基于matlab的人臉識(shí)別系統(tǒng)設(shè)計(jì)與仿真

1、基于 Matlab 的人臉識(shí)別系統(tǒng)設(shè)計(jì)與仿真 摘要摘要人臉識(shí)別即指利用分析比對(duì)人臉視覺(jué)特征信息從而達(dá)到身份鑒別效果的計(jì)算機(jī)技術(shù)。人臉識(shí)別是一項(xiàng)當(dāng)下十分熱門的計(jì)算機(jī)技術(shù)的研究領(lǐng)域，該項(xiàng)技術(shù)可以人臉明暗偵測(cè)，并且自動(dòng)調(diào)整動(dòng)態(tài)曝光補(bǔ)償，同時(shí)對(duì)人臉追蹤偵測(cè)，并自動(dòng)調(diào)整影像放大；這項(xiàng)技術(shù)屬于生物特征識(shí)別技術(shù)的一種，是利用生物體（一般指人）本身的生物特征從而達(dá)到區(qū)分生物體個(gè)體的目的。人臉識(shí)別技術(shù)目前主要用做身份識(shí)別。由于視頻監(jiān)控的飛速普及，使這項(xiàng)應(yīng)用迫切的需要一種能實(shí)現(xiàn)在用戶非配合狀態(tài)下、遠(yuǎn)距離的進(jìn)行快速身份識(shí)別的技術(shù)，以求能在遠(yuǎn)距離之下快速識(shí)別人員身份，從而實(shí)現(xiàn)智能預(yù)警的功能。最佳的選擇無(wú)疑是人臉識(shí)別技

2、術(shù)。采用快速人臉檢測(cè)識(shí)別技術(shù)可以從視頻監(jiān)控圖象中實(shí)時(shí)捕獲到人臉信息，并與人臉數(shù)據(jù)庫(kù)中的已存信息進(jìn)行實(shí)時(shí)比對(duì)，從而達(dá)到快速身份識(shí)別的效果。報(bào)告利用 MATLAB 軟件來(lái)實(shí)現(xiàn)人臉信息檢測(cè)與識(shí)別，利用 YCbCr 空間以及灰度圖像來(lái)實(shí)現(xiàn)人臉的邊緣分割, 將真彩圖像轉(zhuǎn)換為灰度圖像，并根據(jù)膚色在YCbCr 色度空間上的分布范圍，來(lái)設(shè)定門限閥值，從而實(shí)現(xiàn)人臉區(qū)域與非人臉區(qū)域的分割，通過(guò)圖像處理等一系列的操作來(lái)剔除干擾因素，再通過(guò)長(zhǎng)寬比和目標(biāo)面積等方法在圖像中定位出人臉區(qū)域，經(jīng)試驗(yàn)，該方法能夠排除面部表情、衣著背景、發(fā)型等干擾因素，從而定位出人臉區(qū)域。關(guān)鍵詞：Matlab 軟件；灰度圖像；邊緣分割；人臉區(qū)域

3、1AbstractFace recognition especially use comparative analysis face visual feature information for identification of computer technology. Face recognition is a hot research field computer technology, face detection, light and shade can be automatically adjusted dynamically exposure compensation, huma

4、n face tracking detection, automatic adjustment of image magnification; It belongs to the biometric identification technology, it is of organisms (generally refers to a person) individual biological characteristics to distinguish between the organism itself.Face recognition is mainly used for identi

5、fication. Because of the video monitoring is fast popularization, many of the video monitoring application is an urgent need to a long distance, the user not cooperate condition of rapid identification technology, in order . Face recognition technology is undoubtedly the best choice, the fast face d

6、etection technology to monitor in real-time video image search from face, and with real-time than face database, so as to realize rapid identification.Report using MATLAB software to realize face information detection and recognition, using YCbCr space and gray image to realize the face edge segment

7、ation, the true color image is converted to a grayscale image, and according to the color of skin in YCbCr chroma space distribution, to set the threshold threshold, so as to realize the segmentation of face region with the face region, through a series of operations such as image processing to elim

8、inate interference factors, and through such means as aspect ratio and the target area locate the face region in the image, the experiment, this method can eliminate facial expressions, clothes, hair background 2interference factors, so as to locate the face region.Keywords：Matlab；Gray image；edge se

9、gmentation；face region目錄摘要摘要.1 1ABSTRACTABSTRACT.2 2目錄目錄.3 3第第 1 1 章章 緒論緒論.4 41.1 課題的研究背景、目的及意義 .41.1.1 課題的研究背景 .41.1.2 研究目的及意義 .51.2 本課題的主要內(nèi)容 .5第第 2 2 章章 圖像處理的圖像處理的 MATLABMATLAB 實(shí)現(xiàn)實(shí)現(xiàn).6 62.1 識(shí)別系統(tǒng)構(gòu)成 .62.2 人臉圖像的讀取與顯示 .72.3 圖像類型的轉(zhuǎn)換 .72.4 圖像增強(qiáng) .82.5 灰度圖像平滑與銳化處理 .92.6 邊緣檢測(cè) .11第第 3 3 章章 人臉識(shí)別計(jì)算機(jī)系統(tǒng)人臉識(shí)別計(jì)算機(jī)系統(tǒng)

