1、西南科技大学本科生毕业论文1Southwest university of science and technology本科毕业设计（论文）题 目 名 称 ： 基于 Gabor 小波的人脸特征提取算法研究及仿真西南科技大学本科生毕业论文2基于 Gabor 小波的人脸特征提取算法研究及仿真摘要：人脸识别技术是模式识别与人工智能的研究热点之一。在生物特征识别中，人脸识别占有极为重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛的应用。人脸特征提取是人脸识别过程的核心，特征提取的有效性直接影响到分类的速度和识别的性能。本论文的主要研究内容包括以下方面：(1)基于 Gabor 变换的
2、人脸特征提取算法。通过对人脸傅里叶变换和 Gabor 变换的实验比较，证明了 Gabor 变换在提取人脸特征方面具有很大的优越性。接着，介绍了 Gabor 小波变换的快速算法。(2)针对 Gabor 小波的缺点，引进 LBP 算子，该算子的使用能有效的克服 Gabor小波变换的缺点。另外还详细介绍了如何提取“特征脸” 的原理和实现过程，对Gabor 滤波器参数的选择问题也作了详细说明。(3) 针对 Gabor 和 LBP 提取的人脸特征向量维数过高问题，本文分别采用了LPP 和 PCA 降维算法来进行降维。(4)对最后提取的人脸特征通过计算特征向量的距离来量化查询图像和图像库中每幅图像间的相似
3、程度。该部分主要是将提取出来的人脸特征向量进行验证，并对两种不同降维方法做比较。本文最后是在 orl 和 yale 两个人脸图库做仿真实验。实验表明，采用用 LPP 降维得到的相似度要远高于使用 PCA 降维结果。关键词：人脸识别；Gabor 小波变换；LBP；距离测度西南科技大学本科生毕业论文3Facial feature extraction algorithm research and simulation based on Gabor waveletsAbstract：Face Recognition Technology(FRT)is emerging as an active re
4、search area in the field of pattern recognition and artificial intelligence.As a biometric technology,FRT has numerous applications such as access control,law enforcement,e-commerce,video surveillance and so on. Face feature extraction is the core of recognition task,which directly impact on classif
5、ication velocity and face recognition ability.The main contributions of this work are listed as follows：(1)Face feature extraction algorithm based on Gabor transform is introduced.Compared with Fourier transform，Gabor transform is proved to be better in face feature extraction.And then，A fast algori
6、thm of Gabor Transform is introduced.(2) According to the disadvantages of Gabor wavelet,This paper introduced LBP operator, the operator can overcome the f aults of Gabor wavelet transform effectively . Also it introduced the principle and realization process how to extract “features face“ in detai
