【正文】 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 1 人臉識(shí)別 方法 的研究 目 錄 第一章 緒論 第一節(jié) 課題背景 一 課題的來源 1 二 人臉識(shí)別技術(shù)的研究意義 1 第二節(jié) 人臉識(shí)別技術(shù)的國(guó)內(nèi)外發(fā)展概況 3 一 國(guó)外發(fā)展概況 2 二 國(guó)內(nèi)發(fā)展概況 4 第二 章 系統(tǒng)的需求分析和方案選擇 5 第一節(jié) 可行性分析 5 一 技術(shù)可行性分析 5 二 操作可行性分析 5 第二節(jié) 需求分析 6 一 應(yīng)用程序的功能需求分析 6 二 開發(fā)環(huán)境的需求分析 7 三 運(yùn)行環(huán)境的需求分析 7 第三節(jié) 預(yù)處理方案選擇 7 一 設(shè)計(jì)方案原則的選擇 7 二 圖像文件格式選擇 8 三 開發(fā)工具選擇 8 四 算法選擇分析 8 第三章 系統(tǒng)的概要設(shè)計(jì) 9 第一節(jié) 各模塊功能簡(jiǎn)介 9 第四章 系統(tǒng)詳細(xì)設(shè)計(jì) 14 第一節(jié) 系統(tǒng)整體設(shè)計(jì)簡(jiǎn)述 14 第二節(jié) 圖像處理詳細(xì)設(shè)計(jì) 14 一 位圖詳細(xì)設(shè)計(jì) 14 二 圖像點(diǎn)處理詳細(xì)設(shè)計(jì) 15 （二） 光線補(bǔ)償算法和代碼實(shí)現(xiàn) 16 （三） 圖像灰度化算法和代碼實(shí)現(xiàn) 18 （四） 高斯平滑算法和代碼實(shí)現(xiàn) 20 （五） 灰度均衡算法和代碼實(shí)現(xiàn) 23 （六） 圖像對(duì)比度增強(qiáng)算法和代碼實(shí)現(xiàn) 25 第三節(jié) 編程時(shí)的問題解決 26 第五章 結(jié)構(gòu)設(shè)計(jì) 28 第六章 測(cè)試 35 第一節(jié) 測(cè)試方案選擇的原則 35 第二節(jié) 測(cè)試方案 36 結(jié)束語(yǔ) 37 致 謝 參考文獻(xiàn) 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 2 摘要 人臉識(shí)別因其在安全驗(yàn)證系統(tǒng)、信用卡驗(yàn) 證、醫(yī)學(xué)、檔案管理、視頻會(huì)議、人機(jī)交互、系統(tǒng)公安 (罪犯識(shí)別等 )等方面的巨大應(yīng)用前景而越來越成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。 本文 提出了基于 24位彩色圖像對(duì)人臉進(jìn)行識(shí)別的方法， 介紹的主要內(nèi)容是圖像處理，它在整個(gè)軟件中占有極其重要的地位，圖像處理的好壞直接影響著定位和識(shí)別的準(zhǔn)確率。本軟件主要用到的圖像處理技術(shù)是：光線補(bǔ)償、高斯平滑和二值化。在識(shí)別前，先 對(duì)圖像進(jìn)行補(bǔ)光處理，再通過膚色獲得可能的臉部區(qū)域，最后根據(jù)人臉固有眼睛的對(duì)稱性來確定是否就是人臉，同時(shí)采用高斯平滑來消除圖像的噪聲，再進(jìn)行二 值化，二值化主要采用局域取閾值方法，接下來就進(jìn)行定位、提取特征值和識(shí)別等操作。經(jīng)過測(cè)試，圖像預(yù)處理模塊對(duì)圖像的處理達(dá)到了較好的效果，提高了定位和識(shí)別的正確率。 【 關(guān)鍵字 】 ：人臉識(shí)別；光線補(bǔ)償；高斯平滑；對(duì)比度增強(qiáng) 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 3 Abstract Face recognition is a plex and difficult problem that is important for surveillance and security, telemunications, digital libraries , video meeting, and humanputer intelligent interactions. The paper introduced the method of face recognition that based on the 24 bit multicolor image, Main content that the paper introduced is the picture treatment, It occupies the extremely important position in the whole software, the quality of picture process directly influenced the accuracy rate of localization and discerning. The picture process technology that the software mainly used included : light pensating、 gauss smooth and twain value method. before discerning, we pensated the light for image, then we could