【正文】 圖像方便易得圖像質(zhì)量不好對系統(tǒng)精確要求高圖像分割自由嫌疑犯/犯罪分子照片匹配應(yīng)用范圍廣圖片獲得容易圖片質(zhì)量不好需強大的數(shù)據(jù)庫支撐 論文研究的問題本文介紹了人臉圖像識別中所應(yīng)用MATLAB對圖像進行預(yù)處理，應(yīng)用該工具箱對圖像進行經(jīng)典圖像處理,通過實例來應(yīng)用matlab圖像處理功能，對某一特定的人臉圖像處理，進而應(yīng)用到人臉識別系統(tǒng)。（4）銀行自助服務(wù)。（2）電子護照及身份證。相對而言其它的生物身份驗證手段，如指紋、眼睛虹膜等必須通過與目標接觸或相當接近來取得樣木，在某些場合，這些識別手段有很大的不便之處。國外有許多大學(xué)在此方面取得了很大進展，他們研究涉及的領(lǐng)域很廣，其中有從感知和心理學(xué)角度探索人類識別人臉機理的，如美國Texas at Dallas大學(xué)的Abdi和Toole小組，主要研究人類感知人臉的規(guī)律；由Stirling大學(xué)的Bruce教授和Glasgow大學(xué)的Burton教授合作領(lǐng)導(dǎo)的小組，主要是研究人類大腦在人臉認知中的作用，并在此基礎(chǔ)上建立了人臉認知的兩大功能模型，他們對熟悉和陌生人臉的識別規(guī)律以及圖像序列的人臉識別規(guī)律也進行了研究；也有從視覺機理角度進行研究的，英國Aberdeen大學(xué)的Craw小組，主要研究人臉視覺表征方法，他們對空間頻率在人臉識別中的作用也進行了分析；荷蘭Groningen大學(xué)的Petkov小組，主要研究人類視覺系統(tǒng)的神經(jīng)生理學(xué)機理并在此基礎(chǔ)上發(fā)展了并行模式識別方法。由此可見，在國內(nèi)人臉識別領(lǐng)域來說，她們的算法，在3D領(lǐng)域，絕對排名第一。艾海洲教授目前主要從事與人臉人體相關(guān)的計算機視覺方面的研究，在人臉及人體圖像理解領(lǐng)域提出了一系列性能優(yōu)越的算法，具有重要的學(xué)術(shù)價值和明顯的應(yīng)用價值。李子青和他所領(lǐng)銜研發(fā)的“中科奧森”人臉識別系統(tǒng)和智能視頻監(jiān)控系統(tǒng)已在包括北京奧運會、上海世博會邊檢通關(guān)等多個國家重大安全項目中實施并發(fā)揮作用。20世紀60年代是生物識別技術(shù)的萌芽階段，以1965年研究人員設(shè)計的人臉識別系統(tǒng)為代表，開啟了生物識別技術(shù)的新時代；1991年，美國麻省理工學(xué)院的研究人員提出了特征臉人臉識別的理論和方法，標志著人臉識別技術(shù)作為一個新興學(xué)科正式起步；2001年，美國“9?11”事件發(fā)生后，世界各國意識到人臉識別技術(shù)的重要價值，投入大量資金進行研發(fā)；2008年，人臉識別技術(shù)應(yīng)用于北京奧運會，標志著人臉識進入大規(guī)模應(yīng)用階段。目前人臉識別技術(shù)已經(jīng)相對成熟,其應(yīng)用也隨之日益廣泛。同時，人臉識別是機器視覺和模式識別領(lǐng)域最富有挑戰(zhàn)性的課題之一，因為人臉圖像受很多因素的干擾:人臉表情的多樣性，以及外在的成像過程中的光照，圖像尺寸，旋轉(zhuǎn)，姿勢變化等。目前得到主要應(yīng)用的是指紋識別和人臉識別。然而，伴隨著80年代后計算機技術(shù)和光學(xué)成像技術(shù)的快速發(fā)展，但真正進入初級的應(yīng)用階段則在90年后期，并且以美國、德國和日本的技術(shù)實現(xiàn)為主；人臉識別系統(tǒng)成功的關(guān)鍵在于兩個方面。 