7、led, and the selection of parameters of Gabor filter are detailed instructions.(3) For the problem to the face feature vector high dimension in Gabor and LBP extraction ,this paper used the LPP and PCA dimension reduction algorithm reduced the dimension.(4) In the final face feature extraction ,By c
8、alculating the distance of the feature vector to look the similarity between the image to inquire and each image in image database . This part is mainly to verify the extracted face feature vector , and to compare two different dimension reduction method .Finally, This paper do the simulation experi
9、ment in the orl and yale two face database . The experiment results show that the LPP dimension reduction method is better than PCA dimension reduction method.Key words: Face recognition; Gabor wavelet transform; LBP; Distance measure西南科技大学本科生毕业论文4目 录第 1 章 绪 论 .51.1 课题的背景和意义 .51.2 当前人脸识别的国内外现状 .71.3
10、 课题的总设计思路 .81.4 人脸特征提取的步骤及方法 .81.4.1 人脸图像的预处理 .91.4.2 基于 Gabor 小波算法进行人脸特征提取 .91.4.3 应用 LBP 算子 .101.4.4 采用 PCA 和 LPP 对提取的特征向量降维，以提高识别时间 .101.4.5 用距离测度法度量相似度进行结果测试 .101.5 本章小结 .10第 2 章 Gabor 小波变换 .112.1 引言 .112.2 Gabor 小波变换的定义 .132.3 Gabor 变换在人脸识别中的应用 .152.4 Gabor 滤波器 .152.4.1 Gabor 滤波器参数的选择 .192.4.2
11、Gabor 滤波器的性质和计算方法 .192.4.3 Gabor 变换的人脸特征提取 .202.5 Gabor 快速算法图 .212.5.1 快速傅里叶变换(FFT) .222.5.2 Gabor 变换的快速算法 .242.6 本章小结 .25第 3 章 LBP 算法、PCA 和 LPP 降维算法 .263.1 引言 .263.2 LBP 基本算子 .263.2.1 改进的 LBP 算子 .273.3 PCA 降维算法的实现原理 .283.3.1 PCA 的基本概念 .29西南科技大学本科生毕业论文53.3.2 PCA 原理 .293.3.3 PCA 算法 .303.4 LPP 算子降维原理
12、.313.4.1 LPP 算法降维实现原理 .313.5 本章小结 .32第四章 距离测度法度量相似度比较 .334.1 引言 .334.2 距离测量简介 .334.3 具体算法 .344.4 ORL 人脸库实验分析 .354.4.1 算法的比较 .364.5 YALE 人脸库实验 .374.6 本章小结 .38结 论 .39参考文献 .40致 谢 .42附录一 .43附录二 .46附录三 .47西南科技大学本科生毕业论文6第 1 章 绪 论1.1 课题的背景和意义在现在这个信息化的时代中，身份识别技术的应用价值是非常重要的。随着网络技术的快速发展，信息安全也显示出前所未有的重要性。在电子商务
13、、金融信息、司法安全、网络传输等各个应用领域，都需要精确而唯一的身份鉴定 1。然而，如今的身份识别主要依靠身份证、工作证和密码手段来鉴定一个人的身份。这些手段具有诸多缺点：如不便携带、易丢失、易损坏最后导致不可识别；而密码手段的缺点更加凸显：不便记忆，易被破解等。近年来，由于电子商务的迅猛发展，伪造制假的手段也是越来越先进，传统的身份识别方法受到了严峻的挑战，对于科技的发展和社会的进步显得有点跟不上脚步。 生物特征识别技术（Biometrics）以其唯一性、高可靠性和稳定性成为了人们争相研究的热门技术。所谓生物特征识别 2，就是根据不同人之间的身体（physical）的或者行为（behavio
