人臉識別系統(tǒng)畢業(yè)論文

....人臉識別系統(tǒng)畢業(yè)論文第一節(jié)課題背景一課題的來源隨著安全入口控制和金融貿(mào)易方面應(yīng)用需要的快速增長，生物統(tǒng)計識別技術(shù)得到別最們?nèi)脒@安紀0年，目主要應(yīng)在公安、金融、網(wǎng)安全、業(yè)管以及考等領(lǐng)。二人臉識別技術(shù)的研究意義1、富有挑戰(zhàn)性的課題2、面部關(guān)鍵特征定位及人臉2D形狀檢測技術(shù)3、面部感知系統(tǒng)的重要容基于視覺通道信息的面部感知系統(tǒng)，包括人臉檢測和跟蹤、面部特征定位、面部識別、人臉歸類（年齡、種族、性別等的判別、表情識別、唇讀等分系統(tǒng)，如圖1-1所式可以看出繼人臉檢測和跟追之后面部特征定位通常是面部感知的一個必備環(huán)節(jié)，備功能，但是，可以肯定的是，利用已知的身份信息，結(jié)合特定人的先驗知識，可以提者身份確認的最直接的應(yīng)用就是基于特定使用者的環(huán)境設(shè)置：如使用者的個性化工作環(huán)境，信息的共享和隱私保護等等。.參考資料.....視頻輸入

跟蹤

人臉檢測和

面部特征定位

臉別 份息情析 感態(tài)別斷 別息族斷 族息齡別 齡息唇讀 形別圖1-1面部感知系統(tǒng)結(jié)構(gòu)圖第二章系統(tǒng)的需求分析與方案選擇人臉識別系統(tǒng)現(xiàn)在應(yīng)用于許多領(lǐng)域中，但是人臉識別技術(shù)也是一項近年來興起的，的。第一節(jié)可行性分析開簡。一技術(shù)可行性圖像的處理方法很多，我們可以根據(jù)需要，有選擇地使用各種方法。在確定臉部區(qū)域上，通常使用的方法有膚色提取。膚色提取，則對臉部區(qū)域的獲取則比較準確，成功率達到95%以上，并且速度快，減少很多工作。圖像的亮度變化，由于圖像的亮度在不同環(huán)境的當中，必然受到不同光線的影響，行。高斯平滑：在圖像的采集過程中,由于各種因素的影響,圖像中往往會出現(xiàn)一些不規(guī).參考資料.....則的隨機噪,如數(shù)據(jù)在傳輸存儲時發(fā)生的數(shù)據(jù)丟失和損壞,這些都會影響圖像的質(zhì)量，因此需要將圖片進行平滑操作以此來消除噪聲?；叶茸儞Q：進行灰度處理，我們要保證圖像信息盡可能少的丟失。同樣在進行灰度度。。對比度增強：將所要處理的區(qū)域和周圍圖像區(qū)域進一步拉開他們的對比度，使它們更加明顯，主要通過像素的聚集來實現(xiàn)。二操作可行性該人臉識別軟件需要如下的運行環(huán)境CP：500M及以上；存4M裝有s8、se、s0、sT。硬。第二節(jié)需求分析一應(yīng)用程序的功能需求分析獲預處本：圖像獲取功能：后。.參考資料.....圖像預處理功能：現(xiàn)。人臉定位功能：，。特征提取功能：該模塊是在定位后的人臉圖片中將眼睛、鼻子、嘴巴的特征值提取出來。識別功能：該模塊是將從圖片中提取的特征值和后臺數(shù)據(jù)庫中的值進行比較來完成識別功能。第三章系統(tǒng)的概要設(shè)計本章主要介紹系統(tǒng)的結(jié)構(gòu)設(shè)計的流程以及系統(tǒng)各模塊的功能及相關(guān)原理。（一）應(yīng)用程序的總體結(jié)構(gòu)設(shè)計流程圖如圖3－1所示：圖3－1總體結(jié)構(gòu)設(shè)計流程圖用戶從“文件菜單中擇“打”選項在彈出的“打開”對話框中選擇要打開的位圖，點擊“確定，應(yīng)用程序顯示所要打開的位圖.參考資料.....獲取臉部區(qū) 圖象預處理域