10、.12123.1 系統(tǒng)基本構(gòu)架 .123.2 人臉檢測(cè)定位算法 .123.3 匹配與識(shí)別 .17結(jié)論結(jié)論.2424致謝致謝.2525參考文獻(xiàn)參考文獻(xiàn).2626附錄附錄 1 1 人臉識(shí)別的人臉識(shí)別的 MATLABMATLAB 源程序源程序 .2727附錄附錄 2 2 外文參考文獻(xiàn)及翻譯外文參考文獻(xiàn)及翻譯 .31313第 1 章 緒論1.1 課題的研究背景、目的及意義1.1.1 課題的研究背景數(shù)字圖像處理技術(shù)是 20 世紀(jì) 60 年代發(fā)展起來(lái)的一門新興技術(shù)。近 30 多年來(lái)，在計(jì)算機(jī)科技和大規(guī)模集成電路技術(shù)的迅猛發(fā)展、離散數(shù)學(xué)理論創(chuàng)立和完善，以及工業(yè)、軍事、醫(yī)學(xué)等方面的應(yīng)用需求在不斷增長(zhǎng)，人臉識(shí)別

11、技術(shù)已經(jīng)在人機(jī)交互、安全驗(yàn)證系統(tǒng)、系統(tǒng)公安(罪犯識(shí)別等)、醫(yī)學(xué)、檔案管理、信用卡驗(yàn)證、視頻會(huì)議等方面的巨大應(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)。目前，人臉識(shí)別技術(shù)應(yīng)用最廣泛的地方就是各大公司、商場(chǎng)、政府保密機(jī)構(gòu)的門禁考勤系統(tǒng)。20 世紀(jì) 90 年代后期以來(lái)，一些商業(yè)性的人臉識(shí)別技術(shù)系統(tǒng)逐漸進(jìn)入市場(chǎng)。自美國(guó)遭遇恐怖分子襲擊事件后，這一技術(shù)引起了社會(huì)各方的廣泛關(guān)注。由于隱蔽性十分好，該項(xiàng)技術(shù)逐漸成為國(guó)際反恐及安全防范的重要手段之一。人臉識(shí)別技術(shù)在中國(guó)也有迅猛發(fā)展的歷史。國(guó)家“十一五”科技發(fā)展規(guī)劃就將人臉識(shí)別技術(shù)的研究與發(fā)展列入其中，并明確指出“要在生物特征識(shí)別技術(shù)領(lǐng)域縮小與

12、世界先進(jìn)水平的差距，開(kāi)展生物特征識(shí)別應(yīng)用技術(shù)研究，開(kāi)發(fā)具有高安全性、低誤報(bào)率的出入口控制新產(chǎn)品。 ”在這種形勢(shì)下，國(guó)內(nèi)一些科研院所在人臉識(shí)別技術(shù)上有了重大發(fā)展和突破。如清華大學(xué)、中科院計(jì)算機(jī)所、中科院自動(dòng)化所等自主研發(fā)的人臉識(shí)別技術(shù)已經(jīng)達(dá)到了國(guó)際先進(jìn)的水平。經(jīng)過(guò)多年的研發(fā)探索，在世界各大研究機(jī)構(gòu)的研發(fā)人員的共同努力下，人臉識(shí)別技術(shù)這一領(lǐng)域取得了豐碩的成果，這些研究成果的取得和科技的進(jìn)步，更進(jìn)一步推動(dòng)了人類對(duì)人臉識(shí)別技術(shù)這一高端技術(shù)的深入研究。人臉識(shí)別技術(shù)，顧名思義，指利用采集、分析、比較人臉視覺(jué)特征信息來(lái)進(jìn)行身份鑒別的計(jì)算機(jī)技術(shù)。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

13、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4技術(shù)或系統(tǒng)。它是人們一直所追求的讓機(jī)器智能化技術(shù)，就是讓機(jī)器具備和人類一樣的思考能力，識(shí)別能力以及處理事務(wù)的能力。而人臉識(shí)別技術(shù)的研究就是在這樣的背景下發(fā)展起來(lái)的。1.1.2 研究目的及意義目前，人臉識(shí)別技術(shù)已經(jīng)廣泛用于軍隊(duì)、政府、社會(huì)福利保障、銀行、安全防務(wù)及電子商務(wù)等領(lǐng)域。而我們研究這項(xiàng)技術(shù)的目的就是讓其更好地服務(wù)于人類社會(huì)，在這個(gè)生活快節(jié)奏的前提下，與人方便。例如京滬高鐵三站將建立人臉識(shí)別系統(tǒng)，即使整容也能被識(shí)別。鐵路部門發(fā)布計(jì)劃時(shí)表示，將在京滬高鐵段的天津西站、濟(jì)南西站、

14、上海虹橋站這三個(gè)站點(diǎn)，建立人臉識(shí)別系統(tǒng)工程，以此來(lái)協(xié)助公安部門甄別、抓捕在逃罪犯。利用這個(gè)系統(tǒng)，即使作案后的犯罪分子進(jìn)行整容，也會(huì)被識(shí)別。研究人臉識(shí)別技術(shù)，在現(xiàn)實(shí)意義上具有重大意義：一是能進(jìn)一步加強(qiáng)對(duì)人類視覺(jué)系統(tǒng)本身的認(rèn)知；二是能夠滿足人類社會(huì)中對(duì)人工智能應(yīng)用的廣泛需要。同時(shí)人臉識(shí)別技術(shù)又有自然性、無(wú)侵犯性、成本低、智能化等幾個(gè)顯著優(yōu)勢(shì)。人臉識(shí)別技術(shù)的研究也有重大的學(xué)術(shù)價(jià)值。由于人類有非常復(fù)雜的細(xì)節(jié)變化，例如眼鏡、胡須、發(fā)型等附屬物的干擾，這就給該項(xiàng)技術(shù)帶來(lái)了巨大挑戰(zhàn)。成功構(gòu)造出人臉識(shí)別系統(tǒng)將為解決其他與之類似的復(fù)雜問(wèn)題提供重要的啟示。1.2 本課題的主要內(nèi)容本次課題主要講述了人臉識(shí)別中應(yīng)用

