二維人臉識別實(shí)驗(yàn)報告(共10頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上 實(shí) 驗(yàn) 報 告 課程名稱 人工智能 實(shí)驗(yàn)名稱 二維人臉識別 班 級 學(xué) 號 姓 名 成 績 指導(dǎo)教師 實(shí)驗(yàn)日期 1 實(shí)驗(yàn)?zāi)康模?） 通過本次人臉識別實(shí)驗(yàn)，進(jìn)一步加深圖像處理和基本算法的掌握，能利用已有的算法和程序去找出和識別人臉。（2） 通過本次人臉識別實(shí)驗(yàn)，進(jìn)一步掌握和熟悉所學(xué)到的人工智能知識，能將所學(xué)知識和實(shí)際的生活聯(lián)系起來，去解決一些比較復(fù)雜的問題。（3） 熟悉并且掌握人臉識別過程中各種算法的實(shí)現(xiàn)過程，能熟練的利用各種軟件（VC+6.0，MATLAB等）去實(shí)現(xiàn)算法的編寫。（4） 熟悉人臉識別的過程和原理，進(jìn)一步鞏固PCA+LDA算法，掌握其本質(zhì)，并能將其運(yùn)用于

2、其他類似模型中，去解決一些問題。（5） 通過實(shí)驗(yàn)進(jìn)一步提高編程能力和解決問題的能力，能獨(dú)立的思考和類比所學(xué)到的知識，進(jìn)一步了解它們的本質(zhì)，鞏固實(shí)際用處。2 實(shí)驗(yàn)原理基于PCA人臉識別算法的實(shí)現(xiàn)原理主成分分析為一種統(tǒng)計(jì)學(xué)中特征提取方法，在實(shí)際中應(yīng)用的非常廣泛。PCA是通過提取原始數(shù)據(jù)的主元來減少數(shù)據(jù)的冗余，使數(shù)據(jù)在低維度的空間中被處理，同時它還能很好保持了原始數(shù)據(jù)的絕大部分信息，有效的解決了由于空間維數(shù)過高而導(dǎo)致的一系列問題。如下將詳細(xì)介紹如何使用PCA算法進(jìn)行人臉識別。第一個環(huán)節(jié)：提取圖像數(shù)據(jù)并處理1. 讀入人臉，并將圖像變化為相應(yīng)的灰度圖像。2. 將變換后的二維人臉灰度圖像變換為一維人臉向量

3、矩陣 一個大小為M*N的二維人臉圖像可以看成長度為MN的人臉圖像列向量。為了將二維人臉圖像變?yōu)橐詾榱邢蛄?，我們采取的措施為：首先?jì)算出人臉圖像的大小，然后將人臉圖像經(jīng)行轉(zhuǎn)置，最后按列依次取出取出所有灰度值形成大小為MN的一維向量，其實(shí)整個階段的效果相當(dāng)于將圖像的灰度值按行取出依次連接成一維圖像向量。本環(huán)節(jié)完成后將會產(chǎn)生由一維圖像向量組成的矩陣T。第二個環(huán)節(jié)：計(jì)算特征臉1.對圖像矩陣T進(jìn)行規(guī)范化 首先計(jì)算出圖像矩陣中一維列向量的平均值m，然后對圖像矩陣的每一列都減去平均值形成規(guī)范化的圖像矩陣A。2. 計(jì)算特征臉人臉訓(xùn)練圖像的協(xié)方差矩陣為，其中人臉訓(xùn)練樣本為，維度為，則協(xié)方差矩陣C的維度為。這就出

4、現(xiàn)問題，C的維度過高，在實(shí)際中直接計(jì)算它的特征值和特征向量非常困難。因此，本文使用奇異值分解定理來解決這個問題。奇異值分解定理：假設(shè)B為維秩為p的矩陣，則存在兩個正交矩陣和一個對角矩陣：正交矩陣為 （4.23） （4.24）其中 （4.25） （4.26）對角矩陣為 則可以得到，而且和有共同的非零特征值，和分別為和對應(yīng)特征值的正交特征向量。由上述定理可以得到 （4.27）則可以由協(xié)方差矩陣，構(gòu)造出矩陣，從而容易求出L的特征值和特征向量，再根據(jù)上述（4-27）式可以求得協(xié)方差C的特征值和特征向量。實(shí)際上我們并不需要協(xié)方差所有的特征值和特征向量， m個（m<M，M為特征值的數(shù)目）個特征值足夠