人臉定 獲取特征參 識別位 數(shù)顯示識別結(jié)果（二）圖像預處理的層次圖如圖3-2所示：圖3-2預處理的層次圖預處理光 圖 高均 圖 二線 像 斯衡 像 值補 灰 平直 對 化償 度 滑方 比化 圖 度增強第一節(jié)各模塊功能概述.參考資料.....以上是該系統(tǒng)的總體結(jié)構(gòu)設(shè)計圖以及圖像預處理模塊的層次圖下面介紹系統(tǒng)中的各模塊的功能及算法：圖像獲取模塊圖。人臉區(qū)域獲取該系統(tǒng)中圖像里人臉區(qū)域的獲取，主要是根據(jù)膚色來進行獲取，通過膚色非線形分段色彩變換來實現(xiàn)這一非線性分段色彩變換得到的膚色模型屬于色彩空間中的聚類模型，這一類膚色模型的建立首先要選取一種合適的色彩空間。圖像預處理模塊圖像預處理就是對獲取得來的圖像進行適當?shù)奶幚硎顾哂械奶卣髂軌蛟趫D像中明顯的表現(xiàn)出來。該模塊中的子模塊有如下5個，下面對它們進行概述：·光線補]提到Y(jié)B色它。YB是間，Y，Cr表，Cb表把Cr和Cb稱色。B色的C1編模?！せ一痆]圖，。·高理[]，丟.參考資料.....噪滑效?！奫]圖素的?！ざ痆]理解和量。二值化像，“1”“0來組?！ぶ焙鈁] 點變 均衡處理，直方圖變換式是 HDHAfD：B ffD1；2。人臉定位模塊人臉定位是將典型的臉部特征（如眼睛，鼻尖，嘴唇等等）標記出來，在本系統(tǒng)標面，且嘴巴也。.參考資料.....特征提取模塊特征提取按以下4個步驟進行：（1、提取兩只眼睛的距離（2、眼睛的傾角度（3、眼睛、嘴巴的重心（4、用一個矩形標出每一個特征在特征提取完之后將會得到相應(yīng)的特征值以便存入后臺數(shù)據(jù)庫。識別模塊該模塊通過與庫存中的特征向量進行比較，找出與特征最相近的參數(shù)，再對該參數(shù)進一步分析。如果分析在我們所確認的圍，我們就認為該人就是我們所要找的。然后從庫存中提取出該人相關(guān)的信息，并顯示出來。如果庫存中沒有，則給出提示是否對存庫作為樣本。第四章系統(tǒng)的詳細設(shè)計本章主要對圖像處理這一模塊進行詳細介紹對其子模塊所用到的算法及具體實現(xiàn)進行詳細講述。第一節(jié)系統(tǒng)的運行流程圖設(shè)計DIB）設(shè)計DIB）攝，將圖像顯示并。。、輸入1、啟動本系統(tǒng)，進入人臉識別系界。

1、對圖片進行光線補 輸出償、將圖片變成灰色、1、識別出實現(xiàn)圖片對比度增強，圖片上的二值化變換等一系列預 人。處二節(jié)圖像處理詳細設(shè)計2將處理好的人臉圖片進行詳細進行定位，標出眼睛、1并設(shè)備無關(guān)位圖（3對定位好的人臉圖片

2結(jié)退出保存。 進行特征提取操作.參考資料.....VC+沒有提供使用十分方便的DIB繪制方法只好自己去創(chuàng)建一個實用的DIB類了。本系統(tǒng)中建立了一個專門的類DIB來處理設(shè)備無關(guān)位圖，表4－1列出了對位圖的操作函數(shù)。函數(shù) 功能y）e）B）e）te）t）e）r）t）h）e）t）t）