15、Matlab 對(duì)圖像進(jìn)行預(yù)處理，通過(guò)人臉檢測(cè)、人臉跟蹤、人臉比對(duì)來(lái)實(shí)現(xiàn)基于 Matlab 的人臉識(shí)別系統(tǒng)的仿真。利用Matlab 實(shí)現(xiàn)一個(gè)集多種預(yù)處理方法于一體的通用的人臉識(shí)別仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊嵌入在人臉識(shí)別系統(tǒng)中，并利用灰度圖像的直方圖比對(duì)來(lái)實(shí)現(xiàn)人臉圖像的識(shí)別判斷。文中在研究人臉識(shí)別技術(shù)的仿真過(guò)程中，主要涉及了 YCbCr 空間、灰度圖像轉(zhuǎn)換、噪聲消除、圖像填孔、圖像重構(gòu)、人臉區(qū)域確定、邊緣檢測(cè)等技術(shù)。通過(guò)多次實(shí)驗(yàn)并比對(duì)各個(gè)算法和技術(shù)的優(yōu)缺點(diǎn)，有效地實(shí)現(xiàn)了基于 Matlab 的人臉識(shí)別系統(tǒng)的設(shè)計(jì)與仿真，并達(dá)到了預(yù)期目標(biāo)和效果。5第 2 章 圖像處理的 Matlab 實(shí)現(xiàn)2.

16、1 識(shí)別系統(tǒng)構(gòu)成人臉識(shí)別技術(shù)系統(tǒng)主要可分為四個(gè)組成部分，分別為：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。一般人臉識(shí)別系統(tǒng)構(gòu)架如圖 2.1 所示：人臉圖像采集及檢測(cè)人臉圖像預(yù)處理人臉圖像特征提取匹配與識(shí)別圖 2.1 人臉識(shí)別系統(tǒng)構(gòu)架（1）人臉圖像采集及檢測(cè) 人臉圖像采集：人臉圖像信息都能通過(guò)攝像鏡頭采集記錄下來(lái)，比如不同位置、不同表情、靜態(tài)圖像、動(dòng)態(tài)圖像等方面都能得到很好的采集。當(dāng)目標(biāo)在采集設(shè)備拍攝的范圍內(nèi)時(shí)，采集設(shè)備會(huì)自動(dòng)搜索并采集目標(biāo)的人臉圖像;人臉檢測(cè)：在實(shí)際中主要應(yīng)用于人臉識(shí)別的預(yù)處理，即在采集到的圖像中準(zhǔn)確定位出人臉的位置。人臉圖像中包含的模式特征非常豐富，

17、如模板特征、結(jié)構(gòu)特征、直方圖特征、顏色特征等。人臉檢測(cè)就是挑出這其中有用的特征信息，并利用這些特征來(lái)實(shí)現(xiàn)人臉識(shí)別。（2）人臉圖像預(yù)處理 人臉圖像預(yù)處理：所謂人臉圖像預(yù)處理，就是基于人臉檢測(cè)結(jié)果，并對(duì)人臉圖像進(jìn)行處理，最終服務(wù)于人臉特征提取的過(guò)程。系統(tǒng)獲取的原始人臉圖像由于受到隨機(jī)干擾和各種條件的限制，通常不能直接使用，所以必須在人臉圖像處理過(guò)程中要先對(duì)它進(jìn)行灰度圖像、噪聲過(guò)濾等圖像預(yù)處理。而對(duì)于人臉圖像，預(yù)處理的過(guò)程主要涉及灰度變換、人臉圖像的光線補(bǔ)償、幾何校正、直方圖均衡化、歸一化、濾波以及銳化等。（3）人臉圖像特征提取 人臉圖像特征提?。喝四樧R(shí)別系統(tǒng)通常會(huì)使用的特征分為視覺(jué)特征、人臉圖像變

18、換系數(shù)特征、像素統(tǒng)計(jì)特征以及人臉圖像代數(shù)特征等。所謂人臉特征提取即針對(duì)人臉的某些特征進(jìn)行的提取。人臉特征提取，也被稱為人臉表征，是對(duì)人臉特征進(jìn)行建模的過(guò)程。人臉特征提取的方法總結(jié)6起來(lái)可以分為兩大類：一種是基于統(tǒng)計(jì)學(xué)習(xí)或代數(shù)特征的表征方法；另一種是基于知識(shí)的表征方法。（4）匹配與識(shí)別 人臉圖像的匹配與識(shí)別：將提取到的圖像特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中已存的特征模板進(jìn)行搜索匹配，設(shè)定一個(gè)閾值，當(dāng)相似度超過(guò)這一閾值時(shí)，則把匹配所得到的結(jié)果輸出。人臉識(shí)別就是將待識(shí)別的人臉特征與已存儲(chǔ)的人臉特征模板進(jìn)行比對(duì)，依據(jù)相似度對(duì)該人臉圖像的身份信息進(jìn)行判別。這一過(guò)程主要分為兩步：第一步是確認(rèn)，就是一對(duì)一進(jìn)行圖像比較的過(guò)程

