesturesinReal-TimeSystems,Sep.26-27,1999,p.963Ming-HsuanYang,DavidJ.Kriegman,NarendraAhuja.DetectingFacesinImages:ASurvey.IEEETransactionsonPatternAnalysisandMachineIntelligence,2002,VOL.24,NO.14Do-JoonJung,Chang-WooLee,Yeon-ChulLee,Sang-YongBak,Jong-BaeKim,HyunKang,Hang-JoonKim.PCA-BaseReal-TimeFaceDetectionandTracking.InternationalTechnicalConferenceonCircuits/Systems,ComputersandCommunications(ITC-CSCC02),Jul,Phuket,Thailand,Jul.16-19,2002,Vol.1,p.615-6185JamesL.Crowley,FrancoisBerard.Multi-ModalTrackingofFacesforVideoCommunications.Proceedingsofthe1997ConferenceonComputerVisionandPatternRecognition(CVPR97),1997,p.6406VladimirVezhnevets,VassiliSazonov,AllaAndreeva.ASurveyonPixel-BasedSkinColorDetectionTechniques.Graphics,MediaLaboratory.7Rein-LienHsu,MohamedAbdel-Mottaleb,AnilK.Jain.FaceDetectioninColorImages.IEEETrans.PatternAnalysisandMachineIntelligence,May2002,vol.24,no.5,p.696-7068阮鵬，趙明生，安全監(jiān)控中的一種快速人臉定位算法，清華大學電子工程系網(wǎng)絡與人機語音通信研究所，20039胡曉軍，鄧波，高宏偉等VisualC+高級開發(fā)范例解析，電子工業(yè)出版社，200210徐慧，VisualC+數(shù)字圖像實用工程案例精選，人民郵電出版社，20043二、文獻綜述（含本選題國內(nèi)外研究現(xiàn)狀、研究主要成果、發(fā)展趨勢、存在問題等內(nèi)容，字數(shù)不少于3000字，力求內(nèi)容切題，具綜合歸納性）人臉檢測方法綜述摘要：人臉識別技術(shù)具有廣泛的應用前景，其目標是識別出所有包含了人臉中不注意的三維位置、方向和光照條件的圖像區(qū)域。這個問題正受到挑戰(zhàn)，因為人臉不是僵硬的，而且人臉的大小、形狀、顏色和結(jié)構(gòu)的變化程度很大。而無論從何種角度對人臉識別技術(shù)進行分類，要實現(xiàn)一個健壯的人臉識別系統(tǒng)，都需要解決檢驗人臉的這一步，因此，本文從四個大類從發(fā)，分別簡單闡述了單一圖像中的人臉檢測方法。關(guān)鍵字：人臉識別、人臉檢測、特征1、引言人臉識別就是對于輸入的人臉圖像或者視頻，首先判斷其中是否存在人臉，如果存在人臉，則進一步的給出每個人臉的位置、大小和各個主要面部器官的位置信息，并依據(jù)這些信息，進一步提取每個人臉中所蘊含的身份特征，并將其與已知人臉庫中的人臉進行對比，從而識別每個人臉的身份。人臉識別的過程可以分為以下三個部分：(1)人臉檢測：判斷輸入圖像中是否存在人臉，如果有，給出每個人臉的位置，大??；(2)面部特征定位：對找到的每個人臉，檢測其主要器官的位置和形狀等信息；(3)人臉比對：根據(jù)面部特征定位的結(jié)果，與庫中人臉對比，判斷該人臉的身份信息；顯然地，在任何一個自動化的系統(tǒng)中，人臉檢測都是解決上述問題的第一步。在本文中，我們把人臉識別和人臉定位區(qū)分開了，因為，后者是前者的一個簡化了的問題。因此，本文的重點是放在放在人臉的檢驗方法上的。在此，給出一個人臉檢測的定義：給出一幅隨意的圖像，人臉檢測的目的是明確圖像中是否有人臉，如果有，返回每張人臉的范圍和位置。與人臉檢驗有關(guān)的挑戰(zhàn)可以歸納為如下這些因素：1.姿勢。圖像中人臉的變化取決于相關(guān)的（攝取的）人臉姿勢（正面、45度、側(cè)面、向上、向下）以及一些面部的特征，例如眼睛或鼻子有可能是部分或全部閉塞（遮擋住了）。2.結(jié)構(gòu)部件的有無。