5、用于人臉識別。所以，實(shí)際操作中，只取L的前m個最大特征值對應(yīng)的特征向量用于計(jì)算特征臉。在本環(huán)節(jié)，本文通過直接構(gòu)造，來計(jì)算出L的特征值，再挑選L特征值大于100的作為C的特征值，最后通過C的特征值計(jì)算出它的特征向量，從而形成特征臉。第三個環(huán)節(jié)：人臉識別人臉識別過程分為訓(xùn)練和測試兩個階段。在訓(xùn)練階段，主要是提取數(shù)據(jù)庫人臉圖像的特征，并形成特征庫。在測試階段，主要是提取待識別圖像的特征和計(jì)算提取的特征和特征庫中特征之間的距離測度，并輸出最小距離測度對應(yīng)的人臉圖像作為結(jié)果。 具體步驟如下：1. 訓(xùn)練階段將規(guī)范化的圖像矩陣A中的每一列向量投影到特征子空間，形成特征庫。2. 測試階段假設(shè)測試人臉圖像為Y，

6、在人臉識別前，先對其進(jìn)行標(biāo)準(zhǔn)化，即。把標(biāo)準(zhǔn)化后的人臉圖像向特征子空間進(jìn)行投影得到向量。 本文使用最近領(lǐng)法分類器歐幾里德距離14,15進(jìn)行判決分類。測試圖像與每個人臉圖像間的距離為 (k=1,2,P)，并將最小距離對應(yīng)的訓(xùn)練圖像作為測試圖像的匹配圖像。3 實(shí)驗(yàn)要求（1）了解人臉識別的基本過程，熟練掌握人臉識別的基本算法和原理。（2）熟悉人臉特征的提取，以及圖像數(shù)據(jù)的處理，PCA和LDA算法。（3）能運(yùn)用已有軟件和程序設(shè)計(jì)語言編寫程序（實(shí)現(xiàn)算法），并能調(diào)試程序。（4）編寫的程序簡單明了，具有一定結(jié)構(gòu)化，能準(zhǔn)確、快速的定位識別出人臉。（5）了解人臉識別的應(yīng)用價值和前景，并能將所學(xué)的知識運(yùn)用圖實(shí)際生活

7、中。4 主要儀器設(shè)備Dell筆記本一臺，Windows 7 家庭普通版，4.00G內(nèi)存，64位操作系統(tǒng)。Mathworks公司的MATLAB 7.0軟件、微軟公司的VC+6.0等軟件等。5 實(shí)驗(yàn)內(nèi)容與步驟 人臉識別是指基于已知的人臉樣本庫，利用圖像處理和模式識別技術(shù)從靜態(tài)或動態(tài)場景中，識別或驗(yàn)證一個或多個人臉。從廣義上講，其研究內(nèi)容包括以下五個方面：（1） 人臉檢測：即從動態(tài)的場景或復(fù)雜的背景中檢測出人臉的存在并確定其位置，然后分離出來。這一任務(wù)主要受光照、噪聲、頭部傾斜度以及各種遮擋的影響。（2） 人臉表征：也稱為人臉特征提取，即采用某種表示方法來描述檢測出的人臉與數(shù)據(jù)庫中已知人臉。通常的表

8、示方法包括幾何特征（如歐氏距離、曲率、角度等）、代數(shù)特征（如矩陣特征矢量）、固定特征模板、特征臉、云紋圖等。（3） 人臉識別：即將待識別的人臉與數(shù)據(jù)庫中已知人臉比較，得出相關(guān)信息。這一過程的核心是選擇適當(dāng)?shù)娜四槺碚鞣椒ㄅc匹配策略。（4） 表情分析：即對待識別人臉的表情進(jìn)行分析，并對其加以歸類。（5） 生理分類：即對待識別人臉的生理特征進(jìn)行分析，得出其年齡、性別等相關(guān)信息，或者從幾幅相關(guān)的圖像推導(dǎo)出希望得到的人臉圖像，比如從父母圖像推導(dǎo)出孩子的臉部特征、基于年齡增長的人臉圖像估算等。其中人臉的表情分析、生理分類是兩個非常難的研究方向，本實(shí)驗(yàn)由于時間和能力所限，不給予研究。本次主要介紹靜態(tài)二維人臉

