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。

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.

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

參考文獻
[1] Eberhart, Russell, Kennedy, James, “Particle swarm optimization,” IEEE   International Conference on Neural Networks - Conference Proceedings 4, Piscataway, NJ, United States, 1995, pp. 1942-1948.
[2] OpenGL, Open source Graphic Library, http://www.opengl.org, copyright 1992~2009.
[3] El-Khamy, Abdel-Alim, Saii, “Neural network face recognition using statistical feature and skin texture parameters”, IEEE Proceedings of the Eighteenth National Radio Science Conference, Mar. 27-29, 2001, pp. 233-240.
[4] GUO-HUI HE, BIN ZHU, JUN-YING GAN, “Pose-varied face recognition based on 3D face model,” Proc. IEEE, Machine Learning and Cy-bernetics, vol. 5, Jul. 12-15, pp. 2987 – 2992.
[5] Chengzhang Wang, Baocai Yin, Xiaoming Bai, Yan-feng Sun, “Face Recognition Assisted With 3D Face Model,” Networking, Sensing and Control, ICNSC, IEEE International Conference, Arp. 6-8, 2008, pp. 725-730.

[6]  Baochang Zhang, Shiguang Shan, Xilin Chen, Wen Gao, “Histogram of Gabor Phase Patterns (HGPP): A Novel Object Representation Approach for Face Recognition,” Image Processing, IEEE Trans. vol. 16, Issue 1, Jan. 2007, pp. 57-68.
[7]  Yanwei, Pang, Yuan Yuan, Xuelong Li, “Ga-bor-Based Region Covariance Matrices for Face Recognition,” IEEE Trans. on circuits and systems for video technology, vol. 18, issue 7, Jul. 2008, pp. 989-993.
[8] Jin Young Kim, Dae Young Ko, Seung You Na, “Im-plementation and enhancement of GMM face recognition systems using flatness measure,” 13th IEEE, Robot and Human Interactive Communication, Sep. 2004, pp 247 – 251.
[9]  Paul Viola and Mike Jones, “Robust Real Time Object Detection”, Second International Workshop on Statistical and Computational Theories of Vision Vancouver, Canada, July 13, 2001.
[10] David E. Goldberg, John H. Holland, “Genetic Algorithm & Machine Learning”, Machine Learning, vol. 3, numbers 2-3, Oct. 1988, pp. 95-99.
[11] CyberWare, CyberWare Laboratory Inc., http://www.cyberware.com, 2006.

[12] Y. Shi and R.C. Eberhart, “Parameter selection in particle swarm optimization,” in Evolutionary Programming VII: Proc. EP98, New York, 1998, pp. 591-600.
[13] S. Cui and D.S. Weile, “Application of a Parallel Particle Swarm Optimization Scheme to the Design of Electromagnetic Absorbers,” IEEE Transactions on Antennas and Propagation, Vol. 53, No. 11, pp. 3616-3624, 2005.
[14] J.G. Vlachogiannis and K.Y. Lee, “Determining Generator Contributions to Transmission System Using Parallel Vector Evaluated Particle Swarm Optimization,” IEEE Transactions on Power Systems, Vol. 20, No. 4, pp.1765-1774, 2005.
[15] http://www.facegen.com, © Singular Inversions Inc. 2008
[16] V. Blanz and T. Vsetter, "A Morphable Model for the Synthesis of 3D     Faces", Computer Graphics Proc. SIGGRAPH '99, 1999, pp 187-194.