[[alternative]]PSO accelerated 3D face angle searching system for face recognition

碩士[[abstract]]人臉辨識技術在以像處理的領域中已成為當今最熱門且最具挑戰性的主題之一。而傳統的2D人臉辨識系統對於任一角度的人臉辨識上來說是有一定的角度容忍範圍存在，所以以3D模型為輔助的人臉辨識系統在最近這幾年來被人提出來對這方面做改善。 而傳統的3D模型為輔助人臉辨識系統在對任一角度的人臉做角度檢索搜尋時耗時相當的久，所以本篇論文提出搭配粒子群最佳化的演算法來加速人臉角度檢索的步驟。[[abstract]]Face recognition has been one of the most popular topic of image processing. But there always exist a problem in conventional 2D face recognition system. It is the limitation of tolerance from face poses. For solving this problem, 3D model based face recognition has been proposed in recent years. But it took a long time while matching the angles from an random head pose in conventional 3D model based face recognition system. So we accelerated the angle matching step by combining the Particle Swarm Optimization with 3D model based face recognition system.[[tableofcontents]]中文摘要 I 英文摘要 II 目錄 III 圖目錄 V 表目錄 IX 第一章 緒論 1 1.1 研究動機 1 1.2 相關研究 3 1.3 論文架構 5 第2章 系統架構流程 6 第3章 3D人臉模型製作 15 第4章 3D模型人臉圖像資料庫 18 4.1 OpenGL(Open Source Graphic Library)歷史與簡介 18 4.2 將OpenGL與本系統結合 21 4.3 3D人臉圖像資料庫 22 第5章 誤差能量的計算 25 5.1 通用定理 25 5.2 誤差能量的定義 28 第6章 粒子群最佳化演算法 29 6.1粒子群最佳化演算法的歷史與簡介 29 6.2粒子群最佳化演算法的運作原理 30 6.3粒子群最佳化演算法的運作流程 32 6.4 參數的設定 35 6.5 將PSO與本系統結合 37 6.6 PSO實際運行的情況 44 第7章 基因演算法 59 7.1 基因演算法的簡介 59 7.2 基因演算法的運算方式 59 7.3 基因演算法與本系統的結合 63 第8章 實驗結果 65 8.1 測試一 66 8.2 測試二 69 8.3 測試三 74 第9章 結論與未來展望 87 參考文獻 89 圖目錄 圖2.1 系統架構流程圖 6 圖2.2 待校正影像與即時建立的模型 8 圖2.3 手動調整待測影像大小 8 圖2.4 手動細微校正影像大小與位置 9 圖2.5 手動細微校正的結果 10 圖2.6 OpenGL視窗裁切輸入影像的結果 10 圖2.7 產生裁切視窗 11 圖2.8 位置與大小教正好的人臉影像與裁切視窗 11 圖2.9 經過遮罩影像裁切後的輸入影像(校正完畢) 12 圖2.10 輸入影像進行角度檢索示意圖 13 圖2.11 辨識步驟示意圖 14 圖3.1 Sigular Inversions FaceGen Modeller 15 圖3.2 FaceGen標記點示意圖(正面) 15 圖3.3 FaceGen標記點示意圖(側面) 16 圖3.4 3D人臉模型資料庫 17 圖4.1 OpenGL的註冊商標 21 圖4.2 3D模型人臉圖像資料庫 23 圖5.1 頭部轉動與誤差能量之示意圖(一) 26 圖5.2 頭部轉動與誤差能量之示意圖(二) 27 圖6.1 粒子群最佳化演算法示意圖 30 圖6.2 PSO的流程圖 32 圖6.3 PSO在本系統中所嵌入的部分 37 圖6.4 粒子均勻分布於一平面上的情況 38 圖6.5 25個粒子平均分佈於一平面 44 圖6.6 待測試之3D臉部模型投影圖 45 圖6.7 經過直方圖等化之灰階受測影像 45 圖6.8 Iteration：1 ： Counter：0 46 圖6.9 Iteration：2 ： Counter：0 46 圖6.10 Iteration：3 ： Counter：0 47 圖6.11 Iteration：4 ： Counter：0 47 圖6.12 Iteration：5 ： Counter：0 48 圖6.13 Iteration：6 ： Counter：1 48 圖6.14 Iteration：7 ： Counter：2 49 圖6.15 Iteration：8 ： Counter：0 49 圖6.16 Iteration：9 ： Counter：0 50 圖6.17 Iteration：10 ： Counter：1 50 圖6.18 Iteration：11 ： Counter：2 51 圖6.19 Iteration：12 ： Counter：3 51 圖6.20 Iteration：13 ： Counter：4 52 圖6.21 Iteration：14 ： Counter：5 52 圖6.22 Iteration：15 ： Counter：6 53 圖6.23 Iteration：16 ： Counter：7 53 圖6.24 Iteration：17 ： Counter：8 54 圖6.25 Iteration：18 ： Counter：9 54 圖6.26 Iteration：19 ： Counter：10 55 圖6.27 Iteration：20 ： Counter：0 56 圖6.28 Iteration：21 ： Counter：1 56 圖6.29 Iteration：22 ： Counter：2 57 圖6.30 Iteration：23 ： Counter：3 57 圖6.31 Iteration：24 ： Counter：4 58 圖6.32 Iteration：25 ： Counter：5 58 圖7.1 GA演算法之精英法示意圖 60 圖7.2 單點交配 61 圖7.3 多點交配 61 圖7.4 突變示意圖 62 圖8.1 輸入的測試影像灰階圖 65 圖8.2 系統響應圖 66 圖8.3 PSO運行過程(一) 67 圖8.4 GA運行過程(一) 68 圖8.5 PSO運行過程(二) 70 圖8.6 PSO運行過程(三) 71 圖8.7 PSO運行過程(四) 72 圖8.8 PSO運行過程(五) 74 圖8.9 PSO運行過程(六) 75 圖8.10 PSO運行過程(七) 76 圖8.11 PSO運行過程(八) 77 圖8.12 PSO 運行過程(九) 78 圖8.13 PSO 運行過程(十) 79 圖8.15 裁切完的輸入影像二值化後的結果 82 圖8.15 PSO疊代統計圖 83 圖8.16 輸入影像以及辨識結果 83 圖8.17 測試頭像角度多樣性範圍示意圖(一) 84 圖8.18 測試頭像角度多樣性範圍示意圖(二) 84 表目錄 表4.1 載入3D模型之速率表較表 22 表7.1 參數設定與比較 63 表8.1 PSO參數設定(一) 66 表8.2 GA參數設定(一) 67 表8.3 收斂速度比對圖 68 表8.4 PSO參數設定(二) 70 表8.5 PSO參數設定(三) 71 表8.6 PSO參數設定(四) 72 表8.7 PSO參數設定(五) 74 表8.8 PSO參數設定(六) 75 表8.9 PSO參數設定(七) 76 表8.10 PSO參數設定(八) 77 表8.11 PSO參數設定(九) 78 表8.12 PSO參數設定(十) 79 表8.13 PSO參數調整測試統整表(一) 80 表8.14 PSO參數調整測試統整表(二) 80 表8.15各演算法運行結果對照表 85 表8.16 PSO角度搜尋誤差範圍 86[[note]]學號: 696470060, 學年度: 9