臺灣博碩士論文加值系統

近年來，隨著人們對安全防護觀念的提升，因此利用人臉辨識來做身份辨識的應用也越來越廣泛，比方大樓門禁管理系統、居家保全監控系統、互動式機器人辨識系統、都可以廣範來使用。

本文提出一套結合主成份分析法(Principal Component Analysis, PCA)與線性鑑別分析法(Linear Discriminant Analysis,LDA)之人臉辨識系統，使用主成份分析其主要目的是用來求出特徵值(Eigenvalue)、特徵向量(Eigenvector)、特徵空間(Eigenspace)，再藉由投影到特徵臉空間得到人臉權重向量資料。使用線性鑑別分析其主要目的是用以降低影像維度並且可以將不同類別間的中心點拉開，並將屬於同ㄧ類別間的影像分離程度減少，彌補了PCA於類別間特性代表性的不足。最後在以歐幾里德距離(Euclidean distance)來計算兩向量之間的差異大小來作為人臉辨識決策法則，完成人臉辨識。

Recently, since more people pay much attention to the security of life and property, there are more applications of identification based on human features. For example, access control and management system, home security surveillance system, and robotic interactive recognition system are widely available.

The thesis proposes a human face recognition system based on the integration of principal component analysis (PCA) and linear discriminant analysis (LDA). It aims to find out the eigenvalues, eigenvectors, and eigenspace of human facial features using PCA firstly, and then obtain the data of facial weightings by projecting the eigenvalues to eigenspace of human face. The purposes of integrating LDA to the PCA based recognition scheme are not only to reduce the dimension of the images, but also to reduce the level of the image isolation in different categories by LDA to expend the distances between each central point of different categories. After these, one can determine the magnitude of Euclidean distance to make the recognition decision of human faces. These will accomplish the final facial recognition.

摘要 iv
英文摘要 v
致謝 vi
目次 vii
圖目錄 ix
表目錄 xi
第一章 緒論 1
1.1 研究背景與動機 1
1.2 文獻回顧 2
1.2.1 人臉偵測之相關研究 3
1.2.1 人臉辨識之相關研究 4
1.3 論文架構 7
第二章 人臉辨識系統技術與相關研究之探討 8
2.1 人臉偵測技術及相關研究 8
2.1.1 以樣板和特徵為基礎的人臉偵測方法 9
2.1.2 以類神經網路為基礎的人臉偵測方式 10
2.2 人臉辨識技術及相關研究 11
2.3 影像辨識工具OpenCV 13
2.4 系統架構 15
第三章 人臉偵測 18
3.1 背景分割程序 19
3.1.1 色彩空間轉換 19
3.1.2 膚色分割 23
3.2 雜訊消除程序 25
3.2.1 平滑濾波 25
3.2.2 影像形態學 26
3.3 臉部搜尋與定位 28
3.3.1 連接元區域標定 28
3.3.2 臉部輪廓搜尋 29
第四章 人臉分類與辨識 34
4.1人臉辨識系統流程 34
4.1.1 人臉辨識系統架構 35
4.2 影像正規化 36
4.2.1 維度調整 36
4.2.2 亮度調整 38
4.3 主成份分析法 40
4.3.1 主成份分析法原理與簡介 40
4.3.2 主成份分析之應用 43
4.4 線性鑑別分析 46
4.3.1 LDA簡介 46
4.3.2 LDA原理 46
4.3.3 人臉辨識決策法則 51
第五章 實驗結果與討論 52
5.1 人臉偵測實驗結果 53
5.1.1 膚色分割實驗 53
5.1.2 人臉區域判定實驗 54
5.1.3 連接元區域與橢圓偵測實驗 55
5.1.4 人臉偵測實驗探討 57
5.2 人臉辨識實驗結果 58
第六章 結論與未來展望 66
6.1結論 66
6.2未來展望 67


