下載/瀏覽

Download Report

Transcript 下載/瀏覽

Southern Taiwan University
主成份分析法結合支援向量機
於人臉辨識系統
學生:曾文敬
指導教授:王啟州 老師
Image processing lab
1/17
Southern Taiwan University
大綱



摘要
系統架構
臉部偵測




臉部辨識



膚色檢測
雜訊濾除
臉部定位
影像正規化
主成份分析法(Principal component analysis)
模擬結果
Image processing lab
2/17
Southern Taiwan University
摘要



利用一套即時臉部辨識系統於出入門禁管理之應用,
本研究分為臉部偵測及臉部辨識兩大部分。
臉部偵測:
利用膚色分割找出可能為膚色部份,在運用標記法
將人臉部分初步定位,然後將臉部部份分割出來,
經臉部正規化之後做為人臉辨識用的樣本資料庫。
臉部辨識:
在此是利用主成份分析法建構出臉部權重特徵向量,
再經由支援向量機做為分類器,分類出即時實驗對
象及非實驗對象的影像樣本,進而達成辨識結果。
Image processing lab
3/17
Southern Taiwan University
系統架構
擷取影像
辨識結果
待測人員
臉部辨識子系統
Image processing lab
臉部偵測子系統
4/17
Southern Taiwan University
臉部偵測-膚色檢測

膚色檢測部分,首先要進行色彩空間的轉換,因為在
RGB空間裡,皮膚顏色容易受到光線的影響,膚色的分
佈會隨著光線的強弱變化而有所變動。

色彩空間的轉換中,例如:有HSV,HSL,YIQ,YCbCr等,
各式的轉換方法,在此我們選擇使用YCbCr來作為臉部
偵測的膚色分割器。
Image processing lab
5/17
Southern Taiwan University
膚色分割

膚色分割器是使用YCbCr的方法來做為膚色分割,因為
YCbCr有良好的亮度和色度分離的特性。
式1. YCbCr色彩空間轉換式
膚色分割
圖1.原始影像
Image processing lab
圖2.膚色分割後影像
6/17
Southern Taiwan University
雜訊濾除

雜訊濾除是利用型態影像學裡面的Opening(斷開)運算:
opening運算是先被侵蝕後再膨脹,通常是用來平滑影
像輪廓,截斷窄的細頸,消除細的突支。
圖4. 侵蝕:這是一種從物體的邊界上,
將物體往內收縮若干像素。
圖3. 膨脹:將物體的邊界往外膨脹
若干像素的方法。
雜訊濾除
Image processing lab
7/17
Southern Taiwan University
利用Opening (斷開) 運算
雜訊率除
圖5.雜訊率除前影像
Image processing lab
圖6.利用斷開法濾除雜訊後影像
8/17
Southern Taiwan University
臉部定位
標記法-像素的連通性(Connectivity):
在座標(x,y)處的像素P有水平和垂直方向的近鄰,其座標為:

4-連通:
P的右左上下座標為(x-1,y),(x+1,y),(x,y+1),(x,y-1),這樣一組像素
稱P點的4-連通(4-connected)。

8-連通:
P的四個對角近鄰的座標為(x-1,y+1),(x+1,y+1),(x-1,y-1),(x+1,y1),
這些點與4-近鄰在一起,稱為P的8-連通(8-connected)。
圖7. 4-連通示意圖
Image processing lab
圖8. 8-連通示意圖
9/17
Southern Taiwan University
臉部定位
標記法-像素的連通性(Connectivity):
255 255 0
0
255 255 0
0
255 255 0
0
255 255 0
0
0
0
1
1
0
0
0
0
255 255
1
1
0
0
2
2
255 255
1
1
0
0
2
2
0
0
0
0
3
0
0
0
0
0
0
0
1
1
0
0
255 255
0
0
0
0
0
0
0
0
0
0
0
0
圖9. 二值化影像圖
Image processing lab
3
0
圖10. 標記連通示意圖
10/17
Southern Taiwan University
標記法-找出最大區塊
圖11.標記法找出膚色
最大區塊
圖12.標記出膚色最大區塊
圖13.相對座標擷取
最大區塊影像
Image processing lab
11/17
Southern Taiwan University
臉部辨識-影像正規化

人臉維度調整:
在臉部辨識之前需要有一個適當的人臉影像前處理機制,才能降
低輸入影像間的差異性,所以我們使用雙線性內差法(Bilinear
interpolation)將影像縮放成100x100像素的大小,進行辨識的程
序。
A
E
B
P1
P2
C
Image processing lab
F
D
圖14. 雙線性內差法示意圖
12/17
Southern Taiwan University
人臉維度調整
人臉維度調整
影像維度:153x151
影像維度:172x191
圖15.偵測系統擷取的人臉影像
Image processing lab
圖16.人臉影像維度調整為100x100
13/17
Southern Taiwan University
主成份分析法 (PCA)



在統計學中,PCA是一種簡化數據集的技術。PCA是一個線性變
換,這個變換把數據變換到一個新的坐標系統中,使得任何數據
投影的第一大方差在第一個坐標(稱為第一主成分)上,第二大方
差在第二個坐標(第二主成分)上,依次類推。
PCA經常用減少數據聚集的維數,同時保持數據聚集的對方差貢
獻最大的特徵,這是通過保留低階主成分,忽略高階主成分,這
樣低階成分往往能夠保留住數據的最重要方面。
主成份分析法的三點特性:



各主要成分向量方向互相垂直。
各主要成分向量為獨立向量。
各主要成分向量為互相正交,彼此的相關係數為0。
Image processing lab
14/17
Southern Taiwan University
PCA用於臉部辨識

PCA會被用來做為人臉特徵擷取的理由有下面三個要點:



PCA方法能夠快速的計算出結果。
在線性投影中PCA方法能夠保留下投影資料中最大的資訊。
PCA是用整個臉部曲特徵,可以克服人臉有戴眼鏡與表情的變化。
圖17.第一主成份
Image processing lab
圖18.第二主成份
15/17
Southern Taiwan University
模擬結果
圖19.模擬結果圖
Image processing lab
16/17
Southern Taiwan University
Thank you for your attention
Image processing lab
17/17