人臉識別，是一種基于人的臉部特征信息進行身份識別的生物識別技術(shù)。MATLAB。采用人臉識別技術(shù)，建立自動人臉識別系統(tǒng)，用計算機實現(xiàn)對人臉圖像的自動識別有著廣闊的應(yīng)用領(lǐng)域和誘人的應(yīng)用前景。使得生物統(tǒng)計識別技術(shù)得到了新的重視。目前得到主要應(yīng)用的是指紋識別和人臉識別。本文在總結(jié)分析人臉識別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用MATLAB實現(xiàn)了一個集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)。 Gray image histogram。通過攝像機或攝像頭采集含有人臉的圖圖片，采取適當?shù)膱D像技術(shù)處理后，自動檢測出和跟蹤圖片當中的人臉，然后對系統(tǒng)檢測到的人臉進行臉部的一系列相關(guān)技術(shù)處理，從而識別人臉圖像的身份。（1）是否擁有尖端的核心算法，（2）識別結(jié)果是否具有實用化的識別率和識別速度；“人臉識別系統(tǒng)”是集成了人工智能、機器識別、機器學(xué)習(xí)、模型理論、專家系統(tǒng)、視頻圖像處理等多種專業(yè)技術(shù)的一種系統(tǒng)，同時需結(jié)合中間值處理的理論與實現(xiàn)，屬于生物特征識別的最新應(yīng)用，其核心技術(shù)的實現(xiàn)，展現(xiàn)了弱人工智能向強人工智能的轉(zhuǎn)化。但是指紋識別要求被檢測的人高度配合，采集比較困難。使得同一個人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時更會有很大的差別，這些影響都會給人臉圖像的識別帶來很大難度。人臉識別產(chǎn)品已廣泛應(yīng)用于金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫(yī)療及眾多企事業(yè)單位等領(lǐng)域。在國內(nèi)，中科院計算所跟哈工大的一個聯(lián)合面像實驗室是最早研究人臉檢測識別的。李子青為SAC/TC100/SC2副主任委員，代表中國國家體撰寫了中國第一個ISO/IEC JTC1/SC37生物識別國際標準工作草案獲采納，并在2006年會全體會議上作了“生物特征識別在中國”的主題演講。丁曉青教授在OCR(字符識別)領(lǐng)域，可謂國內(nèi)第一人。此外，在漢字識別領(lǐng)域，取得了一系列國際領(lǐng)先的研究成果，先后榮獲國家科技進步二等獎三次。更多的學(xué)者則從事利用輸入圖像進行計算機人臉識別的研究工作。而人臉識別可以不與目標相接觸就取得樣本圖像，進而進行身份的識別。中國的電子護照計劃公安部一所正在加緊規(guī)劃和實施。（5）信息安全。本文在總結(jié)分析人臉識別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用MATLAB實現(xiàn)了一個集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊可嵌入在人臉識別系統(tǒng)中，并利用灰度圖像的直方圖比對來實現(xiàn)人臉圖像識別判定。本文人臉識別仿真系統(tǒng)流程圖如下所示： 圖像獲取圖片灰度圖像處理處理得出識別結(jié)果根據(jù)算法找到最接近的兩幅圖與圖片庫中圖片比較統(tǒng)計原圖灰度值二值化處理根據(jù)算法找出合適人臉部位檢測到人臉圖像人人臉檢測人人臉識別 人臉識別流程圖 二、人臉識別的主要步驟： (1 )人臉圖像的獲取通常，圖片都是通過攝像機來完成。得到的圖片將呈現(xiàn)出黑白效果。