參考文獻 68

圖目錄
圖1.1 小波轉換架構圖 5
圖1.2 小波轉換結果 6
圖2.1 小波臉系統架構 12
圖2.2 系統架構圖 15
圖3.1 人臉偵測系統流程圖 18
圖3.2 HSV色彩模型 20
圖3.3 使用不同色彩空間之膚色分割結果比較 22
圖3.4 膚色分割結果圖 24
圖3.5 膚色範圍二值化 26
圖3.6 二值化後低通濾波 26
圖3.7 二值影像以及結構元素示意圖 27
圖3.8 二值影像F被結構元素P侵蝕 28
圖3.9 二值影像F被結構元素P膨脹 28
圖3.10 斷開運算結果 28
圖3.11 連接元區域標定結果 29
圖3.12 邊緣檢測結果 30
圖3.13 橢圓模型 31
圖3.14 橢圓偵測結果 32
圖3.15 人臉定位於二值影像 33
圖3.16 去除背景之人臉擷取結果 33
圖4.1 人臉參數訓練流程圖 34
圖4.2 人臉辨識流程圖 35
圖4.3 雙線性內插法示意圖 37
圖4.4 人臉維度調整 38
圖4.5 白平衡調整 38

圖4.6 人臉亮度調整 39
圖5.1 系統介面 51
圖5.2 膚色分割結果 52
圖5.3 雜訊消除與邊緣化 53
圖5.4 連接元區域和橢圓偵測定位於人臉 52
圖5.5 人臉辨識結果 57
圖5.6 人臉辨識結果 58
圖5.7 人臉辨識結果 59
圖5.8 人臉辨識結果 60
圖5.9 測臉辨識錯誤結果 60
圖5.10 表情照成誤結果 61
圖5.11 亮度照成誤結果 61
圖5.12 ORL資料庫之人臉辨識結果 63
圖5.13 ORL資料庫之人臉辨識結果 63