19、，第二步是辨認(rèn)，就是一對(duì)多進(jìn)行圖像匹配對(duì)比的過(guò)程。2.2 人臉圖像的讀取與顯示人臉圖像的讀取和顯示可通過(guò) imread( )和 imshow( )指令來(lái)實(shí)現(xiàn);圖像的輸出可以用 imwrite( )函數(shù)，很方便快捷的將圖像輸出到電腦硬盤上;另外還可以通過(guò) imcrop( )、imrisize( )、imrotate( )等函數(shù)來(lái)實(shí)現(xiàn)圖像的裁剪、縮放與旋轉(zhuǎn)等功能。2.3 圖像類型的轉(zhuǎn)換Matlab 支持多種圖像類型,在很多圖像操作處理中,對(duì)圖像的類型有要求,所以就涉及到了對(duì)圖像的類型進(jìn)行轉(zhuǎn)換。Matlab7.0 圖像處理工具箱包含了不同圖像類型之間相互轉(zhuǎn)換的大量函數(shù),如 rgb2gray()可以將

20、顏色映像表或 RGB圖像轉(zhuǎn)換為灰度圖像，通過(guò) mat2gray()函數(shù)能實(shí)現(xiàn)矩陣轉(zhuǎn)換為灰度圖像的功能。在類型轉(zhuǎn)換的處理過(guò)程中,我們還會(huì)經(jīng)常遇到數(shù)據(jù)類型不匹配的問(wèn)題,針對(duì)這一問(wèn)題,Matlab7.0 工具箱中為我們提供了各種數(shù)據(jù)類型之間相互轉(zhuǎn)換的函數(shù),例如 double()函數(shù)的功能就是將數(shù)據(jù)轉(zhuǎn)換為雙精度數(shù)據(jù)類型。因?yàn)楹罄m(xù)的圖像增強(qiáng)、邊緣檢測(cè)等都是針對(duì)灰度圖像進(jìn)行的,而原圖像是RGB 圖像,所以我們首先要對(duì)原圖像進(jìn)行類型轉(zhuǎn)換。實(shí)現(xiàn)過(guò)程代碼如下:i=imread(F:2.JPG);j=rgb2gray(i);imshow(j);imwrite(j,F:2.tif)7轉(zhuǎn)換后的灰度圖像如圖 2.2 所

21、示：圖 2.2 灰度圖像2.4 圖像增強(qiáng)圖像增強(qiáng)的目的是改善圖像的視覺(jué)效果,或者使圖像更適合于人或機(jī)器進(jìn)行分析處理。通過(guò)圖像增強(qiáng)，可以減少圖像中的噪聲，提高目標(biāo)與背景的對(duì)比度，也可以強(qiáng)調(diào)或抑制圖像中的某些細(xì)節(jié)。例如，消除照片中的劃痕，改善光照不均勻圖像，突出目標(biāo)的邊緣等。實(shí)現(xiàn)圖像的灰度轉(zhuǎn)換的方法有很多,其中最常用到的是直方圖變換的方法,即直方圖的均衡化。該種方法是使輸出圖像直方圖近似服從均勻分布的變換方法。Matlab7.0 圖像處理工具箱中為我們提供了圖像直方圖均衡化的函數(shù)histeq(),我們也可以通過(guò) imhist()函數(shù)計(jì)算和顯示圖像的直方圖。通過(guò)原圖與直方圖均衡化后圖像對(duì)比可以發(fā)現(xiàn),

22、圖像變得更加清晰,并且均衡化后的直方圖相對(duì)于原直方圖的形狀更為理想。實(shí)現(xiàn)過(guò)程代碼如下:i=imread(F:2.tif);j=histeq(i);imshow(j);figure,subplot(1,2,1),imhist(i);subplot(1,2,2),imhist(j)執(zhí)行后得到的圖像如下所示：8 圖 2.3 均衡化后的灰度圖像 圖 2.4 均衡化前后的直方圖對(duì)比圖2.5 灰度圖像平滑與銳化處理平滑濾波器的作用是模糊圖像或者消除噪聲,Matlab7.0 圖像處理工具箱為我們提供了 wiener2()來(lái)實(shí)現(xiàn)對(duì)圖像噪聲的自適應(yīng)濾波，medfilter2()函數(shù)用來(lái)實(shí)現(xiàn)中值濾波。在本文案例中

23、,為使濾波效果更加明顯,我們預(yù)先為人臉圖像人為增加噪聲,然后用自適應(yīng)濾波方法對(duì)圖像進(jìn)行濾波處理。銳化處理的作用是用來(lái)強(qiáng)調(diào)圖像中被模糊的細(xì)節(jié),在本案例中，采用了預(yù)定義高斯濾波器的方法對(duì)圖像進(jìn)行銳化濾波。實(shí)現(xiàn)過(guò)程的代碼如下:i=imread(F:2.tif);j=imnoise(i,gaussian,0,0.02);subplot(1,2,1),imshow(j);j1=wiener2(j);subplot(1,2,2),imshow(j1);h=fspecial(gaussian,2,0.05);j2=imfilter(i,h);figure,subplot(1,2,1),imshow(i)su

