畢業(yè)論文：基于人工免疫的人臉識(shí)別算法

目錄/提綱：……
1、企業(yè)、住宅安全和管理
2、電子護(hù)照及身份證
3、公安、司法和刑偵
4、自助服務(wù)
5、信息安全
2、熟悉軟件開(kāi)發(fā)工具，如matlab等
3、要經(jīng)常與其他人交流，能獲得許多有用的信息
……

題目：基于人工免疫的人臉識(shí)別算法
學(xué) 院：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院
專(zhuān) 業(yè)：軟件工程

目錄
摘要 1
ABSTRACT 2
第1章 緒論 3
1.1 選題背景 3
1.1.1 課題的來(lái)源 3
1.1.2 人臉識(shí)別技術(shù)的研究意義 3
1.2 人臉識(shí)別技術(shù)的研究意義 4
1.2.1 國(guó)外的發(fā)展概況 4
1.2.2 人臉識(shí)別技術(shù)的研究意義 5
1.3 論文研究的主要內(nèi)容 5
1.4 創(chuàng)新和課題意義 6
第2章 人臉識(shí)別相關(guān)技術(shù)介紹 7
2.1 人臉識(shí)別概述 7
2.1.1 人臉識(shí)別的優(yōu)勢(shì) 7
2.1.2 人臉識(shí)別存在的一些問(wèn)題 8
2.2 人臉識(shí)別的一般方法 9
第3章 人工免疫算法介紹 錯(cuò)誤！未定義書(shū)簽。
3.1人工免疫算法綜述 錯(cuò)誤！未定義書(shū)簽。
3.1.1人工免疫算法基本步驟 錯(cuò)誤！未定義書(shū)簽。
3.1.2人工免疫算法流程圖 錯(cuò)誤！未定義書(shū)簽。
3.2克隆選擇算法 錯(cuò)誤！未定義書(shū)簽。
3.2.1反向選擇算法 錯(cuò)誤！未定義書(shū)簽。
3.2.2克隆選擇算法 錯(cuò)誤！未定義書(shū)簽。
3.2.3多層次動(dòng)作克隆選擇算法 錯(cuò)誤！未定義書(shū)簽。
第4章 基于小波變換及傅里葉頻譜的人臉特征表示方法 17
4.1 小波變換 17
4.2 傅里葉變換 19
4.3 頻譜臉 21
4.4 人臉特征表示 22
第5章 基于人工免疫的人臉識(shí)別系統(tǒng) 錯(cuò)誤！未定義書(shū)簽。
5.1 克隆選擇算法流程 錯(cuò)誤！未定義書(shū)簽。
5.2 克隆選擇算法主函數(shù) 錯(cuò)誤！未定義書(shū)簽。
5.3 重要函數(shù)代碼 錯(cuò)誤！未定義書(shū)簽。
5.3.1 適度值計(jì)算 錯(cuò)誤！未定義書(shū)簽。
5.3.2 選擇 錯(cuò)誤！未定義書(shū)簽。
5.3.3 克隆繁殖 錯(cuò)誤！未定義書(shū)簽。
5.3.4 高斯變異 30
第6章 系統(tǒng)的實(shí)現(xiàn) 31
6.1 系統(tǒng)概述 31
6.1.1 設(shè)計(jì)思路 31
6.1.2 開(kāi)發(fā)環(huán)境 32
6.2 系統(tǒng)功能介紹 32
6.2.1 單步執(zhí)行 32
6.2.2 快速執(zhí)行 33
6.2.3 正確率檢查 錯(cuò)誤！未定義書(shū)簽。
6.3 輸入數(shù)據(jù) 35
6.3.1 數(shù)據(jù)輸入 35
6.3.2 輸出數(shù)據(jù) 36
第7章 實(shí)驗(yàn)與討論 37
7.1 實(shí)驗(yàn)數(shù)據(jù) 37
7.1.1 數(shù)據(jù)輸入 37
7.1.2 聚類(lèi)中心 37
7.2 識(shí)別結(jié)果數(shù)據(jù)統(tǒng)計(jì) 38
7.2.1 普通聚類(lèi)中心識(shí)別數(shù)據(jù) 38
7.2.2 最優(yōu)聚類(lèi)中心識(shí)別數(shù)據(jù) 39
7.3 數(shù)據(jù)分析和結(jié)論 40
第8章 展望 42
8.1人臉識(shí)別新技術(shù) 42
8.2 應(yīng)用前景 42
結(jié)語(yǔ) 44
致謝 45
參考文獻(xiàn) 46


摘 要