存塊息息償值制B象數(shù)取B度取B度數(shù)數(shù)數(shù)表6－1Dib類的部分功能二計，應(yīng)由間。特輸為A（x，y為B（x，y：B（x，y）=A（x，y）]式2）數(shù)f（D（yen，T述全.參考資料.....被確定下來了。顯編。1償（1：采們。以ln圖形-前%像于0”（ee的R、G、B為5其。（2）具體實現(xiàn)光線補償功能：明白了光線補償這功能的算法及思想就可以編碼實現(xiàn)其功能了實現(xiàn)過程如下：①、編輯菜單IDR_MAINFRA，先在其中添加一菜單項，將其命名為“預處理，并在此其D為E對件w．p數(shù))在idCcttw:Rygnone)中添下：hDIBTemp=gDib.CopyHandle(hDIB);gDib.LightingCompensate(hDIB);GlobalUnlock(hDIB);Invalidate();光線補償功能實質(zhì)上是用上段代碼中的LightingCompensat（）函數(shù)來進行實現(xiàn)。函數(shù)LightingCompensat（）是類DIB的一個成員函數(shù)。其核心代碼如下所述：/下面的循環(huán)對圖像進行光線補償for(i=0;i<height;i++)for(intj=0;j<width;j++){//獲取像素偏移.參考資料.....lOffset=this->PixelOffset(i,j,wBytesPerLine);//得到藍色分量*(lpData+lOffset)=colorb;//綠色分量colorb=*(lpData+lOffset+1);colorb*=co;if(colorb>255)colorb=255;*(lpData+lOffset+1)=colorb;//紅色分量colorb=*(lpData+lOffset+2);colorb*=co;if(colorb>255)colorb=255;*(lpData+lOffset+2)=colorb;}②光線補償?shù)男Ч麍D如下所示：圖4-1原圖.參考資料.ba.ba圖4-2光線補果圖2、圖像灰化（1）算法思想①彩色轉(zhuǎn)換成灰度將彩色圖像轉(zhuǎn)化為灰階圖像常采用如下的經(jīng)驗式：gra＝0.3×R＋0.5×G＋0.1×B（式3）其中g(shù)ray為灰度值R、G、B分別為紅色、綠色和藍色分量值。②灰度比例變換灰度比例變換是把原像素的灰度乘以一個縮放因子，并最后截[0,255。③灰度線性變換當圖像由于成像時曝光不足或曝光過度，會產(chǎn)生對比度不足的弊病，從而使圖像性：g= (dc)(fa)c,f[a,b（式4）f，其他式中f是原像素的灰度g于]度區(qū)間]，而在[a]區(qū)里a，b，c，d，f，g均.參考資料.....為[0,255之間的整數(shù)值?？梢奱被映射為c，b被映射為d。④灰度線性截斷灰度線性截斷的思想是：如果原像素的灰度小于a，則該像素的灰度等于c；如果原像素的灰度大于b，則該像素的灰度等于d。（2）具體實現(xiàn)灰度化功能在明白了灰度化的原理之后，就可進行編碼來實現(xiàn)該功能。①編輯菜單IDR_MAINFRA，先在其中添加一菜單項，將其命名為”圖像灰度化,并將其ID號設(shè)為ID_READY_SCALE,對應(yīng)文件FaceDetectView．Cpp中的函數(shù)ReadyLightingconpensate(實現(xiàn).②現(xiàn)該模塊的核心代碼如下：獲取藍色分量ColorB=*(lpData+獲取綠色分量ColorG=*(lpData+獲取紅色分量ColorR=*(lpData+計算灰度值

lOffset);lOffset+1);lOffset+2);gray=(ColorG*50+ColorR*39+ColorB*11)/100;顯示灰度圖像*(lpData+lOffset)=gray;*(lpData*(lpData