9、的識別方法，重點(diǎn)是人臉特征的提取與識別的關(guān)鍵技術(shù)。本實(shí)驗(yàn)的二維人臉識別系統(tǒng)通常主要由人臉檢測與定位，人臉特征提取與識別兩部分組成，在這兩部分的基礎(chǔ)上還包括圖像預(yù)處理等步驟。其主要實(shí)現(xiàn)步驟如下：（1） 圖像預(yù)處理由于實(shí)際成像系統(tǒng)多少存在不完善的地方以及外界關(guān)照條件等因素的影響，在一定程度上增加了圖像的噪聲，使圖像變得模糊，并且比度低、區(qū)域灰度不平衡。為了提高圖像的質(zhì)量，保證提取特征的有效性，進(jìn)而提高識別系統(tǒng)的識別率，在提取特征之前，有必要對圖像進(jìn)行預(yù)處理操作，以改善圖像質(zhì)量，保證提取特征的有效性。（2） 人臉檢測與定位 從輸入的圖像中找出人臉及人臉的所在位置，并將人臉從背景中提取并顯現(xiàn)出來，輸出

10、為分割好的人臉局部圖像。（3） 圖像歸一化 圖像歸一化屬于圖像預(yù)處理的范疇。在對人臉圖像進(jìn)行特征提取和分類之前一般需要做幾何歸一化和灰度歸一化。幾何歸一化是指根據(jù)人臉定位結(jié)果將圖像中人臉變換到同一位置和同樣的大小，灰度歸一化是指對圖像進(jìn)行光照補(bǔ)償?shù)忍幚?，光照補(bǔ)償能夠一定程度的克服光照的影響而提高識別率。（4） 特征提取與識別對于歸一化了的人臉圖像進(jìn)行面部的各特征的提取，將原始人臉圖像中的數(shù)據(jù)映射到特征空間，對人臉進(jìn)行特征建模，建立的特征模型主要用于區(qū)分各人臉之間的差異性，為人臉識別分類打下基礎(chǔ)。由于原始的人臉圖像數(shù)據(jù)量是相當(dāng)大的，為了有效的實(shí)現(xiàn)分類和識別，就要對原始數(shù)據(jù)進(jìn)行交換，得到最能反映分

11、類本質(zhì)的特征，如何提取穩(wěn)定和有效的特征是識別系統(tǒng)成敗的關(guān)鍵。人臉識別的驗(yàn)證是整個自動人臉識別的最后一個步驟，根據(jù)面部特征的提取結(jié)果，將待檢人臉與人臉庫中人臉數(shù)據(jù)進(jìn)行比較，判斷出待檢人臉的身份信息。本實(shí)驗(yàn)二維人臉自動識別系統(tǒng)如圖所示：特征提取與識別結(jié)果顯示人臉檢測與定位圖像預(yù)處理圖像的提 取輸入 輸入 歸一化 輸圖像 圖像 人臉圖像 出對比以上系統(tǒng)進(jìn)行分析可知，人臉識別需要考慮一下幾個主要方面：如何準(zhǔn)確快捷的檢測并分割出人臉部分；尋找一種受人臉姿態(tài)變化和光照條件等因素影響小的特征提取方法；如何有效的變化補(bǔ)償、特征描述和準(zhǔn)確的分類等。人臉面部器官比較復(fù)雜，一般特征提取方法可以從3個角度對特征進(jìn)行提

12、?。篴.通過面部拓?fù)鋷缀侮P(guān)系的先驗(yàn)知識，構(gòu)造一個包含面部器官的人臉模板對其特征進(jìn)行提??；b.將面部器官視為高維圖像空間的信號，通過代數(shù)的方法將這些信號檢測出來，達(dá)到提取面部器官特征的目的；c.利用神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行分類，提取面部器官特征。本實(shí)驗(yàn)中臉部特征的準(zhǔn)確、快速的提取是整個二維人臉識別系統(tǒng)的關(guān)鍵所在，其誤差的減小和復(fù)雜算法的實(shí)現(xiàn)既是基礎(chǔ)也是關(guān)鍵，數(shù)據(jù)的處理和分析需進(jìn)行長時間的處理和比較，需要一定的耐心和數(shù)學(xué)基礎(chǔ)，只有經(jīng)過不斷地實(shí)驗(yàn)和數(shù)據(jù)的調(diào)整才能使系統(tǒng)正確快速的識別出人臉。6 程序清單及描述程序代碼如下：clear allclose allclc% 讀入待檢測圖像x=imread('

13、;1.jpg'); %讀入圖像figureimshow(x)if size(x,3)>1 x=rgb2gray(x);%轉(zhuǎn)化為灰度圖endx=double(x); %轉(zhuǎn)化為小數(shù)型output,count,m,svec=facefind(x);%找出人臉 imagesc(x) colormap(gray) % 畫出人臉框圖col=1 0 0;%人臉框圖為紅色col=0 1 0;%人臉框圖為綠色t=2; %人臉框圖線的寬度N=size(output,2);if (N>0) for i=1:N x1=output(1,i); x2=output(2,i); y1=output(3