人臉識(shí)別因其在安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會(huì)議、人機(jī)交互、系統(tǒng)公安(罪犯識(shí)別等)等方面的巨大應(yīng)用前景而越來(lái)越成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。
本文將人工免疫算法應(yīng)用于人臉識(shí)別系統(tǒng)中。首先，對(duì)人臉圖像預(yù)
……（新文秘網(wǎng)http://120pk.cn省略1987字，正式會(huì)員可完整閱讀）……　
gnition WSavelet transform Fourier transform Spect roface Clonal Selection Algorithm artificial immun algorithm



第一章 緒論
1.1 選題背景
1.1.1 課題的來(lái)源
隨著安全入口控制和金融貿(mào)易方面應(yīng)用需要的快速增長(zhǎng)，生物統(tǒng)計(jì)識(shí)別技術(shù)得到了新的重視。目前，微電子和視覺(jué)系統(tǒng)方面取得的新進(jìn)展，使該領(lǐng)域中高性能自動(dòng)識(shí)別技術(shù)的實(shí)現(xiàn)代價(jià)降低到了可以接受的程度。而人臉識(shí)別是所有的生物識(shí)別方法中應(yīng)用最廣泛的技術(shù)之一，人臉識(shí)別技術(shù)是一項(xiàng)近年來(lái)興起的，但不大為人所知的新技術(shù)。人們更多的是在電影中看到這種技術(shù)的神奇應(yīng)用：警察將偷拍到的嫌疑犯的臉部照片，輸入到電腦中，與警方數(shù)據(jù)庫(kù)中的資料進(jìn)行比對(duì)，并找出該嫌犯的詳細(xì)資料和犯罪記錄。這并非虛構(gòu)的情節(jié)。在國(guó)外，人臉識(shí)別技術(shù)早已被大量使用在國(guó)家重要部門(mén)以及軍警等安防部門(mén)。在國(guó)內(nèi)，對(duì)于人臉識(shí)別技術(shù)的研究始于上世紀(jì)90年代，目前主要應(yīng)用在公安、金 融、網(wǎng)絡(luò)a全、物業(yè)管理以及考勤等領(lǐng)域。
1.1.2 人臉識(shí)別技術(shù)的研究意義
1、富有挑戰(zhàn)性的課題
人臉識(shí)別是機(jī)器視覺(jué)和模式識(shí)別領(lǐng)域最富有挑戰(zhàn)性的課題之一，同時(shí)也具有較為廣泛的應(yīng)用意義。人臉識(shí)別技術(shù)是一個(gè)非�；钴S的研究領(lǐng)域，它覆蓋了數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)、神經(jīng)網(wǎng)絡(luò)、心理學(xué)、生理學(xué)、數(shù)學(xué)等諸多學(xué)科的內(nèi)容。如今，雖然在這方面的研究已取得了一些可喜的成果，但是FRT在實(shí)用應(yīng)用中仍面臨著很?chē)?yán)峻的問(wèn)題,因?yàn)槿四樜骞俚姆植际欠浅Ｏ嗨频模胰四槺旧碛质且粋�(gè)柔性物體，表情、姿態(tài)或發(fā)型、化妝的千變?nèi)f化都給正確識(shí)別帶來(lái)了相當(dāng)大的麻煩。如何能正確識(shí)別大量的人并滿足實(shí)時(shí)性要求是迫切需要解決的問(wèn)題。
3、面部感知系統(tǒng)的重要內(nèi)容
基于視覺(jué)通道信息的面部感知系統(tǒng)，包括人臉檢測(cè)和跟蹤、面部特征定位、面部識(shí)別、人臉歸類(lèi)（年齡、種族、性別等的判別）、表情識(shí)別、唇讀等分系統(tǒng)，如圖1-1所式，可以看出，繼人臉檢測(cè)和跟追之后，面部特征定位通常是面部感知的一個(gè)必備環(huán)節(jié)，是后續(xù)工作的基礎(chǔ)，具有重要的意義。盡管人臉識(shí)別不能說(shuō)是其他面部感知模塊的必備功能，但是， 可以肯定的是，利用已知的身份信息，結(jié)合特定人的先驗(yàn)知識(shí)，可以提高表情分析、唇讀和語(yǔ)音識(shí)別、手勢(shì)識(shí)別乃至手寫(xiě)體識(shí)別的可靠性。而計(jì)算機(jī)對(duì)使用者身份確認(rèn)的最直接的應(yīng)用就是基于特定使用者的環(huán)境設(shè)置：如使用者的個(gè)性化工作環(huán)境，信息的共享和隱私保護(hù)等等。