obtain the possible face area through the plexion, finally, the system could depend on the symmetry of eyes to make sure whether it is the face of people, at the same time, the system could eliminate noises through the method that named gauss smoothness, then we used twain value method to deal with picture， the method got the threshold value in face area . After dealing with picture , the following operations are localization、 draw characteristic value 、 discerning and so on . After testing, we made true that the picture pretreatment modal has get the better effect in the process of dealing with picture, and improve the exactness rate of localization and discerning. 【 key word】 : Face recognition； light pensating； gauss smooth； contrast enhancing 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 4 第一章 前言 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(zhǎng)， 生物統(tǒng) 計(jì)識(shí)別技術(shù)得 到了新的 重視 。目 前 ， 微 電子和 視覺系統(tǒng) 方 面 取得的新進(jìn) 展 ，使該 領(lǐng)域 中 高性能自動(dòng) 識(shí)別技術(shù)的實(shí) 現(xiàn) 代 價(jià)降低到 了可以 接受 的 程度 。而人臉識(shí)別是所有的 生物 識(shí)別方法中應(yīng)用 最廣泛 的技術(shù) 之 一， 人臉識(shí)別技術(shù)是 一項(xiàng)近年來興起的，但不大為人所知的新技術(shù)。人們更多的是在電影中看到這種技術(shù)的神奇應(yīng)用：警察將偷拍到的嫌疑犯的臉部照片，輸入到電腦中，與警方數(shù)據(jù)庫(kù)中的資料進(jìn)行比對(duì)，并找出該嫌犯的詳細(xì)資料和犯罪記錄。這并非虛構(gòu)的情節(jié)。在國(guó)外，人臉識(shí)別技術(shù)早已被大量使用在國(guó)家重要部門以及軍警等安防部門。在國(guó)內(nèi)，對(duì)于人臉識(shí)別技術(shù)的研究始于上世紀(jì) 90 年代，目前主要應(yīng)用在公安、金 融、網(wǎng)絡(luò)安全、物業(yè)管理以及考勤等領(lǐng)域。 二 人臉識(shí)別技術(shù)的研究意義 富有挑戰(zhàn)性的課題 人臉識(shí)別是機(jī) 器視覺 和 模式 識(shí)別 領(lǐng)域最富 有 挑戰(zhàn)性 的 課 題 之 一，同 時(shí)也具有較為 廣泛 的應(yīng)用意 義。人臉識(shí)別技術(shù)是一個(gè) 非?；钴S 的研究 領(lǐng)域 ，它 覆蓋 了 數(shù)字圖像 處理、模式識(shí)別、計(jì)算機(jī)視覺、神經(jīng)網(wǎng)絡(luò)、心理學(xué)、生理學(xué)、數(shù)學(xué)等諸多學(xué)科的內(nèi)容。如今，雖然在這方面的研究已取得了一些可喜的成果，但是 FRT 在實(shí)用應(yīng)用中仍面臨著很嚴(yán)峻的問題 ,因?yàn)槿四樜骞俚姆植际欠浅Ｏ嗨频?，而且人臉本身又是一個(gè)柔性物體，表情、姿態(tài)或發(fā)型、化妝的千變?nèi)f化都給正確識(shí)別帶來了 相 當(dāng)大的 麻煩 。 如 何 能正 確識(shí)別大量的人并 滿足 實(shí)時(shí) 性 要 求 是 迫切需 要解 決 的問題。 面部關(guān)鍵特征定位及人臉 2D 形狀檢測(cè)技術(shù) 在人臉檢測(cè)的基礎(chǔ)上，面部關(guān)鍵特 征檢測(cè)試圖檢測(cè)人臉上的主要的面部特征點(diǎn)的位置和眼睛和嘴巴等主要器官的形狀信息?；叶确e分投影曲線分析、模板匹配、可變形模板、 Hough 變換、 Snake 算子、基于 Gabor 小波變換的彈性圖匹配技術(shù)、主動(dòng)性狀模型和主動(dòng)外觀模型是常用的方法。 可變形模板的主要思想是根據(jù)待檢測(cè)人臉特征的先驗(yàn)的形狀信息，定義一個(gè)參數(shù)描述的形狀模型，該模型的參數(shù)反映了對(duì)應(yīng)特征形狀的可變部分，如位置、大小、角度等，它們最終通過模型與圖像的邊緣、峰、谷和灰度分布特性的動(dòng)態(tài)地交互適應(yīng)來得以修正。畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 5 由于模板變形利用了特征區(qū)域的全局信息，因此可 以較好地檢測(cè)出相應(yīng)的特征形狀。