24、bplot(1,2,2),imshow(j2)9執(zhí)行上述代碼后得到的圖像如下所示：圖 2.5 平滑濾波效果圖圖 2.6 銳化濾波效果圖圖 2.5 中，第一個(gè)為加入噪聲的圖像，第二個(gè)為濾波后的圖像；圖 2.6 中，第一個(gè)為原灰度圖像，第二個(gè)為銳化后的圖像。102.6 邊緣檢測(cè)數(shù)字圖像的邊緣檢測(cè)是目標(biāo)區(qū)域識(shí)別、圖像分割、區(qū)域形狀提取等圖像分析過(guò)程中十分重要的基礎(chǔ)步驟,也是人臉圖像識(shí)別中用來(lái)實(shí)現(xiàn)提取圖像特征的一個(gè)重要步驟。通過(guò)計(jì)算一階導(dǎo)數(shù)或二階導(dǎo)數(shù)可以快捷地檢測(cè)出圖像中每個(gè)像素在其鄰域內(nèi)的灰度變化，從而檢測(cè)出邊緣。常用的有梯度算子, ,Roberts 算子，canny 算子,Log 算子等。Matl

25、ab7.0 工具箱中為我們提供的 edge()函數(shù)可以用來(lái)進(jìn)行邊緣檢測(cè),同時(shí)也可以根據(jù)案例所需要的選擇合適的算子及其參數(shù)。Matlab7.0 圖像處理工具箱中提供了 edge()函數(shù)來(lái)實(shí)現(xiàn)圖像邊緣檢測(cè),還有各種方法算子供我們選擇,在本案例中采用了 canny 算子來(lái)進(jìn)行圖像邊緣檢測(cè),程序代碼如下:i=imread(F:2.tif);j=edge(i,canny,0.04,0.25,1.5);imshow(j)執(zhí)行上述程序后得到如下圖像： 圖 2.1 原灰度圖像 圖 2.7 邊緣檢測(cè)效果圖11第 3 章 人臉識(shí)別計(jì)算機(jī)系統(tǒng)3.1 系統(tǒng)基本構(gòu)架人臉識(shí)別是一個(gè)十分復(fù)雜的過(guò)程，一般人臉識(shí)別的計(jì)算機(jī)系統(tǒng)

26、流程如圖3.1 所示。它包括幾個(gè)步驟：進(jìn)行圖像采集，對(duì)于采集到的圖像，首先進(jìn)行人臉檢測(cè)，得出有無(wú)人臉的結(jié)果；然后進(jìn)行人臉定位，找出人臉的位置并提取出來(lái)。對(duì)于人臉定位，在輸入的是圖像序列時(shí)，一般也被稱為人臉跟蹤。通常檢測(cè)和定位同步進(jìn)行。借助人臉描述對(duì)提取出來(lái)的人臉就可以進(jìn)行人臉識(shí)別，即通過(guò)提取人臉特征來(lái)確定其身份。開(kāi)開(kāi) 始始圖像采集圖像采集檢測(cè)定位檢測(cè)定位是否定位成功是否定位成功是否處理成是否處理成功圖像預(yù)處理圖像預(yù)處理人臉識(shí)別人臉識(shí)別是否識(shí)別成是否識(shí)別成功識(shí)別結(jié)果識(shí)別結(jié)果結(jié)結(jié) 束束是是是圖 3.1 基本框架圖3.2 人臉檢測(cè)定位算法人臉檢測(cè)定位算法可分為兩大類：一類是基于隱式特征的方法；另一類

27、是基于顯式特征的方法所謂的顯式特征，即指人類肉眼可以直觀看到的特征，如膚色、臉部結(jié)構(gòu)、臉部輪廓等?；陲@式特征的方法是指通過(guò)肉眼的觀察，總結(jié)概括出人臉區(qū)域12區(qū)別于“非人臉”區(qū)域的特征，根據(jù)與被檢測(cè)區(qū)域的對(duì)比，即是否滿足這些人臉特征，從而判定該區(qū)域包含人臉與否。根據(jù)所選擇的“人臉特征” ，基于顯式特征的方法可以分為三類：模板匹配的方法、基于膚色模型的方法、基于先驗(yàn)知識(shí)的方法。以上三類方法的優(yōu)缺點(diǎn)概括見(jiàn)表 3-1：表 3-1 優(yōu)缺點(diǎn)對(duì)比基于隱式特征的方法就是將人臉區(qū)域看成一類模式，通過(guò)“人臉” 、 “非人臉”樣本、構(gòu)造分類器的使用，判別圖像中全部可能區(qū)域是否符合“人臉模式”的一類方法來(lái)實(shí)現(xiàn)人臉的

28、檢測(cè)。這類方法可以分為：神經(jīng)網(wǎng)絡(luò)法、特征臉?lè)?、積分圖像法、支持向量法。以上四種方法的優(yōu)缺點(diǎn)比較見(jiàn)表 3-2：表 3-2 優(yōu)缺點(diǎn)對(duì)比表檢測(cè)方法優(yōu) 點(diǎn)缺 點(diǎn)神經(jīng)網(wǎng)絡(luò)法效率較高，錯(cuò)誤報(bào)警數(shù)較少，網(wǎng)絡(luò)監(jiān)測(cè)速度較快多樣本訓(xùn)練所耗的費(fèi)時(shí)間多，網(wǎng)絡(luò)監(jiān)測(cè)錯(cuò)誤報(bào)警數(shù)較多本征臉?lè)艹橄笕四樔啃畔ⅲ\(yùn)算時(shí)間相通過(guò)模板測(cè)效率較低，多模板雖然增加檢測(cè)方法優(yōu) 點(diǎn)缺 點(diǎn)模板匹配具有較強(qiáng)的直觀性和較好的適應(yīng)性對(duì)面部表情的變換敏感；對(duì)于模板的選擇、參數(shù)的確定很困難膚色模型檢測(cè)速度相對(duì)較快陽(yáng)光、背景光線等會(huì)使人臉區(qū)域被分割，導(dǎo)致被漏檢先驗(yàn)知識(shí)的方法對(duì)于復(fù)雜圖像中的人臉檢測(cè)有較大優(yōu)勢(shì)依賴于先驗(yàn)知識(shí)；工作量較大，運(yùn)算時(shí)間較長(zhǎng)13對(duì)