圖1 面部感知系統(tǒng)結(jié)構(gòu)圖
1.2 人臉識(shí)別的國(guó)內(nèi)外發(fā)展概況
現(xiàn)在人臉識(shí)別技術(shù)已經(jīng)應(yīng)用在許多領(lǐng)域中，并起到了舉足輕重的作用，人臉識(shí)別研究開(kāi)始于1966年P(guān)RI的Bledsoe的工作，經(jīng)過(guò)三十多年的發(fā)展，人臉識(shí)別技術(shù)取得了長(zhǎng)足的進(jìn)步， 現(xiàn)在就目前國(guó)內(nèi)外的發(fā)展情況來(lái)進(jìn)行展述。
1.2.1 國(guó)外的發(fā)展概況
見(jiàn)諸文獻(xiàn)的機(jī)器自動(dòng)人臉識(shí)別研究開(kāi)始于1966年P(guān)RI的Bledsoe的工作，1990年日本研制的人像識(shí)別機(jī)，可在1秒鐘內(nèi)中從3500人中識(shí)別到你要找的人。1993年，美國(guó)國(guó)防部高級(jí)研究項(xiàng)目署 (Advanced Research Projects Agency)和美國(guó)陸軍研究實(shí)驗(yàn)室(Army Research Laboratory)成立了Feret(Face Recognition Technology) 項(xiàng)目組，建立了feret 人臉數(shù)據(jù)庫(kù)，用于評(píng)價(jià)人臉識(shí)別算法的性能。
美國(guó)陸軍實(shí)驗(yàn)室也是利用vc++開(kāi)發(fā)，通過(guò)軟件實(shí)現(xiàn)的，并且FAR為49%。在美國(guó)的進(jìn)行的公開(kāi)測(cè)試中，F(xiàn)AR，為53%。美國(guó)國(guó)防部高級(jí)研究項(xiàng)目署，利用半自動(dòng)和全自動(dòng)算法。這種算法需要人工或自動(dòng)指出圖像中人的兩眼的中心坐標(biāo)，然后進(jìn)行識(shí)別。在機(jī)場(chǎng)開(kāi)展的測(cè)試中，系統(tǒng)發(fā)出的錯(cuò)誤警報(bào)太多，國(guó)外的一些高校（卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）為首，麻省理工大學(xué)（Massachusetts Institute of Technology ）等，英國(guó)的雷丁大學(xué)（University of Reading））和公司（Visionics 公司Facelt 人臉識(shí)別系統(tǒng)、Viiage 的FaceFINDER 身份驗(yàn)證系統(tǒng)、Lau Tech 公司Hunter系統(tǒng)、德國(guó)的BioID 系統(tǒng)等）的工程研究工作也主要放在公安、刑事方面，在考試驗(yàn)證系統(tǒng)的實(shí)現(xiàn)方面深入研究并不多。
1.2.2 國(guó)內(nèi)的發(fā)展概況
人臉識(shí)別系統(tǒng)現(xiàn)在在大多數(shù)領(lǐng)域中起到舉足輕重的作用，尤其是用在機(jī)關(guān)單位的安全和考勤、網(wǎng)絡(luò)a全、銀行、海關(guān)邊檢、物業(yè)管理、軍隊(duì)安全、智能身份證、智能門(mén)禁、司機(jī)駕照驗(yàn)證、計(jì)算機(jī)登錄系統(tǒng)。我國(guó)在這方面也取得了較好的成就，國(guó)家863項(xiàng)目“面像檢測(cè)與識(shí)別核心技術(shù)”通過(guò)成果鑒定并初步應(yīng)用，就標(biāo)志著我國(guó)在人臉識(shí)別這一當(dāng)今熱點(diǎn)科研領(lǐng)域掌握了一定的核心技術(shù)。