+lOffset+1)=gray;+lOffset+2)=gray;中a，t，y值③：.參考資料.....圖4-3圖像灰度化效果圖3、高斯平滑（1）算法思想一種然以9：11 1911·1111素：1·11911 111 1的8相值（以9作為圖中像素的度值果模為 2．，1則表示自身度值的2倍加下邊的素灰度作為值而2 則表示自身1．灰度值上邊素灰值的2后是1．0是1111102 222223333344444為5555-8888-1111-.參考資料.....-----“-”表示邊界上無法進行模板操作的點，一般的做法是復制原圖的灰度值，不再進行灰。在圖像的采集過程中,由于各種因素的影響,圖像中往往會出現(xiàn)一些不規(guī)則的隨機噪,等,理噪聲點的過程稱之為平滑,平滑可以降低圖像的視覺噪聲,同時除去圖像中的高頻部分后,那些本來不明顯的低頻成分更容易識別。而噪聲點一般是孤立的點,噪聲點的像素灰度與它們的近鄰像素有顯著的區(qū)別,即灰度變化總在這附近有突變高頻。平滑可用卷積來實現(xiàn),平滑的頻率截止點由卷積核的大小及卷積系數(shù)決定。用于平滑濾波的卷積核叫做低通過濾波器,低通過濾波器具有如下的特征:1卷積核的行、列數(shù)為奇,通常為3×3的矩;2卷積系數(shù)以中心點為中心對稱分布;3所有的卷積系數(shù)都為正;4距離中心較遠的卷積系數(shù)的值較小或保持不;5卷積后的結(jié)果不改水滑,核:999999999

000050000

666666666L1 2 3通常的處理是:將中心點周圍八個點的像素值乘于各自矩陣相應(yīng)的系數(shù)后相加得到一個值,然后將這個值乘上中心點的系數(shù),中心點的像素值賦為得到的最后值。一般來說,不同的噪聲有各自針對性的卷積算法。本文使用的卷積算法是高斯卷積核,亦即上面卷積核的LP。高斯卷積是通過采樣2維高斯函數(shù)得到的。高斯平滑算法的優(yōu)點是平滑后圖像的失真,算法更具備通用,能去除不同的噪聲干擾需要注意的:在平滑處理,圖像邊界點無法處,因此循環(huán)圍應(yīng)設(shè)定在圖像邊界。（2）具體實現(xiàn)高斯平滑功能知道高斯平滑原理之后，可進行編碼將其實現(xiàn)：①編輯菜單IDR_MAINFRA平其D為e。② 類w其代碼如下：//進行模板操作Template(tem,3,3,xishu);Invalidate(TRUE);.參考資料.....其中tem是模板參數(shù)xishu是模板系數(shù)Templat（）函數(shù)是實現(xiàn)高斯平滑的主要函數(shù)，其核心代碼是：for(m=i-((tem_h-1)/2);m<=i+((tem_h-1)/2);m++){for(n=j-((tem_w-1)/2);n<=j+((tem_w-1)/2);n++)注：（ij置加*;}將結(jié)果乘上總的模板系數(shù)sum=(int)sum*xishu;計算絕對值sum=fabs(sum);如果小于0，強制賦值為0if(sum<0)sum=0;如果大于25，強制賦值為255if(sum>255)sum=255;HeightTemplate[i][j]=sum；③高斯平滑效果圖：見下圖4-4圖4-4高斯平滑效果圖.參考資料.....4、灰度均衡（1）算法思想灰度均衡也稱直方圖均衡，目的是通過點運算使輸入轉(zhuǎn)換為在每一灰度級上都有相同的像素點數(shù)的輸出圖像（即輸出的直方圖是平的。這對于在進行圖像比較或分割之前將圖像轉(zhuǎn)化為一級的格式是十分有效的。按照圖像的概率密度函數(shù)PD，歸一化帶單位面積的直方圖）的定義：P（x）=10*（x（式5）其中H（x）為直方圖A0為圖像的面積，設(shè)轉(zhuǎn)換前圖像的概率密度函數(shù)為P（r，轉(zhuǎn)換后圖像的概率密度函數(shù)為P（S，轉(zhuǎn)換函數(shù)為s=f（r知：s（S）=r（r）*drds（式6）這樣，如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)1（即直方圖是平的）則必須滿足：P（r）=drds（式4－）等式兩邊積分，得：

