(18.207.129.82) 您好!臺灣時間:2021/04/19 21:01
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:楊志傑
研究生(外文):Chih-Chieh Yang
論文名稱:生物辨識運用於ATM協助犯罪偵查之研究
論文名稱(外文):ATM Crime Prevention by Using Biometrics
指導教授:黃聰亮黃聰亮引用關係
指導教授(外文):Tsong-Liang Huang
口試委員:張珩張志翰
口試日期:2014-06-20
學位類別:碩士
校院名稱:國立臺北教育大學
系所名稱:資訊科學系碩士班
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2014
畢業學年度:102
語文別:中文
論文頁數:89
中文關鍵詞:臉部辨識主成份分析RGB色彩空間二維臉部辨識三維臉部辨識3D影像
外文關鍵詞:face recognitionprincipal component analysisRGB color spacetwo-dimensional face recognitionthree-dimensional facial recognition3D images
相關次數:
  • 被引用被引用:0
  • 點閱點閱:282
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:23
  • 收藏至我的研究室書目清單書目收藏:0
資訊時代的來臨,帶動科技的快速發展,也為人們帶來便捷與繁榮,但有心或不法人士之不法運用,也造成犯罪案件層出不窮,對人民生命、財產及社會治安帶來嚴重威脅,新的犯罪手法不段演進,也考驗警察查緝犯罪嫌疑人之能力。生物辨識是能自動辨識個人生理或行為特徵的技術系統,以身體各個部位來說,臉部是最主觀辨識個人身份的特徵。我們所知道,目前臉部辨識技術已經相當進步,根據不同的環境而有不同的設定及假設條件。人臉識別系統的研究始於20世紀60年代,而真正進入初級的應用階段則在90年後期,發展至今已有十年餘;人臉識別系統成功的關鍵在於是否擁有尖端的核心演算法,但由於早期臉部辨識系統辨識技術不夠成熟以及比對誤差過大等因素,以致於警政上之運用仍付之闕如。
本論文中,主要的研究方法放在二維及三維臉部辨識。RGB色彩空間雖然容易受到光線照明的影響,因此,本論文盡量單純化影像背景,攝像時採用全白與一般日光燈照為主的背景。同時於膚色偵測部分,採用正規化色彩座標 (NCC, Normalized Color Coordinate)技術,透過正規化減少對光源較為敏感的紅色系及綠色系,降低對影像的影響,以正確擷取膚色範圍;接著透過形態學影像處理的技巧,搭配橢圓樣板比對及圓形樣板眼睛偵測,找出人臉範圍。合成立體影像部分,採用波長區分法,可增加後續主成份分析 (PCA, Principle Component Analysis),分析時重要特徵之抽取。最後辨識部分,用改良式PCA,透過一轉換矩陣,求得降低維數後特徵參數之最佳全域散佈矩陣,該結果代表的是臉部特徵中最具代表性的特徵參數。

其次是說明銀行ATM提款機所裝設之監視攝影系統,如結合臉部辨識系統,於第一時間即能擷取使用提款機之臉部影像,透過比對該銀行帳戶開戶者臉部檔案資料,如非帳戶所有人,可再透過警政署人臉資料庫進行比對,如操作者為特定列管對象,可立即發動警示程序,以降低犯罪發生或於第一時間掌握犯罪嫌疑人,並據以進入偵查、查緝作為。
In the information age, the rapid development of technology brings convenience and prosperity for the people. However, deliberately and unscrupulous people take advantage of technology to commit crime, it also threaten citizen’s lives and property, and endangers the safety of society. The evolution of modus operandi becomes the challenge of crime investigation. Biometrics is the technology systems which automatically identify individual physiological or behavioral characteristics. The face is the most subjective personally identifiable characteristics. As we know, the current technology of facial recognition technology is quite advanced. There are different setting and assumptions based on various environments. The research of face recognition system began in the 1960s; however, it really stepped into the primary application in late 1990, and a decade of development till now. The key to success relies on sophisticated core algorithms of facial recognition system. However, due to the immature facial identification technology and the frequent system error in the past, there are rare examples in policing field.
In this research, the main research methods are two-dimensional and three-dimensional facial recognition. Because RGB color space is easily affected by light illumination, to simplify the image background is considerable. When photographing, the background is controlled as all-white and general fluorescent. On detection of skin color, the normalized color coordinates (NCC, Normalized Color Coordinate) technology is adopted to reduce the red and green hue, which are sensitive to light. In reducing the impact on the image, to retrieve the correct skin color range. Further, to identify face range through morphological image processing technology, with the oval and round boilerplate template to detect face and eyes. On composing stereo image, wavelength-division method to increase subsequent principal component analysis (PCA, Principle Component Analysis), and extract important feature for analysing. Finally, the identification section, with modified PCA, through a transformation matrix, to seek the best optimal parameters of the scatter matrix by reducing the dimension. The result represents the best representative facial features characteristic parameters.