14、,i); y2=output(4,i); vec=x1 x2 y1 y2; %方框四個角的坐標(biāo) ind=find(isinf(vec); %無限值情況 a=200; %should be realmax vec(ind)=sign(vec(ind)*a; h1=line(vec(1) vec(2),vec(3) vec(3); h2=line(vec(2) vec(2),vec(3) vec(4); h3=line(vec(1) vec(2),vec(4) vec(4); h4=line(vec(1) vec(1),vec(3) vec(4); h=h1 h2 h3 h4; set(h,

15、9;Color',col); %設(shè)置顏色 set(h,'LineWidth',t) %設(shè)置線條寬度 endend%minf=m(1);maxf=m(2);ex1=size(x,1)*0.01;ex1e=size(x,1)*0.02;ex2=size(x,1)*0.04;ex2e=size(x,1)*0.05;bx1=0 maxf maxf 0;by1=ex1e ex1e ex1 ex1;bx2=0 minf minf 0;by2=ex2e ex2e ex2 ex2;hold onfill(bx1,by1,0 1 0)fill(bx2,by2,0 1 0)hold off

16、7 運(yùn)行結(jié)果及截圖截圖1：截圖2：截圖3：截圖4：截圖5：結(jié)果分析：從程序?qū)嶋H運(yùn)行結(jié)果可以看出，程序基本實(shí)現(xiàn)了人臉的快速、準(zhǔn)確的定位和識別，并且能正確的框出人臉。但其中還有些許的不足之處，尤其是人臉較遠(yuǎn)，且比較模糊和特征不明顯的時候，程序不能正確的識別人臉并框出來。8 總結(jié)與體會在本次試驗(yàn)的過程中由于對人臉識別的不熟悉，尤其是識別的算法的不熟悉，在最初理論準(zhǔn)備階段完全沒有頭緒，而且由于對基本算法的不熟悉，根本不知從何入手，其次由于以前從沒有接觸過MATLAB編程，只能一點(diǎn)一點(diǎn)的摸索學(xué)習(xí)，在寫代碼的過程中，錯誤重重，最初調(diào)試代碼的過程中，也不知從何入手，邏輯錯誤很難發(fā)現(xiàn)。對人臉識別基本算法PCA

17、和LAD不了解，最初只知道需要提取人臉的特征數(shù)據(jù)，沒想到在數(shù)據(jù)提取和處理的過程中需要進(jìn)行很復(fù)雜的處理和誤差處理，由于數(shù)理知識的不過關(guān)，顯得很吃力，而且由于對其本質(zhì)的不理解，從頭到尾的數(shù)據(jù)處理過程根本不知道在干什么，花費(fèi)了很長一段時間才弄明白。其次是代碼的編寫和優(yōu)化，各種算法的調(diào)用和組合，模塊化的編程，最終才將程序調(diào)試出來。通過本次實(shí)驗(yàn)，使我學(xué)到了許多新知識，尤其是對人臉識別的基本過程有了一個新的認(rèn)識，對其的基本算法（PCA和LAD）有了一個全面的了解，和其實(shí)際的運(yùn)用也有了一個新的了解，基于MATLAB的人臉識別，很具有研究和應(yīng)用價值，并且得到了越來越多的研究機(jī)構(gòu)和公司的青睞，在國家安全，計(jì)算機(jī)

18、交互，家庭娛樂等其他領(lǐng)域有著舉足輕重的作用，對提高辦事效率，防止社會犯罪等有著重大的經(jīng)濟(jì)和社會意義。其次對自己的編程能力也有了一個新的提高，MATLAB編程簡潔高效，其本身自帶大量的算法程序，只需組裝便可運(yùn)用，而且程序的穩(wěn)定性較高。最后感謝在實(shí)驗(yàn)中幫助我的同學(xué)，他們的幫助在一定程度上節(jié)省了我大量的時間，使我了解到了更多的知識，拓寬了思路，對最后實(shí)驗(yàn)的成功起著很大的作用。9 參考文獻(xiàn)【1】姚敏，數(shù)字圖像處理M。機(jī)械工業(yè)出版社，2006：2?！?】王愛民，沈蘭蓀。圖像分割研究綜述J。測控技術(shù)，2000,19（5）：1-5?！?】張德豐。詳解MATLAB數(shù)字圖像處理M。北京：電子工業(yè)出版社，2010。【4】韓曉軍。數(shù)字圖像處理技術(shù)與應(yīng)用M。北京：電子工業(yè)出版社，2009?！?】張化