象絡腮胡子、（嘴唇上面的）胡子和眼鏡這些面部特征可能有也可能沒有,有些（人臉上的）部件包括形狀、顏色和大小有大量的變化。3.面部表情。一個人的面部表情直接影響著人臉的外觀。4.閉塞（遮擋）。人臉可能因為其他的對象而部分地被閉塞（遮擋）。在一幅有一群人的圖像中，一些人的臉的一部分可能被其他人的臉擋住了。5.圖像定位。人臉的圖像因為照相機的光學軸線的不同旋轉(zhuǎn)而呈現(xiàn)出變化。6.成像的條件。一幅圖像的成像因素包括光照（光譜，來源的分布和強度）和照相機的特性（傳感器的響應，鏡頭）對人臉外觀的影響。2、單一圖像中的人臉檢測我們可以把單一圖像中人臉的檢測方法分為四類，而這些方法的分類界限而是可以重疊的。1.基于知識（Knowledge-based）的方法?；谥R（Knowledge-based）的這些方法是把組成同一類人臉的信息進行編碼。一般來說，這類標準捕捉的對象是臉部特征的相關(guān)之處。這些方法主要是為了人臉的定位設計的。2.不變特征（Featureinvariant）的方法。這類算法的目的是找出在姿勢、角度或光照條件變化的情況下人臉上存在的那些結(jié)構(gòu)特征，并以此來定位人臉。這類方法主要也是為了人臉的定位設計的。3.模板匹配（Templatematching）的方法。把一些標準的人臉模型存儲起來，并以此用于描述人臉的全面或個別的臉部特征。通過輸入圖像和已經(jīng)存儲的模型之間相關(guān)性的計算來檢測人臉。這類方法已經(jīng)被用于人類的定位和檢測了。4.基于外觀的（Appearance-based）方法。與模板匹配不同，這里的模板樣式（或模板）是從一個訓練（測試）圖像集中獲取的，而這個圖像集捕捉到的是具有典型性且變化著的臉部外觀。這些模板樣式是為檢測人臉服務的，所以這類方法主要也是為了人臉檢測而設計的。4圖2方法代表文章1.基于知識Multiresolutionrule-basedmethod2.不變特征面部特征Groupingofedges肌理（皮膚）SpaceGray-LevelDependencematrix(SGLD)offacepattern膚色MixtureofGaussian多重特征Integrationofskincolor,sizeandshape3.模板匹配預先確定的人臉模板Shapetemplate可變的（人臉）模型ActiveShapeModel(ASM)4.基于外觀的（識別）方式特征人臉Eigenvectordecompositionandclustering分布式Gaussiandistributionandmultiplayerperceptron神經(jīng)系統(tǒng)網(wǎng)絡Ensembleofneuralnerworksandarbitrationschemes支持矢量機技術(shù)SVMwithpolynomialkernel簡單貝葉斯分類Jointstatisticsoflocalappearanceandposition隱馬爾可夫模型HigherorderstaticsticswithHMM信息理論法Kullbackrelativeinformation表格1單一圖像的人臉識別方法分類下面，展開討論一下每一類方法的出發(fā)點和基本的實現(xiàn)方式。2.1基于知識的，組織管理嚴密的人臉檢測法這類方法的發(fā)展標準是基于研究人員對人臉信息的研究，由此提出了描述人臉特征及其相關(guān)性的簡單標準。例如，一幅圖像中一張人臉上有一雙位置對稱的眼睛，一個鼻子和一張嘴巴。這些特征的關(guān)系可以通過它們的相對距離和位置來描述。這副輸入圖像中的臉部特征首先被萃取出來，而臉部其他候選區(qū)域的識別是基于這些特征的編碼標準的。這種檢測方法的一個問題是：把人臉信息翻譯成定義好的標準是一個難題。因為，如果這個標準已經(jīng)被細化或是很精確的，那么被檢測的人臉會因為不符合所有標準而無法被檢測出來。但是，如果這個標準太粗略，被檢測的人臉又會出現(xiàn)很多檢測錯誤。此外，要進一步發(fā)展在不同姿勢下檢測人臉的方法也是困難的，因為要把所有可能的例子全部列舉出來是很困難的。（圖1.（a）n1，原始圖像；（b）n4；（c）n8；（d）n16。原始的和相對低分辨率的圖像。每平方單元由nn個像素組成，這些像素的亮度被那個單元中的像素的平均亮度所代替）（圖2.一個典型的人臉在基于知識的組織管理嚴密的方法中的應用：標準的編碼是由人臉信息中臉部區(qū)域的特征決定的（例如：（臉部）亮度的分布和區(qū)別）107。）楊和黃使用一種分等級的信息（識別）方法來檢測識別人臉170。他們的這個系統(tǒng)由三個級別的標