When the surveillance camera systems which installed at bank ATM, combine facial recognition systems, it can capture ATM user’s facial images at very first moment. Later, to verify the account-holder’s facial database, when the user is not account-holder, the facial image would be sent to NPA facial database to re-verify. When the user is on the suspect list, the warning procedure would be immediately launched. This evidence can be provided to the police for crime investigation, and to reduce the crime and identify the criminal at very first time.
摘 要 i
目 錄 v
表目錄 vii
圖目錄 viii
第一章 緒論 1
1.1前言 1
1.2動機與目的 2
1.3文獻回顧 4
1.4論文架構 6
1.5系統架構 7
第二章 人臉偵測與框選 9
2.1膚色偵測與色彩空間 10
2.1.1 RGB三原色光模式 10
2.1.2 YUV(亮度、Cb藍色分量、Cr紅色分量) 色彩空間 13
2.1.3 HSI (色相、彩度、亮度)色彩空間 18
2.2 影像強化 23
2.2.1 侵蝕 23
2.2.2 膨脹 24
2.2.3 斷開 25
2.2.4 填補 26
2.3 臉部框選 28
2.3.1 連接元標記 28
2.3.2 橢圓樣板偵測 29
2.3.3 眼睛特徵偵測 32
第三章 雙眼視覺與3D立體影像 35
3.1雙眼視覺 35
3.2 3D影像顯示 40
3.3 深度計算 42
3.3.1雙鏡頭擺設與立體影像 42
3.3.2 目標物深度計算 44
第四章 臉部辨識 53
4.1 臉部辨識分類 53
4.1.1 結構比對(特徵點擷取) 54
4.1.2 全臉比對(LDA轉換) 56
4.2 主成分分析 59
4.2.1 主成分分析 59
4.2.2 改良式主成分分析 63
4.2.3 臉部樣本訓練 64
4.3 臉部辨識決策方法 68
4.3.1 均方誤差法 68
4.3.2 最接近特徵線法 69
4.3.3 歐式距離法 70
第五章 人臉資料庫連結介紹及運用 71
5.1 系統架構概要 71
5.2 人臉影像資料庫建置 73
5.3 人臉影像資料庫系統功能及特色 74
第六章 實驗與結果 77
第七章 結論與未來展望 83
參考文獻 85

表目錄
表3.1 立體顯示技術分類 42
表4.1 特徵點向量定義表 55
表6.1 實際測試提領款所需時間一覽表 77
表6.2 ATM前擷取之影像 79
表6.3 資料庫進行人臉辨識情形 81

圖目錄
圖1.1系統架構 7
圖2.1人臉偵測流程圖 9
圖2.2 RGB色彩空間模型 11
圖2.3 U-V色彩空間平面圖 14
圖2.4 YUV取樣分類示意圖 15
圖2.5 YUV圖像分解 16
圖2.6 HSI色彩空間組成要素 18
圖2.7 HIS色彩屬性圖 19
圖2.8 HIS色彩空間概念圖 20
圖2.9 HIS膚色樣本分布圖 21
圖2.10 HIS膚色區域圖 22
圖2.11 3×3遮罩示意圖 23
圖2.12 侵蝕運算圖 24
圖2.13 膨脹運算圖 24
圖2.14 斷開運算圖 25
圖2.15 填補運算圖 27
圖2.16 連接元標記圖 28
圖2.17 連接區域圖 29
圖2.18 橢圓樣板 30
圖2.19 橢圓樣板移動範圍示意圖 31
圖2.20 眼睛範圍框選示意圖 33
圖3.1 立體影像產生示意圖 36
圖3.2 零視差 37
圖3.3 正視差 37
圖3.4 負視差 38
圖3.5 視差形成之立體影像 38
圖3.6 插排處理影像 41
圖3.7 波長區分立體影像圖 41
圖3.8 模擬立體視覺拍攝示意圖 43
圖3.9 CCD影像可重疊範圍 44
圖3.10 CCD光軸平行式 45
圖3.11 CCD示意光軸交叉式 45
圖3.12 CCD示意光軸不交叉式 46
圖3.13 物體投影與成像關係圖 46
圖3.14 CCD影像面之目標物成像 48
圖3.15 雙CCD影像面之目標物成像 49