[1]R. L. Hsu, A. M. Mohamed, and A. K. Jain, “Face Detection in Color Image,” IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 24, No. 5, pp. 696-706, 2002.
[2]H. Hongo, A. Murata, and K. Yamamoto, “Consumer Products User Interface Using Face and Eye Orientation,” Proceedings of IEEE International Symposium on Consumer Electronics, pp. 87-90, 1997.
[3]J. Miao, B. Yin, K. Wang, L. Shen, and X. Chen, “A hierarchical Multiscale and Multiangle System for Human Face Detection in a Complex Background Using Gravity-Center Template,” Pattern Recognition ,vol. 32, pp. 1237-1248, 1999.
[4]C. Anderson, P. Burt, and G. Wal, “Change detection and tracking using pyramid transformation techniques,” Proceedings of SPIE - Intelligent Robots and Computer Vision, vol. 579, pp. 72-78, 1985.
[5]孫國庭，應用類神經網路於人臉辨識之身份識別系統，高雄第一科技大學電腦與通訊工程系碩士論文，2003年。
[6]杜世懷，利用模糊類神經網路擷取圖片中之人臉及身體，中山大學電機工程研究所碩士論文，2001年。
[7]單維彰，凌波初步，全華科技圖書，1998年初版。
[8]林咸仁，改良線性鑑別分析在少量訓練樣本下之人臉辨識研究，成功大學資訊工程研究所碩士論文，2001年。
[9]W. S. Lee, H. J. Lee, and J. H. Chung, “Wavelet-Based FLD for Face Recognition,” Proceedings of the 43rd IEEE Midwest Symposium on Circuits and System, vol. 2, pp.734-737, 2000.
[10]陳彥劭，即時人臉辨識系統之研製，南台科技大學電機工程碩士論文，2008年。
[11]林俊杰，彩色影像序列中人臉追蹤及使用特徵選取方法決定方位估測，台灣科技大學電機工程研究所碩士論文，2003年。
[12]吳明輝，一個從影像序列中擷取臉部特徵點的人臉表情辨識系統，台灣科技大學電機工程研究所碩士論文，2006年。
[13]汪慶祥，利用三維資訊做人臉辨識，交通大學資訊科學研究所碩士論文，2000年
[14]Christophe Garcia,Manolis Delakis “A neural architecture for fastand robust face detection “，Pattern Recognition, 2002. Proceedings. 16thInternational Conference on ,Volume: 2 , 11-15 , pp. 44-47 ,Aug. 2002。
[15]H. A. Rowley, S. Baluja, and T. Kanade, “Neural Network-Based FaceDetection, ” IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 20,No. 1, pp. 23-38,1998,.
[16]林鈺山，模糊類神經網路在人像偵測與辨識之應用，中興大學電機工程研究所碩士論文，1999年。
[17]李亭緯，利用人臉五官為特徵之人臉辨識系統，中央大學資訊工程研究所碩士論文，2007年。
[18]林宥丞，使用主成份分析做人臉辨識，華梵大學資訊管理學系碩士論文，2005年。
[19]吳佳珍，以鑑別性小波參數為主之人臉辨識系統，成功大學資訊工程研究所碩士論文，2000年。
[20]Jen-Tzung Chien, Chia-chen WU, “Discriminant Waveletfaces and Nearest Feature Classifiers for Face Recognition,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, No. 12, pp. 2002.
[21]G. Louverdis, I. Andreadis, P. Tsalides, “New fuzzy model for morphological colour image processing,” Proceedings of IEE Vision, Image and Signal Processing, vol. 149, pp. 129-139, 2002.
[22]Web. Data of Center for Advanced Studies, Research and Development in Sardinia, “CCIR Recommendation 601,” http://www.crs4.it/OLD/LUIGI/MPEG/ccir601.html.
[23]N. Kazakova, M. Margala, and N.G. Durdle, “Sobel edge detection processor for a real-time volume rendering system,” Proceedings of the 2004 International Symposium on Circuit and Systems,vol. 2, pp. 23-26, 2004.
[24]K. W. Wong, K. M. Lam, and W. C. Siu, “A robust scheme for live detection of human faces in color images,” Department of Electronic and Information Engineering, Signal Processing: Image Communication, vol. 18, pp. 103-114, 2003.
[25]C. Garcia, G. Tziritas, “Face Detection Using Quantized Skin Color Regions Merging and Wavelet Packet Analysis,” IEEE Trans. Multimedia, vol. 1, No. 3, pp. 264-277, 1999.
[26]繆紹剛，數位影像處理-活用Matlab，全華科技圖書，2003初版。
[27]繆紹剛，數位影像處理，全華科技圖書，2005二版。
[28]N. Kazakova, M. Margala, and N.G. Durdle, “Sobel edge detection processor for a real-time volume rendering system,” Proceedings of the 2004 International Symposium on Circuit and Systems,vol. 2, pp. 23-26, 2004.
[29]S. Birchfield, “An elliptical head tracker,” Proceedings of the Thirty-First Asilomar Conference on Signals, Syatems & Computers, vol. 2, pp. 1710-1714, 1997.
[30]許捷皓，運用校正板與鏡頭光學參數的內視鏡影像校正法，中原大學電子工程所碩士論文，2004
[31]L. Sirovich, M. Kirby, “Low-Dimensional Procedure for the Characterization of Human Faces,” Journal of Optical Society of America, vol.4, No.3, 1987.
[32]M. Kirby, L. Sirovich, “Application of the Karhunen-Loeve Procedure for the Characterization of Human Faces,” IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 12, No.1, 1990.
[33]M. Turk, A. Pentland, “Eigenfaces for Recognition,” Journal of Cognitive Neuroscience, vol. 3, No. 1, pp. 71-86, 1991.
[34]K.Fukunaga, “Zntroduction to Statistical Pattern Recognition,”Academic Press, Second edition,1991.
[35]洪倩玉，建立動態線性鑑別式分析於線上人臉辨識與認證，成功大學資訊工程研究所碩士論文，2002年。
[36]Hsien-Jen Lin, Chih-Pin Liao, and Chien-Yu Hung and Jen-Tzung Chien, “On Improving Linear Discriminant Analysis for Face Recognition with Small Size Problem,”proc.of 2002 Symposium on Digital Life and Internet Technolgies,Tainan-Taiwan,June2002
[37]O. D. Richard, E. H. Peter and G. S. David, Pattern Classification, John Wiley & Sons, 2001.
[38]ORL Face Database, http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html,
AT&T Laboratories Cambridge.