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