29、較短了效率，但是檢測(cè)時(shí)間較長(zhǎng)積分圖像分析法檢測(cè)速度較快，滿足實(shí)時(shí)檢測(cè)的要求，檢測(cè)效率相對(duì)較高錯(cuò)誤報(bào)警數(shù)與檢測(cè)率成反比支撐向量法具有更好的泛化能力“非人臉”的復(fù)雜造成支持向量數(shù)目較多，導(dǎo)致運(yùn)算復(fù)雜度變大運(yùn)用 matlab 軟件仿真進(jìn)行人臉檢測(cè)定位實(shí)例：人臉檢測(cè)定位程序：% Reading of a RGB image原始圖像 i=imread(F:2.JPG);I=rgb2gray(i);BW=im2bw(I);figure,imshow(BW) %灰度圖像及均衡化灰度圖像 n1 n2=size(BW);r=floor(n1/10);c=floor(n2/10);x1=1;x2=r;s=r*c;

30、 for i=1:10 y1=1;y2=c; for j=1:10 if (y2=9*c) | (x1=1 | x2=r*10) loc=find(BW(x1:x2, y1:y2)=0);14 o p=size(loc); pr=o*100/s; if prmx & (BB2(1,k)/BB2(1,k+1)1.815 mx=p; j=k; endendfigure,imshow(I);hold on;rectangle(Position,BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j),EdgeColor,r ) 1.原始圖片 2.灰度圖片 3.均衡化灰度

31、圖片 4.人臉定位163.3 匹配與識(shí)別人臉人別系統(tǒng)的最后一步是人臉識(shí)別。人臉識(shí)別，即通過(guò)對(duì)所采集到的人臉圖像進(jìn)行一系列處理，提取待識(shí)別人臉圖像的特征信息，通過(guò)與已存人臉數(shù)據(jù)庫(kù)信息進(jìn)行匹配識(shí)別，確定待識(shí)別人臉圖像的基本信息。運(yùn)行如下代碼：function varargout = faceCore(varargin)% FACECORE M-file for faceCore.fig% FACECORE, by itself, creates a new FACECORE or raises the existing% singleton*.% H = FACECORE returns the

32、handle to a new FACECORE or the handle to% the existing singleton*.% FACECORE(CALLBACK,hObject,eventData,handles,.) calls the local% function named CALLBACK in FACECORE.M with the given input arguments.% FACECORE(Property,Value,.) creates a new FACECORE or raises the% existing singleton*. Starting f

33、rom the left, property value pairs are% applied to the GUI before faceCore_OpeningFunction gets called. An% unrecognized property name or invalid value makes property application% stop. All inputs are passed to faceCore_OpeningFcn via varargin.17% *See GUI Options on GUIDEs Tools menu. Choose GUI al

34、lows only one% instance to run (singleton).% See also: GUIDE, GUIDATA, GUIHANDLES% Copyright 2002-2003 The MathWorks, Inc.% Edit the above text to modify the response to help faceCore% Last Modified by GUIDE v2.5 28-May-2009 10:21:26% Begin initialization code - DO NOT EDITgui_Singleton = 1;gui_Stat

35、e = struct(gui_Name, mfilename, . gui_Singleton, gui_Singleton, . gui_OpeningFcn, faceCore_OpeningFcn, . gui_OutputFcn, faceCore_OutputFcn, . gui_LayoutFcn, , . gui_Callback, );if nargin & ischar(varargin1) gui_State.gui_Callback = str2func(varargin1);endif nargout varargout1:nargout = gui_mainf

36、cn(gui_State, varargin:);else gui_mainfcn(gui_State, varargin:);18end% End initialization code - DO NOT EDIT% - Executes just before faceCore is made visible.function faceCore_OpeningFcn(hObject, eventdata, handles, varargin)% This function has no output args, see OutputFcn.% hObject handle to figur

37、e% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% varargin command line arguments to faceCore (see VARARGIN)% Choose default command line output for faceCorehandles.output = hObject;% Update handles structureguidata(hObje

38、ct, handles);% UIWAIT makes faceCore wait for user response (see UIRESUME)% uiwait(handles.figure1);% - Outputs from this function are returned to the command line.function varargout = faceCore_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT);%

39、hObject handle to figure19% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% Get default command line output from handles structurevarargout1 = handles.output;% - Executes on button press in pushbutton1.function pushbutton1

40、_Callback(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global TrainDatabasePath ;TrainDatabasePath = uigetdir(strcat(matlabroot,work), 訓(xùn)練庫(kù)路徑選擇. );% -

41、 Executes on button press in pushbutton2.function pushbutton2_Callback(hObject, eventdata, handles)% hObject handle to pushbutton2 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global TestDatabasePath;TestDatab

42、asePath = uigetdir(strcat(matlabroot,work), 測(cè)試庫(kù)路徑選擇.);% - Executes on button press in pushbutton3.20%function pushbutton3_Callback(hObject, eventdata, handles)% hObject handle to pushbutton3 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles

43、and user data (see GUIDATA)%filename,pathname=uigetfile(*.jpg;*.bmp,);%str=pathname filename;%im=imread(str);%axes(handles.axes1);%imshow(im);% - Executes on button press in pushbutton4.function pushbutton4_Callback(hObject, eventdata, handles)% hObject handle to pushbutton4 (see GCBO)% eventdata re

44、served - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global TrainDatabasePath ;global TestDatabasePath;global T;T = CreateDatabase(TrainDatabasePath);%m V_PCA V_Fisher ProjectedImages_Fisher = FisherfaceCore(T);% - Executes on button press i

45、n pushbutton5.function pushbutton9_Callback(hObject, eventdata, handles)% hObject handle to pushbutton5 (see GCBO)21% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)global im;filename,pathname=uigetfile(*.jpg;*.bmp,選擇測(cè)試圖片.)

