第一章 緒論
1-1 前言
近年來，隨著科技的日新月異，各種個人化電子儀器的使用，如PDA、
掌上型電腦等，也越來越普遍。在這樣高科技普及的情況下，如何保護個 人的隱私，使得別人無法隨意竊取我們的資訊，是一個相當重要的課題。
由於電腦的自動化處理能力，以及越來越快的運算速度，用來做個人身份 的辨識系統，是一種最佳的選擇。傳統的身份辨識上有很多不同的方法，
如ID卡或是密碼確認等，但是這些方法不是需要利用到一些特殊的身份辨 識物品，就是需記住一組冗長的密碼。若是遺失了該辨識物品或是忘記密 碼，除了造成使用者的不便之外，更可能造成別人的入侵或是盜用。針對 這些問題，目前已經有許多研究單位開始探討利用人的一些生物特徵來做 為辨識的條件，如人臉辨識、聲紋辨識、眼球虹膜比對、指紋或掌紋的比 對等。在這些不同的方法中，人臉辨識算是最友善及自然的方法。使用者 不需一些多餘的動作，或是戴上一些特別的裝置，即可達到身份確認的目 的。基於這個原因，現在市面上已經有一些PDA、門禁保全系統、甚至於 汽車上的防盜裝置，都利用人臉辨識系統來達到使用者身份確認的目的。
因此，人臉辨識的研究，也成了目前學術界與業界中最熱門的研究主題之 一。
2
1-2 研究動機與目的
近年來，世界各國的治安日益惡化，犯罪手法日益翻新，為了安全考 量，利用電腦做自動化個人身分辨識系統的需求，也逐漸的增加。在高科 技的社會裡，隨時都可以看見人們所利用之行動電話、PDA、甚至ㄧ小小 張的磁卡、IC卡都保存著許多個人隱私的資料。當可以保存個人資料的方 法越多，從另ㄧ個角度來說也增加了資料外流的風險，如何在這種資訊透 明的環境下，保護個人的隱私即成為一個重要的課題。
隨著人們對安全防護觀念的提昇，傳統辨識方式如密碼、磁卡、IC卡 等，但是這些方法都是使用到身體以外的物品，若是遺失或是忘記密碼 時，除了造成使用著的不便外，更讓有心人士可趁機入侵或是盜用。因此 近年來興起了利用生物認證方式來確認使用著的身份。所謂的生物認證是 利用生物之生理特徵或行為特徵來與事先建立之資料庫中的資料進行比 對或鑑定。由於每個人都有獨特的生理特徵以表示每個人的獨特性，此生 理特徵可隨身攜帶且是獨一無二的隨身密碼，可省去隨身攜帶諸如鑰匙的 麻煩，亦可以降低遺忘密碼或是密碼被盜取的風險，更能加強資訊的保 密，以維護個人的隱私。
生物認證經常採用的方法有:1.指紋:每個人的指紋都不一樣，藉著小型 的影像掃描機器就可以得到受測者的指紋，經過比對後即可判定為何人。
2.視網膜:人臉視網膜的血管分佈亦是每個人都不同，要求受測著目視高解 析攝影機，藉此得到某人的視網膜分布狀況來辨識身分。3.聲音:每個人說 話的頻率、波形均不同，可藉此辨識身分。但是可能因為當時身體狀況(如 感冒、喉嚨痛而聲音啞)而改變聲音，通常會搭配其它方式作辨識，不會獨 立使用。4.人臉:相較於前三種特徵，對於人臉視覺而言，人臉是最直接的 辨識方式，依據每個人的人臉影像上不同的特徵，藉此辨識身分。這些身 分認證技術我們稱為生物認證技術。隨著電腦運算速度的不斷加快和各種
特徵擷取設備的進步與微小化，現在生物認證技術已經成為身分認證的新 潮流技術。
從人性化的角度來推展，採用人臉作為生物認證技術所需的生物特 徵，可以使辨識系統使用起來更為方便。人臉辨識目前廣泛應用於網路電 子商務、門禁管理、數位監控、犯罪調查、汽車防盜裝置以及互動式家用 機器人等領域中。
本篇論文主要的研究重點為探討以下幾個問題：
1.解決訓練樣本太少的問題
2.辨識正面且不同距離拍攝的人臉(ㄧ個Frame中只有一個人的單人人臉辨 識)
3.辨識固定距離且不同角度拍攝的人臉(ㄧ個Frame中只有一個人的單人人 臉辨識)
4.系統處理速度的問題 5.辨識戴眼鏡的人臉
6.可以同時進行動態的人臉偵測和人臉辨識
4
1-3 論文架構
本論文架構分為人臉偵測和人臉辨識兩大部分，人臉偵測的架構流程 圖如圖1.1所示。在人臉偵測的階段中，我們首先離線統計人臉膚色在不同 亮度範圍的色彩空間所存在的Cb、Cr範圍，然後當輸入影像進來，便會根 據色彩資訊來轉換並切割出可能的人臉候選區，並且運用一些型態學的方 法和中值濾波器的方法來去除雜訊。接下來使用色彩的資訊來尋找可能的 臉部特徵(眼睛、嘴巴)，我們提出自適性的閥值來分割出眼睛和嘴巴，因 為使用固定的閥值來做判斷並不適用每張的輸入影像，必須要考慮每張影 像的明暗程度來給予不同的閥值，我們是使用臉部特徵占人臉面積的比例 來判定合適的閥值，找出可能的眼睛、嘴巴候選區，再來應用臉部條件的 幾何關係來定義出正確的眼睛和嘴巴，進而確認出正確的人臉位置。
圖1.1 人臉偵測流程圖
做完了人臉偵測之後，進入到人臉辨識的階段。首先我們把人臉偵測 的結果儲存下來當作辨識階段的訓練資料，由於在動態的人臉偵測中會擷 取到不同影像大小的人臉，所以我們必須把偵測到的人臉影像先做正規化 的動作，這裡所指的正規化是把偵測到的人臉影像調整成相同的影像大 小，所定義的人臉是包含完整的人臉及脖子的整個區域，接著將彩色影像 轉為灰階影像，然後才能進行後續的人臉辨識。人臉辨識的架構流程圖如 圖1.2所示。
訓練影像
影像正規化
二維小波轉換 二維小波轉換
主成份分析法 主成份分析法
辨識結果 動態人臉偵測
的結果
測試影像
人臉資料庫 灰關聯分析法
圖1.2 人臉辨識流程圖
6
本文提出一套人臉辨識方法，結合了小波轉換、主成份分析法與灰關 聯分析法，在第四章會分別詳述以上幾種方法。首先我們把人臉偵測得到 的結果(不同大小的人臉影像)調整成相同影像大小的人臉，在訓練階段，
應用二維小波轉換來壓縮輸入影像，降低資料的維度，之後再透過主成份 分析法建構出具有代表性的特徵臉，計算出人臉資料庫的主成份。在測試 階段，也是利用二維小波轉換壓縮輸入影像，降低資料的維度，再用主成 份分析法求得測試影像主成份，最後利用灰關聯分析法去比對訓練影像和 測試影像的主成份，得到辨識的結果(判定最後的正確人臉影像)。