S=（r）=0P（u）du=10 0H（）u(式7)該式為累布數(shù)上式歸推對有的，求大值（Dax，對度是255）即，衡換：DB=f（A）=DMax H（u）u式1）：B=f（DA）=DMaxDA式8）中i第i。（2現(xiàn)變B的調(diào)色板和文件夾，只要把指向DIB像素起始位置的指針和DIB核：.參考資料.....*(lpData+lOffset)=state;//顯示衡*(lpData+*(lpData+

lOffset+1)=state;lOffset+2)=state;（3）效果圖圖4-5灰度均衡效果圖5、圖像對比度增強（1）算法思想：在對圖像均衡直方圖處理以后便可對圖像進行對比度增強進一步拉開對比度。它者起。。（2）：①單M，現(xiàn)其D為e。②類CFaceDetectView中添加“實現(xiàn)圖像對比度增強”菜單項的事件處理程序，其代碼如下；lOffset=gDib.PixelOffset(i,j,gwBytesPerLine);獲取圖像灰度增強函數(shù).參考資料.....intstate=IncreaseContrast(ZFT[k][k1],100);顯示灰度增強后的圖像*(lpData+lOffset)=state;*(lpData+*(lpData+

lOffset+1)=state;lOffset+2)=state;其中IncreaseContra（）函數(shù)是實現(xiàn)圖像對比度增強的關(guān)鍵函數(shù)，該根據(jù)參數(shù)n來調(diào)節(jié)對比度n越大，對比越強烈，其核心是：如果數(shù)據(jù)很小，設(shè)置為0if(pByte<=Low)return0;獲得中間數(shù)據(jù)，并進行對比增強處理elseif((Low<pByte)&&(pByte<High))returnint(((pByte-Low)/Grad));如果數(shù)據(jù)很大，設(shè)置為255elsereturn255;③效果圖圖4-6對比度增強效果圖2.3圖像處理功能的Matlab實現(xiàn)實例本文通過運用圖像處理工具箱的有關(guān)函數(shù)對一人臉的彩色圖像進行處理。1圖像類型的轉(zhuǎn)換.參考資料.....因后面的圖像增,邊緣檢測都是針對灰度圖像進行,而我們的原圖是RGB圖像,所以首先我們要對原圖類型進行轉(zhuǎn)換。實現(xiàn)過程代碼如:i=imread('f:\face1.jpg');j=rgb2gray(i);imshow(j);imwrite(j,'f:\face1.tif')效果圖2.1圖21)圖強)灰化通過比較原圖和直方圖均衡化后的圖像可見,圖像變得更清晰,而且均衡化后的直方圖比原直方圖的形狀更理想。該部分的程序代碼如:i=imread('f:\face1.tif');j=histeq(i);imshow(j);figure,subplot(1,2,1),imhist(i);subplot(1,2,2),imhist(j)執(zhí)行后的效果圖如圖2.2和圖2.3:.參考資料.....圖2.2化灰像 圖2.3均衡化前后的直方圖對比圖)灰理平滑濾波器的目的在于模糊圖像或消除噪聲,Matlab7.0圖像處理工具箱提供了medfilter2(函數(shù)用于實現(xiàn)中值濾,wiener2(實現(xiàn)對圖像噪聲的自適應(yīng)濾波在本文實例中,為了使濾波效果更明顯,我們事先為圖像認為增加濾波,然后用自適應(yīng)濾波方法對圖像進行濾波。銳化處理的目的在于強調(diào)圖像被模糊的細節(jié),在本實例中采用了預定義高斯濾波器的方法對圖像進行銳化濾波。功能實現(xiàn)的代碼如:i=imread('f:\fae1.tif');j=imnoise(i,'guas