北京科瑞奇技術(shù)開(kāi)發(fā)股份有限公司在2002年開(kāi)發(fā)了一種人臉鑒別系統(tǒng)，對(duì)人臉圖像進(jìn)行處理，消除了照相機(jī)的影響，再對(duì)圖像進(jìn)行特征提取和識(shí)別。這對(duì)于人臉鑒別特別有價(jià)值，因?yàn)槿四樿b別通常使用正面照，要鑒別的人臉圖像是不同時(shí)期拍攝的，使用的照相機(jī)不一樣。系統(tǒng)可以接受時(shí)間間隔較長(zhǎng)的照片，并能達(dá)到較高的識(shí)別率，在計(jì)算機(jī)中庫(kù)藏2300人的正面照片，每人一張照片，使用相距1--7年、差別比較大的照片去查詢，首選率可以達(dá)到50%，前20張輸出照片中包含有與輸入照片為同一人的照片的概率可達(dá)70% 。 2005年1月18日，由清華大學(xué)電子系人臉識(shí)別課題組負(fù)責(zé)人蘇光大教授主持承擔(dān)的國(guó)家"十五"攻關(guān)項(xiàng)目《人臉識(shí)別系統(tǒng)》通過(guò)了由公安部主持的專(zhuān)家鑒定。鑒定委員會(huì)認(rèn)為，該項(xiàng)技術(shù)處于國(guó)內(nèi)領(lǐng)先水平和國(guó)際先進(jìn)水平。
1.3 論文研究的主要內(nèi)容
本文將人工免疫算法應(yīng)用于人臉識(shí)別系統(tǒng)中,重點(diǎn)敘述基于頻譜臉的人臉特征提取，以及克隆選擇算法及其實(shí)現(xiàn)。
在基于頻譜臉的人臉特征提取部分將在本文的第4章——基于小波變換及傅里葉頻譜的人臉特征表示方法——中進(jìn)行詳細(xì)介紹，重點(diǎn)介紹小波變換的方法和作用和實(shí)現(xiàn)代碼，傅里葉變換的方法和作用和實(shí)現(xiàn)代碼。獲得頻譜臉的過(guò)程如下：
1. 對(duì)人臉圖像預(yù)處理，統(tǒng)一亮度，大小等；歸一化處理不是本系統(tǒng)的特色內(nèi)容，將不做詳細(xì)敘述。
2. 對(duì)預(yù)處理后的人臉圖像進(jìn)行多分辨率小波分解，獲取變換后的低頻分量，用低通分量來(lái)描述人臉信息，實(shí)現(xiàn)數(shù)據(jù)壓縮，并有效削弱光照和表情變化的影響；
3. 對(duì)小波低頻圖像進(jìn)行傅立葉變換,變換后獲得的頻譜圖即頻譜臉，傅里葉變換能有效的削弱人臉位移變化產(chǎn)生的影響；
4. 分析頻譜臉的系數(shù)矩陣,從系數(shù)矩陣中取得人臉圖像的特征向量；
人工免疫算法和克隆選擇算法的原理將在第3章——人工免疫算法介紹——中進(jìn)行介紹，克隆選擇算法將在第5章——基于人工免疫的人臉識(shí)別系統(tǒng)——中進(jìn)行詳細(xì)介紹。
1.4 創(chuàng)新和課題的意義
本課題有三個(gè)大的創(chuàng)新點(diǎn)：
 最終特征向量是由通過(guò)小波變換，傅里葉變換得到的頻譜臉轉(zhuǎn)化而來(lái)。人臉圖像經(jīng)過(guò)小波分解后,其能量集中在分解的低頻帶上,因此對(duì)低頻帶圖象進(jìn)行頻譜性分析后提取的特征向量具有對(duì)人臉圖象表情不敏感且大大降低存儲(chǔ)空間和計(jì)算復(fù)雜性的優(yōu)點(diǎn)。對(duì)小波分解后的低頻系數(shù)圖像進(jìn)行傅立葉變換,可以完全消除因空間位置對(duì)不準(zhǔn)而帶來(lái)的位移誤差。這部分內(nèi)容將在第四章的第二節(jié)中進(jìn)行顯示介紹。
 將人臉識(shí)別和人工免疫算法結(jié)合起來(lái)，旨在提高運(yùn)行效率，提高識(shí)別率。人工免疫系統(tǒng)是對(duì)自然免疫系統(tǒng)的模擬,通過(guò)進(jìn)化學(xué)習(xí)后,可以在外部病原體和身體自己的細(xì)胞之間進(jìn)行辨別,并且人工免疫系統(tǒng)的克隆算法能夠較好地保持_的多樣性,具有良好的泛化能力。利用改進(jìn)的克隆選擇算法能夠很好的達(dá)到提高運(yùn)行效率，提高識(shí)別率的效果，我們將在第三章的第二節(jié)中對(duì)克隆選擇算法進(jìn)行詳細(xì)介紹。
