臺灣博碩士論文加值系統

即時人臉辨識是一個困難的挑戰。它的困難之處在於我們並不知道人臉
的大小是多大，位置在哪裡，姿勢是怎樣；同時，人臉有豐富的表情變化
，而拍攝地點的採光和背景也可能有極大的差異。另外，如何能利用機器
有限的計算能力來達到「即時」的要求，也使得這個問題更為困難。 在
這篇論文中，我們經由觀察而歸納出一些關於人們頭部移動的知識，從而
發展出一個自動化的技術。該技術可以自動的偵測到人臉的存在，估計人
臉的大小，並且將人臉從背景中分離出來。我們搜尋人臉的方法是以一維
為基礎的（one-dimension-based），所以它的效率相當高。一旦偵測到
人臉的存在，就利用人臉位置的連續性進行追蹤。在追蹤人臉的過程中，
我們使用KL轉換（KLT）將不同時刻的臉部特徵加以抽取。接著，利用區
域性的無監督（locally unsupervised）學習以及整體性的監督（
globally supervised）學習將追蹤過程所抽取出的特徵加以叢集化（
clustering）。 實驗的結果顯示，這個系統能夠即時的進行人臉辨識，
並且能夠允許臉部大小、表情、採光情形、以及背景的變化。同時，一旦
我們使用一個拒絕閾限（rejection threshold）來剔除一些抽取不當的
特徵，該系統更可對我們資料庫中所有的人 （共有88人）進行正確
率100% 的辨識。

Real-time face recognition from uncontrolled video sequences
is adifficult problem. The difficulties come from large
variation inface size, position, pose, expression, lighting
condition andbackground. Also, the real-time constraint makes
this problem moretough due to limited computation resources.
In this thesis, we propose a fully automatic procedure that
candetect faces, estimate the size of a face, segment the
facefrom the scene by utilizing the knowledge about human
motion.The searching operation for detecting faces is
essentiallyone-dimension-based and thus is very efficient. The
detected faceis tracked using the temporal consensus of head
motion.During tracking the face, the system extracts features
frommultiple views of the face regions by KLT. The
extractedfeatures are clustered using a locally unsupervised and
globallysupervised learning algorithm. We demonstrate that this
systemcan recognize faces in real time with significant
variation in headsize, facial expression, lighting condition,
and background.Also, by introducing a rejection threshold for
badly extracted features,the system can recognize all (100%) of
the 88 persons in our database