圖3.16 CCD最大視角與最大擷取影像寬度 49
圖3.17 目標物與CCD夾角關係圖 51
圖4.1 特徵點擷取流程圖 54
圖4.2 臉部特徵點示意圖 56
圖4.3 LDA轉換矩陣流程圖 58
圖4.4 二維影像轉一維向量示意圖 65
圖4.5 特徵點投影示意圖 69
圖5.1 內政部警政署警用行動電腦行動平台架構 71
圖5.2 內政部警政署人臉資料庫建構流程圖 72
圖5.3 內政部警政署人臉辨識搜尋系統 73
圖5.4 內政部警政署人臉影像資料庫系統比對模式 74
圖6.1 ATM設置型式 78
[1] 孫自強,“人臉辨識”,國立臺灣科技大學工程技術研究所碩士論文,1993年
[2] 李棟良、梁振升、王於藩、陳家閔、曾鈺鈞、簡煒玲,“人臉偵測與辨識系統”,銘傳大學電腦與通訊工程學系碩士論文, 2007年
[3] 黃胤人,“人臉偵測系統之研究”,彰雲嘉大學校院聯盟學術研討會論文集, pp.234-239, 2008年
[4] 李建興、林應璞、游凱倫,“即時人臉偵測與辨識”, Journal of Technology, Vol.24, No.2, pp.131-141, 2009年
[5] 林孟茵,“多車牌辨識系統整合Google Map定位追蹤之實現”,國立臺北教育大學資訊科學系碩士論文, 2010年7月
[6] Zhiwei Jiang, Min Yao and Wei Jiang, “Skin Detection Using Color, Texture and Space Information”, IEEE,4th International Conference on Fuzzy Systems and Knowledge Discovery, 2007
[7] 李建輝,“多視角之多重解析度人臉辨識”,國立中央大學資訊工程學系碩士論文,2003年
[8] 陳繼棠,“結合膚色區域分割與主要成份分析於多人臉部辨識”, 國立臺灣海洋大學機械與機電工程學系碩士論文, 2006年7月
[9] 孫秀貞,“立體視覺及3D人臉影像重建之研究”,國立彰化師範大學電機工程學系碩士論文2008年
[10] 莊政儒,“基於3D人臉辨識之使用者數位版權管理方案”,國立臺中科技大學資訊工程系碩士論文,2013年
[11] 藍世明,“物件構圖與攝影機運鏡對於3D動畫立體影像效果之研究”,台中教育大學學報人文藝術類, 22(2), 51-70, 2008年
[12] 劉楷哲、吳其霖、黃偉豪、陳信榮、李錕及羅豐祥, “基於3D顯示器格式之即時3D內容合成技術”,影像與識別Vol. 16 No. 2, 2010年
[13] 王俐芃,“3D影像應用於人臉辨識之實現”,國立臺北教育大學資訊科學系碩士論文,2011年
[14] 林建良,“使用三維虛擬人臉之辨識系統”, 國立成功大學工程科學系碩士論文, 2008年7月
[15] 蔡淵博,“自動色彩校正偵測人臉”, 義守大學資訊工程研究所碩士論文, 2007年
[16] 黃士挺、饒育郎、朱建宇,“臉部搜尋之研究”,東海大學資訊工程學系大學專題, 2005年
[17] 鍾國亮,「影像處理與電腦視覺導論」,臺灣東華書局, 97年2月
[18] 謝明娟、連珍慧,“即時人臉影像偵測系統”,逢甲大學通訊系大學報告, 2005年
[19] Nikhil Rasiwasia,“Color Space for Skin Deteciton-A Review”, Fondazione Graphitech, University of Trento, Italy, January 2010
[20] 賴岱佑,“數位影像分析之智慧型監視系統”,文魁資訊, 97年9月
[21] 李子宏,“應用嵌入式影像系統實現距離估測之研究”,國立臺北教育大學資訊科學系碩士論文, 2010年7月
[22] Christophe Garcia and Georgios Tziritas, “Face Detection Using Quantized Skin Color Regions Merging and Wavelet Packet Analysis”, IEEE Transactions on Multimedia, Vol.1, No.3, September 1999
[23] 林文章,“不同場景的膚色偵測與臉部定位”,中央大學資訊工程研究所碩士論文, 2009年1月
[24] Rafael C. Gonzalez and Richard E. Woods,數位影像處理,臺灣培生教育, 94年12月
[25] 廖晁偉,“建構智慧型實驗室監控系統之研究”,國立臺北教育大學資訊科學系碩士論文, 2010年6月