由于可變形模板要采用優(yōu)化算法在參數(shù)空間內(nèi)進(jìn)行能量函數(shù)極小化，因此算法的主要缺點(diǎn)在于兩點(diǎn)：一、對(duì)參數(shù)初值的依賴程度高，很容易陷入局部最小；二、計(jì)算時(shí)間長(zhǎng)。針對(duì)這兩方面的問題，我們采用了一種由粗到細(xì)的檢測(cè)算法：首先利用人臉器官構(gòu)造的先驗(yàn)知識(shí)、面部圖像灰度分布的峰谷和頻率特性粗略檢測(cè)出眼睛、鼻子、嘴、下巴的大致區(qū)域和一些關(guān)鍵的特征點(diǎn)；然后在此基礎(chǔ)上，給出了較好的模板的初始參數(shù)，從而可以大幅提高算法的速度和精度。 眼睛是面部最重要的特征，它們的精確定位是識(shí)別的關(guān)鍵。基于區(qū)域增長(zhǎng)的眼 睛定位技術(shù)，該技術(shù)在人臉檢測(cè)的基礎(chǔ)上，充分利用了眼睛是面部區(qū)域內(nèi)臉部中心的左上方和右上方的灰度谷區(qū)這一特性，可以精確快速的定位兩個(gè)眼睛瞳孔中心位置。該算法采用了基于區(qū)域增長(zhǎng)的搜索策略，在人臉定位算法給出的大致人臉框架中，估計(jì)鼻子的初始位置，然后定義兩個(gè)初始搜索矩形，分別向左右兩眼所處的大致位置生長(zhǎng)。該算法根據(jù)人眼灰度明顯低于面部灰度的特點(diǎn)，利用搜索矩形找到眼部的邊緣，最后定位到瞳孔的中心。實(shí)驗(yàn)表明，本算法對(duì)于人臉大小、姿態(tài)和光照的變化，都有較強(qiáng)的適應(yīng)能力，但在眼部陰影較重的情況下，會(huì)出現(xiàn)定位不準(zhǔn)。佩戴黑框眼 鏡，也會(huì)影響本算法的定位結(jié)果。 面部感知系統(tǒng)的重要內(nèi)容 基于視覺通道信息的面部感知系統(tǒng)，包括人臉檢測(cè)和跟蹤、面部特征定位、面部識(shí)別、人臉歸類（年齡、種族、性別等的判別）、表情識(shí)別、唇讀等分系統(tǒng)，如圖 11 所式，可以看出，繼人臉檢測(cè)和跟追之后，面部特征定位通常是面部感知的一個(gè)必備環(huán)節(jié)，是后續(xù)工作的基礎(chǔ)，具有重要的意義。盡管人臉識(shí)別不能說是其他面部感知模塊的必備功能，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(yàn)知識(shí)，可以提高表情分析、唇讀和語(yǔ)音識(shí)別、手勢(shì)識(shí)別乃至手寫體識(shí)別的可靠性。而計(jì) 算機(jī)對(duì)使用者身份確認(rèn)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(gè)性化工作環(huán)境，信息的共享和隱私保護(hù)等等。 畢業(yè)論文 人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn) 6 圖 11 面部感知系統(tǒng)結(jié)構(gòu)圖 第二節(jié) 人臉識(shí)別的國(guó)內(nèi)外發(fā)展概況 現(xiàn)在人臉識(shí)別技術(shù)已經(jīng)應(yīng)用在許多領(lǐng)域中，并起到了舉足輕重的作用， 人臉識(shí)別研究開始于 1966 年 PRI 的 Bledsoe 的工作， 經(jīng)過三十多年的發(fā)展， 人臉識(shí)別 技術(shù)取得了長(zhǎng)足的進(jìn)步， 現(xiàn)在就目前國(guó)內(nèi)外的發(fā)展情況來進(jìn)行展述。 一 國(guó)外的發(fā)展概況 [1] 見諸文獻(xiàn)的機(jī)器自動(dòng)人臉識(shí)別 研究開始于 1966年 PRI的 Bledsoe的工作， 1990年日本研制的人像識(shí)別機(jī)，可在 1秒鐘內(nèi)中從 3500人中識(shí)別到你要找的人 。 1993年，美國(guó)國(guó)防部高級(jí)研究項(xiàng)目署 (Advanced Research Projects Agency)和美國(guó)陸軍研究實(shí)驗(yàn)室 (Army Research Laboratory)成立了 Feret(Face Recognition Technology) 項(xiàng)目組，建立了feret 人臉數(shù)據(jù)庫(kù)，用于評(píng)價(jià)人臉識(shí)別算法的性能。 美國(guó)陸軍實(shí)驗(yàn)室也是利用 vc++開發(fā)，通過軟件實(shí)現(xiàn)的，并且 FAR 為 49%。在美國(guó)的進(jìn)行的公開測(cè)試中， FAR，為 53%。美國(guó)國(guó)防部高級(jí)研究項(xiàng)目署，利用半自動(dòng)和全自動(dòng)算法。這種算法需要人工或自動(dòng)指出圖像中人的兩眼的中心坐標(biāo)，然后進(jìn)行識(shí)別。在機(jī)場(chǎng)開展的測(cè)試中，系統(tǒng)發(fā)出的錯(cuò)誤警報(bào)太多，國(guó)外的一些高校（卡內(nèi)基梅隆大學(xué)（ Carnegie Mellon University）為首，麻省理工大學(xué)（ Massachusetts Institute of Technology ）等，英國(guó)的雷丁大學(xué)（ University of Reading））和公司（ Visionics 公司 Facelt 人臉識(shí)別系統(tǒng)、 Viiage 的 Fac