 在軟件設(shè)計(jì)中，不僅實(shí)現(xiàn)了人臉識(shí)別功能，為了方便算法分析，還提供了單步處理功能，并在該功能中實(shí)現(xiàn)了用戶控制該步操作是否執(zhí)行和操作結(jié)果是否顯示的功能。


第二章 人臉識(shí)別相關(guān)技術(shù)介紹
2.1 人臉識(shí)別概述
人臉識(shí)別，特指利用分析比較人臉視覺(jué)特征信息進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。人臉識(shí)別是一項(xiàng)熱門(mén)的計(jì)算機(jī)技術(shù)研究領(lǐng)域，它屬于生物特征識(shí)別技術(shù)，是對(duì)生物體（一般特指人）本身的生物特征來(lái)區(qū)分生物體個(gè)體。
廣義的人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識(shí)別預(yù)處理、身份確認(rèn)以及身份查找等；而狹義的人臉識(shí)別特指通過(guò)人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)或系統(tǒng)。
生物特征識(shí)別技術(shù)所研究的生物特征包括人臉、指紋、手掌紋、掌型、虹膜、視網(wǎng)膜、靜脈、_（語(yǔ)音）、體形、紅外溫譜、耳型、氣味、個(gè)人習(xí)慣（例如敲擊鍵盤(pán)的力度和頻率、簽字、步態(tài)）等，相應(yīng)的識(shí)別技術(shù)就有人臉識(shí)別、指紋識(shí)別、掌紋識(shí)別、虹膜識(shí)別、視網(wǎng)膜識(shí)別、靜脈識(shí)別、語(yǔ)音識(shí)別（用語(yǔ)音識(shí)別可以進(jìn)行身份識(shí)別，也可以進(jìn)行語(yǔ)音內(nèi)容的識(shí)別，只有前者屬于生物特征識(shí)別技術(shù)）、體形識(shí)別、鍵盤(pán)敲擊識(shí)別、簽字識(shí)別等。
2.1.1 人臉識(shí)別的優(yōu)勢(shì)
與其它生物特征識(shí)別技術(shù)相比，人臉識(shí)別再可用性方面具有獨(dú)到的技術(shù)優(yōu)勢(shì)，這主要體現(xiàn)在：
1. 可以隱蔽操作，尤其適用于安全監(jiān)控
這一點(diǎn)特別適用于解決重要的安全問(wèn)題、罪犯監(jiān)控與網(wǎng)上抓逃等應(yīng)用，這是指紋、虹膜、視網(wǎng)膜等其他人體生物特征識(shí)別技術(shù)不能比擬的。
2. 非接觸式采集，沒(méi)有侵犯性，容易被接受
因此，不會(huì)對(duì)用戶造成生理上的傷害，另外也比較符合一般用戶的習(xí)慣，容易被大多數(shù)的用戶接受。
3. 具有方便、快捷、強(qiáng)大的事后追蹤能力
基于面相的身份認(rèn)證系統(tǒng)可以再事件發(fā)生的同時(shí)記錄并保存當(dāng)事人的面相，從而可以確保系統(tǒng)具有良好的事后追蹤能力。例如，用于考勤系統(tǒng)時(shí)候，管理人員就可以方便的對(duì)代打卡進(jìn)行時(shí)候監(jiān)控和追蹤；這是指紋、虹膜等生物特征所不具有的性質(zhì)。
4. 圖像采集設(shè)備成本低
目前，中低檔的攝像頭價(jià)格已經(jīng)非常低廉，基本成本標(biāo)準(zhǔn)的外設(shè)，極大地?cái)U(kuò)展了其實(shí)用空間；另外，數(shù)碼相機(jī)、數(shù)碼攝像機(jī)和照片掃描儀等攝像設(shè)備在普通家庭的日益普及進(jìn)一步增加了其可用性。
5. 更符合人類(lèi)的識(shí)別習(xí)慣，可交互性強(qiáng)
例如，對(duì)于指紋、虹膜等識(shí)別系統(tǒng)，一般用戶對(duì)識(shí)別往往是無(wú)能為力的，而對(duì)人臉來(lái)說(shuō)，授權(quán)用戶的交互和配合可以大大提高系統(tǒng)的可用性和可靠性。
2.1.2 人臉識(shí)別存在的一些問(wèn)題
人臉識(shí)別被 ……（未完，全文共31024字，當(dāng)前僅顯示5580字，請(qǐng)閱讀下面提示信息。收藏《畢業(yè)論文：基于人工免疫的人臉識(shí)別算法》）