[26] Rafael C. Gonzalez and Richard E. Woods,“Digital Image Processing”, 3rd Edition, Prentice Hall, August 2007
[27] 簡宏恩,“以軟/硬體共設計方式實現及時監控系統”,國立雲林科技大學電子工程研究所碩士論文, 2004年6月
[28] 林立謙,“利用人臉辨識追蹤系統於鎖定物體之保護”,逢甲大學資訊電機工程系碩士論文, 2008年6月
[29] 劉榮政,“平面螢幕之立體影像設計”,國立中央大學光電科學研究所碩士論文, 2001年6月
[30] 鄭龍凱,“利用二維與三維特徵之人臉辨識”,國立交通大學資訊科學與工程研究所碩士論文, 2006年7月
[31] 黃育仁、許文政、詹博凱及朱寧玄, “人類臉部辨識系統”,東海大學資訊工程學系大學部專題研究, 2003年
[32] 王彥鈞,“利用LDA進行特定人物辨識之方法”, 國立臺灣科技大學機械工程系碩士論文, 2005年7月
[33] 洪倩玉,“建立動態性鑑別式分析於線上人臉辨識與驗證”,國立成功大學資訊工程系碩士論文, 2003年6月
[34] 吳敬田,“不只是驚嘆號!CCTV在臺北”,警光雜誌社第679期,2013年2月
[35] 廖志儒,“人臉辨識在Android平台之實現”,國立中央大學電機工程學系碩士論文,2014年
[36] 莊淑茹,“基於五官及全臉特徵的人臉辨識技術”,國立彰化師範大學資訊工程學系碩士論文,2013年
[37] 張明建,“利用單攝影機與雙稜鏡實現三維人臉辨識”,雲林科技大學資訊工程系碩士論文,2013年
[38] 鄭有莉,“強化二維主成份分析應用於人臉辨識之研究”,國立高雄第一科技大學資訊管理研究所碩士論文,2013年
[39] 簡晉翔,“深度資訊輔助多視角合成方法應用於三維人臉辨識與重建”,淡江大學電機工程學系碩士論文,2013年
[40] 連翰文,“混合局部特徵空間與直方圖分佈之多尺度人臉辨識系統”,國立臺灣科技大學資訊工程系碩士論文,2013年
[41] 陳柏州,“臉部特徵抽取之人臉辨識”,義守大學資訊管理學系碩士論文,2013年
[42] 朱祥雨,“結合深度資訊與色彩資訊實作即時人臉辨識系統”,國立臺北科技大學資訊工程系碩士論文,2013年
[43] 胡子晉,“人臉辨識系統之探討”,國立清華大學資訊工程學系碩士論文,2013年
[44] 林俊傑,“即時多人臉辨識之影像資料庫系統”,中興大學資訊網路多媒體研究所碩士論文,2012年
[45] 張鈞淇,“主動式多景深人臉辨識”,國立臺灣科技大學電機工程系碩士論文,2012年
[46] 秦璿祐,“植基於二元二維主成份分析之人臉辨識”,國立勤益科技大學電子工程系碩士論文,2011年
[47] 李承翰, “主動式多解析度人臉辨識系統”,國立臺灣科技大學電機工程系碩士論文,2011年
[48] 羅方鈞,“基於模糊類神經網路之人臉辨識”,國立暨南國際大學電機工程學系碩士論文,2011年
[49] 徐茂翔,“人臉偵測與基於鑑別性特徵之超暗人臉辨識”,大葉大學電機工程學系碩士論文,2011年
[50] 薛傑仁,“生物辨識之人臉辨識的方法” ,亞洲大學生物資訊學系碩士論文,2010年
[51] 林皇億,“三維人臉辨識之研究”,逢甲大學資訊電機工程碩士在職專班碩士論文,2010年
[52] 李亭緯,“利用人臉五官為特徵之人臉辨識系統”,國立中央大學資訊工程研究所碩士論文,2009年
[53] 李宗岳,“自適性臉部特徵擷取的動態人臉偵測”國立臺灣師範大學機電科技學系碩士論文,2006年
[54] M. Turk and A. Pentland, “Eigenfaces for Recognition”, Jour. Of Cognitive Neuroscience, Vol. 3, pp. 71-86, 1991
[55] Tsai, Min-Feng,”人臉辨識系統於警政治安上之可行運用”,Criminal Bimonthly-Investigative Technology,November、December 2008
[56] Michael J. Jones and James M. Rehg, “Statistical Color Models with Application to Skin Detection”, IEEE, Computer Society Conference on Computer Vision and Pattern Recognition, 1999
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