46、;str=pathname filename;im=imread(str);axes(handles.axes1);imshow(im);% - Executes on button press in pushbutton6.function pushbutton6_Callback(hObject, eventdata, handles)% hObject handle to pushbutton6 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure w

47、ith handles and user data (see GUIDATA)%T = CreateDatabase(TrainDatabasePath);global T;global im;global TrainDatabasePath ;m V_PCA V_Fisher ProjectedImages_Fisher = FisherfaceCore(T);OutputName = Recognition(im, m, V_PCA, V_Fisher, ProjectedImages_Fisher);SelectedImage = strcat(TrainDatabasePath,Out

48、putName);SelectedImage = imread(SelectedImage);axes(handles.axes2);imshow(SelectedImage);%title(Equivalent Image);22% - Executes on button press in pushbutton7.function pushbutton7_Callback(hObject, eventdata, handles)% hObject handle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in

49、a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear all;clcclose(gcf);執(zhí)行上述代碼后效果如下圖所示：如上圖所示，當(dāng)我們選擇待識(shí)別照片后，點(diǎn)擊圖像匹配，可以快速匹配到與該測(cè)試圖像特征信息相符合的訓(xùn)練庫(kù)中的人臉圖像，效果圖如下：23結(jié)論圖像是人類日常生活和工作中獲取和交換信息的重要來(lái)源，人臉圖像的識(shí)別技術(shù)已經(jīng)應(yīng)用到了生活中的方方面面?；?Matlab 的人臉識(shí)別系統(tǒng)的仿真的研究很有意義。目前到處可見(jiàn)攝像頭，監(jiān)控錄像，這些的普及，使人臉識(shí)別具有重大商

50、業(yè)價(jià)值。在本文圖像處理時(shí)，用到如灰度變化、格式轉(zhuǎn)換和濾波銳化等基本方法來(lái)實(shí)現(xiàn)圖像處理。通過(guò)對(duì)一些算法，方法的比較，選擇了比較合理的方法進(jìn)行圖像預(yù)處理。在比較人臉識(shí)別的幾種方法后，我們最終選擇了通過(guò)人臉圖像的直方圖差值進(jìn)行比較從而實(shí)現(xiàn)了人臉識(shí)別。事實(shí)證明，這種方法對(duì)人臉能更好的分類，但其對(duì)于人臉圖像的像素質(zhì)量等要求較高，而我們只是采用 Orl 標(biāo)準(zhǔn)的人臉數(shù)據(jù)庫(kù)中的圖像完成測(cè)試，因此可以得到較高的識(shí)別率。在對(duì)大量參考文獻(xiàn)資料的閱讀的基礎(chǔ)上，本設(shè)計(jì)對(duì)基于 Matlab 的人臉識(shí)別這一技術(shù)做了詳細(xì)的綜述。然而，在現(xiàn)實(shí)生活中由于受到采集距離、光線明暗、人臉角度等因素的影24響，采集到的人臉圖像與人臉庫(kù)進(jìn)

51、行匹配識(shí)別時(shí)，識(shí)別率很難可以達(dá)到測(cè)試要求。因此，在實(shí)際應(yīng)用時(shí)還要根據(jù)具體情況進(jìn)行分析。本次基于 Matlab 的人臉識(shí)別系統(tǒng)的仿真設(shè)計(jì)到這里就結(jié)束了，在設(shè)計(jì)過(guò)程中，雖然對(duì)幾種方法進(jìn)行了對(duì)比選擇，但是還是有很多不足，可能很多問(wèn)題想的不夠充分，設(shè)計(jì)中有些數(shù)據(jù)可能會(huì)有偏差，因此在今后的學(xué)習(xí)生活中要更加努力，不斷地提高自己的科學(xué)文化水平和各方面素質(zhì)。致謝在佳木斯大學(xué)的學(xué)習(xí)生活即將結(jié)束，現(xiàn)在想想對(duì)母校還是有很多留戀。在做畢業(yè)設(shè)計(jì)的這段時(shí)間里，我的老師、同學(xué)們對(duì)我給予了非常多的幫助，在這里，謹(jǐn)向他們致以最真誠(chéng)的感謝！尤為感謝的，是我的導(dǎo)師周經(jīng)國(guó)老師。周老師學(xué)識(shí)淵博，思想敏銳，洞察力超強(qiáng)，治學(xué)態(tài)度嚴(yán)謹(jǐn)，平易