14、ral)的特征的独特性，来唯一地把未知身份识别出来。身体特征包括：指纹、视网膜、虹膜、人脸等；行为特征包括签名、声音、步态等。有的识别是几种特征的结合，如身份识别可以结合人脸和指纹两个特征。人脸识别是身份识别技术的一种，它在身份识别领域的发展和应用方面都有着重大意义：一是可以推进对人类视觉系统本身的认识；二是可以满足人工智能应用的需要。采用人脸识别技术，建立自动人脸识别系统，用计算机实现对人脸图像的自动识别有着广阔的应用领域和诱人的应用前景。而人脸特征提取又是人脸识别技术当中最重要的步骤，可以这么说，人脸特征提取的优劣直接影响到人脸的识别率。人脸本身的采集方式多样，既可以是静态图像，也可以是动
15、态图像。通常我们辨别一个人是通过我们的眼睛观察这个人的脸部特征，恰好人脸识别和人们通常的识别相符合，所以很容易被接受。因此，人脸识别及其相关技术的应用前景也是生物特征识别诸多技术中最被看好的。生物特征识别在国外起步早，也发展很快 2 。而我国在这方面就起步稍晚，不过发展却是极为迅速。人脸识别是我们日常生活中必不可少的技能，是我们辨认一个人采用的最普遍的生物特征识别方法。人脸识别相对于其它的生物特征识别技术来说，具有以下西南科技大学本科生毕业论文7独特优势:(1)友好、直观和方便。人脸识别由于十分符合人们的习惯，人们很容易接受和不会让人感觉有障碍;(2)对用户不会造成不必要的干扰。因为人脸识别不
16、需要与相关设备直接接触，也不需要被测试者需要特定的行为，在这一点上它是区别于其他任何生物特征技术的;(3)对拍摄设备无要求。只要能照相的设备，手机相机皆可，由于这些设备目前已普及，故为人脸识别的广泛应用提供了有力的基础和保障;1.2 当前人脸识别的国内外现状在当今这个信息化的时代，人脸识别系统在很多领域都有举足轻重的作用，尤其是用在司法机关、网络信息安全、司机驾照验证和事业单位的考勤等。前面有说道：虽然我国这方面起步比较晚，但是在这方面发展却是非常快的。截至目前，我过在这方面也取得了一定的成就，08 年的北京奥运会就正式启用了中国自主产权研发的人脸识别系统。另外，由中科院计算所高文教授主持的国
17、家 863项目“面像检测与识别核心技术” 也通过成果鉴定，并初步应用，这也就标志着我国在人脸识别这一当今热点科研领域掌握了一定的核心技术。该系统会自动在人脸上选取 103 个点，然后通过分析面部皮肤反射属性、三维结构等特征进行识别，在静态场景下识别准确率会达到 96.5。其实在早前，北京科瑞奇技术开发股份有限公司在 2002 年开发了一种人脸鉴别系统，对人脸图像进行处理，排除外界因素，再对图像进行特征提取和识别。这对于人脸鉴别特别有价值，因为人脸鉴别通常使用正面照，要鉴别的人脸图像是不同时期拍摄的，使用的照相机不一样。系统可以接受时间间隔较长的照片，并能达到较高的识别率，在计算机中库藏 230
18、0 人的正面照片，每人一张照片，使用相距 1-7年、差别比较大的照片去查询，首选率可以达到 50%，前 20 张输出照片中包含有与输入照片为同一人的照片的概率可达 70%。在国外，人脸识别起步就比较早了。最早的自动人脸识别研究论文是 1965年 Chan&Bledsoe 在 Panoramic Research Inc 发表的技术报告，但是由于当时的技术条件有限，所以取得的成就并不是很显著。而70年代时，美、英等发达国家就已经开始重视人脸识别的研究了，并取得了一定的成绩。西南科技大学本科生毕业论文8从 1990 年代起，由于社会的发展，加上人们对人脸图像自动识别的迫切需求，越来越多的外国科研单
19、位开始着手研究，因此人脸模式识别方法有了较大的突破。1996 年美国军方更是组织了人脸自动识别系统大赛，获得冠军的是勒克菲勒大学的Face1t 系统。由此可见，外国的在这方面要比中国早很多，也成熟很多。最近，美国的 LAU 公司研制的人脸图像自动识别系统，是按照平常人们的生活习惯（即人眼辨别人脸）的原理，基于生物测量学、人像复原技术开发的装置。用人脸 1242 个特征点，对人群中寻找的人进行定量定性识别，已经用在机场、火车站等公共场所和重点控制地区。另外，国外的一些高校在这方面也取得了显著的成就，主要是以麻省理工大学（Massachusetts Institute of Technology