52、近人。在我做畢業(yè)設(shè)計(jì)的這段時(shí)間里，常常會(huì)被一些難題所困擾，弄得焦頭爛額。是周老師教導(dǎo)我，激勵(lì)我，對(duì)我給予了細(xì)心地指導(dǎo)和悉心的教誨，讓我擺脫困境，重新找回自信心。同時(shí)，我也要感謝教導(dǎo)過(guò)我的所有老師。是你們毫無(wú)保留的指導(dǎo)和細(xì)致耐心的幫助，我才能順利完成這次畢業(yè)設(shè)計(jì)。最后，我還要感謝身邊的朋友和同學(xué)，在大學(xué)生活的四年里，我在你們的陪伴中成長(zhǎng)，謝謝你們?cè)谧霎厴I(yè)設(shè)計(jì)這段日子里給予我的幫助。真心的感謝所有在生活、學(xué)習(xí)中幫助過(guò)我的良師益友，謝謝你們！25參考文獻(xiàn)1何東健，耿楠，張義寬.數(shù)字圖像處理（第二版）.西安電子科技大學(xué)出版社，2008.5：1-3252于萬(wàn)波.基于 MATLAB 的圖像處理.清華大學(xué)出

53、版社，2008.3:1-2183陳書海，傅錄祥.實(shí)用數(shù)字圖像處理.北京科學(xué)出版社，20054崔屹.數(shù)字圖像處理與應(yīng)用.北京：電子工業(yè)出版社，19975何東健，楊青.實(shí)用圖像處理技術(shù).陜西科學(xué)技術(shù)出版社，19986呂風(fēng)軍.溯溪圖像處理編程入門.清華大學(xué)出版社，19997章毓晉.圖像工程：圖像處理和分析（上）.清華大學(xué)出版社，19998章毓晉.圖像工程：圖像分析（中）.清華大學(xué)出版社，20059章毓晉.圖像工程：圖像理解與計(jì)算機(jī)視覺(jué)（下）.清華大學(xué)出版社，200010朱秀昌，劉峰，胡棟.數(shù)字圖像處理與圖像通信.北京郵電大學(xué)出版社，200211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，

54、200912劉剛.MATLAB 數(shù)字圖像處理M.北京：機(jī)械工業(yè)出版社，20102613徐倩，鄧偉. 一種融合兩種主成分分析的人臉識(shí)別方法J.計(jì)算機(jī)學(xué)報(bào)，200714郭文強(qiáng)，侯勇嚴(yán).數(shù)字圖像處理.西安電子科技大學(xué)出版社，200915張宜華.精通 MATLAB5.清華大學(xué)出版社，199916張兆禮.現(xiàn)代圖像處理技術(shù)及 MATLAB 實(shí)現(xiàn).人民郵電出版社，200117Wangmeng Zuo，Kuanquan Wang，David Zhang，Hongzhi Zhang. Combination of two novel LDA-based methods for face recognitionC

55、.Proceedings of the IEEE，200718何東風(fēng).人臉識(shí)別技術(shù)綜述J.計(jì)算機(jī)學(xué)報(bào)，200319The Mathworks.MATLAB User GUIdesDB/OL.2009附錄 1 人臉識(shí)別的 MATLAB 源程序（1）色彩空間轉(zhuǎn)換：function r,g=rgb_RGB(Ori_Face)R=Ori_Face(:,:,1);G=Ori_Face(:,:,2);B=Ori_Face(:,:,3);R1=im2double(R); % 將 uint8 型轉(zhuǎn)換成 double 型G1=im2double(G);B1=im2double(B);RGB=R1+G1+B1;r

56、ow=size(Ori_Face,1); % 行像素column=size(Ori_Face,2); % 列像素for i=1:row27for j=1:column rr(i,j)=R1(i,j)/RGB(i,j); gg(i,j)=G1(i,j)/RGB(i,j);endendrrr=mean(rr);r=mean(rrr);ggg=mean(gg);g=mean(ggg);（2）找區(qū)域邊界function left, right, up, down = bianjie(A)m n = size(A);left = -1;right = -1;up = -1;down = -1;for j

57、=1:n, for i=1:m, if (A(i,j) = 0) left = j; break; end; end; if (left = -1) break; end;end;for j=n:-1:1,for i=1:m,if (A(i,j) = 0) right = j; break;28end;end;if (right = -1) break; end;end;for i=1:m,for j=1:n, if (A(i,j) = 0) up = i; break; end;end; if (up = -1) break; end;end;for i=m:-1:1, for j=1:n,

58、 if (A(i,j) = 0) down = i; break; end; end; if (down = -1) break; end;end;（3）模板匹配function ccorr, mfit, RectCoord = mobanpipei(mult, frontalmodel,ly,wx,cx, cy, angle)frontalmodel=rgb2gray(frontalmodel); 29model_rot = imresize(frontalmodel,ly wx,bilinear); % 調(diào)整模板大小model_rot = imrotate(model_rot,angle,

59、bilinear); % 旋轉(zhuǎn)模板l,r,u,d = bianjie(model_rot); % 求邊界坐標(biāo)bwmodel_rot=imcrop(model_rot,l u (r-l) (d-u); % 選擇模板人臉區(qū)域modx,mody =center(bwmodel_rot); % 求質(zhì)心morig, norig = size(bwmodel_rot); % 產(chǎn)生一個(gè)覆蓋了人臉模板的灰度圖像mfit = zeros(size(mult);mfitbw = zeros(size(mult);limy, limx = size(mfit);% 計(jì)算原圖像中人臉模板的坐標(biāo)startx = cx-

60、modx;starty = cy-mody;endx = startx + norig-1;endy = starty + morig-1;startx = checklimit(startx,limx);starty = checklimit(starty,limy);endx = checklimit(endx,limx);endy = checklimit(endy,limy);for i=starty:endy,for j=startx:endx,mfit(i,j) = model_rot(i-starty+1,j-startx+1);end;end;ccorr = corr2(mfit,mult)