20、） 、卡内基梅隆大学（Carnegie Mellon University）和英国的雷丁大学（University of Reading）等为首。而公司（Visionics 公司 Facelt 人脸识别系统、 Viiage 的 FaceFINDER 身份验证系统、Lau Tech 公司Hunter 系统、德国的 BioID 系统等）他们的工程研究工作主要放在公安、刑事方面，在考试验证系统的实现方面深入研究并不多。1.3 课题的总设计思路本设计是基于 MATLAB 平台实现的人脸特征提取。系统原理框图如图 1 所示：西南科技大学本科生毕业论文9图 1 系统原理框图从系统框图我们可以知道，人脸特征
21、提取的步骤如下：1） 、从图库中读取一张图像，并且对选取图像进行预处理；2） 、根据需要设计 Gabor 滤波器参数，并对处理后的图像进行多方向和多尺度的进行滤波；3） 、先对得到的不同方向 Gabor 对得到的 Gabor 滤波图像分别进行 LBP 运算得到纹理图像特征；4） 、然后分别用 LPP和 PCA 对得到纹理图像特征向量进行降维；5）对降维得到的人脸特征向量用距离测度度量相似度进行测试。1.4 人脸特征提取的步骤及方法Chellappa 给出的人脸识别定义是，给出静态或者视频图像，将其中的一个或多个人脸和存储于数据库中的人脸相比较，确定出图像或视频中各个脸的身份。一般要在输入之前对
22、图像进行预处理，若有人脸存在，则将其从背景中分割出来。一般来说，一个完整的人脸识别系统包括。图像输入、人脸检测/定位、预处理、特征提取、分类器 5 部分。1.4.1 人脸图像的预处理在现实情况下，我们所提取的人脸图像可能绝大多数都不是标准格式的，不仅如此，可能还会受到各种各样的因素影响，进而导致最终的人脸识别准确率不是那么高，为了尽可能的减小甚至消除这些情况对人脸识别的影响，故而在人脸特征提取之前需要进行人脸图像的预处理。该步骤主要是对输入的人脸图像进行预处理，目的是消除其他因素的影响，改善图片质量，统一图像的灰度值及尺寸，为以后的特征提取和人脸分类识别打好基础。一般情况下人脸都处在一个复杂背
23、景中，所以预处理的时候要先进行人脸检测，将人脸部分从复杂背景中检测提取出来，由于本文的研究内容只是人脸特征提取部分，故而没有人脸图像预处理部分，而是直接采用已预处理好的 ORL 和 YALE 人脸图库。1.4.2 基于 Gabor 小波算法进行人脸特征提取人脸特征提取就是采用某种方法来表示人脸局部特征，当然采用的方法不同，所提取的人脸信息也有所不同。西南科技大学本科生毕业论文10本文研究的基于 Gabor 小波变换的人脸特征提取的理论依据：任意可以用高斯函数调制的复正弦形式表示的信号都可以达到时域和频域联合不确定关系的下限。也就是说，可以再时域和频域获得最佳的分辨率。Gabor 滤波器对人脸图
24、像的响应特性主要体现在边缘、亮度和位置 3 方面的特征。图像的局部灰度值的突变反映的是边缘特征，输入信号和滤波器信号叠加的结果就是卷积计算的输出，当输入信号的变化与滤波器信号的变化相一致时，输出较强，反之亦然。而当图像的边缘特征方向与二维 Gabor 滤波器纹理特征方向一致的时候，二维 Gabor 小波变换有较强的响应，如眼睛，鼻子等部位 Gabor 响应输出较为强烈。通过修改 Gabor 函数的参数 sigma，theta，可以获得不同中心频率，不同方向上的 Gabor 滤波器，从而提取到不同尺度和不同局部细节的纹理图像特征。最后考虑到 Gabor 小波变换不能旋转的缺点，故之后用 LBP
25、算法将 Gabor 滤波图像再分别进行特征提取，再将得到的图像分为互不重叠的区域，分别对各个区域建立 LBP直方图信息，再将各个尺度下的 LBP 直方图特征进行组合匹配连接起来，构成人脸图像的特征向量。其实在这里对于 Gabor 小波变换的人脸特征提取基本上已经结束，但是考虑到这样提取出来的特征向量维数会比较高，计算起来需要用到的时间会很长。所以在最后用到了 PCA 和 LPP 对提取的特征向量进行降维，以提高识别时间。1.4.3 应用 LBP 算子在Gabor滤波后再分别进行LBP特征提取，是因为LBP作为一种纹理描述方法，能够有效地反映人脸图像的局部特性,也是为了更有效的解决旋转变化、光照变化和尺度变化等图像分类问题，这也是本设计的创新点。1.4.4 采用 PCA 和 LPP 对提取的特征向量降维，以提高识别时间PCA（Principal Component Analysis，主成分分析）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。LPP（L ocality Preserving Projection， 局 部 保 局 投 影 ）作为拉普拉斯特征映射的一种线性逼近可以较好的反映样本的流形结构，已经被广泛的应用到图像检索和