通過統(tǒng)計圖片各像素點的灰度值，對灰度值進行均衡化，將統(tǒng)計結(jié)果與圖片庫中的圖片進行對比，返回對比差距最小的圖片，判斷相似度。這包括兩類識別問題：一類是閉集(Close Set)人臉識別問題，即假定輸入的人臉一定是人臉庫中的某個個體；另一類是開集(Open Set)識別，即首先要對輸入人臉是否在已知人臉庫中做出判斷，如果是，則給出其身份。主要包括：GUI界面的設(shè)計，圖像操作的基本處理（圖片讀取，圖像輸出，圖像裁剪，灰度變換，二值化等），并且展示一部分具體操作的結(jié)果實例。Matlab的主要優(yōu)勢有：(1)高效的數(shù)值計算及符號計算功能，能使用戶從繁雜的數(shù)學(xué)運算分析中解脫出來；（2） 具有完備的圖形處理功能，實現(xiàn)計算結(jié)果和編程的可視化；（2）友好的用戶界面及接近數(shù)學(xué)表達式的自然化語言，使學(xué)者易于學(xué)習(xí)和掌握；（4）功能豐富的應(yīng)用工具箱(如信號處理工具箱、通信工具箱等) ，為用戶提供了大量方便實用的處理工具。如：圖像打開、圖像二值化、灰度圖像處理、圖片裁剪等。數(shù)字圖像處理常用的方法有以下幾個方面：圖像變換、圖像增強和復(fù)原、圖像編碼壓縮、圖像描述、圖像分割和圖像識別（分類）等內(nèi)容。在本文中還使用到了imrisize（）函數(shù)對圖像進行裁剪，使其以合適的大小的輸出。所謂二值圖像， 一般意義上是指只有純黑（0）、純白（255）兩種顏色的圖像。前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。這種方法是一種使輸出圖像直方圖近似服從均勻分布的變換算法。銳化濾波器是用高通濾波來實現(xiàn),目的在于強調(diào)圖像被模糊的細節(jié)。實現(xiàn)過程代碼如下: if ndims(B)~= 2 %如果不是二值圖像 IM=rgb2gray(B)。作為人臉識別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。其目的是在去除噪聲，加強有用信息，對輸入設(shè)備或其他因素造成的退化現(xiàn)像進行復(fù)原，為后續(xù)的特征提取和識別作準備。 人臉識別是一個復(fù)雜的過程，一個計算機人臉識別的流程如圖31所示。對提取出來的人臉借助人臉描述就可以進行（狹義的）人臉識別，即通過提取特征來確定其身份。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法分以下三類：基于膚色模型的方法、模板匹配的方法、基于先驗知識的方法。除了RGB顏色空間，還有諸如HIS，LUV，GLHS等其它顏色空間被使用。標準人臉模板可以是固定的樣板，也可以是帶參變量的曲線函數(shù)。 基于顯示特征方法的特點檢測方法優(yōu)點與適用場合缺點與需要改進的地方膚色模型檢測速度快高光和陰影會造成人臉區(qū)域被分割而被漏檢；膚色區(qū)域的存在提高了預(yù)警率模板匹配直觀性好，具有較好的適應(yīng)性對表情、尺度變換敏感；可變模板的選擇和參數(shù)的確定非常困難基于知識的方法適用復(fù)雜圖像中的人臉檢測依賴先驗知識；多尺度空間遍歷工作量大，運算時間長基于隱式特征的方法將人臉區(qū)域看成一類模式，使用大量“人臉”、“非人臉”樣本訓(xùn)練、構(gòu)造分類器，通過判別圖像中所有可能區(qū)域是否屬于“人臉模式”的方法來實現(xiàn)人臉檢測?；谌斯ど窠?jīng)網(wǎng)絡(luò)的方法對于復(fù)雜的、難以顯式描述的模式，具有獨特的優(yōu)勢。 基于隱式特征方法的特征檢測方法優(yōu)點缺點與需要改進的地方本征臉法標準人臉模板能抽象人臉全部信息，運算不涉及迭代耗費時間短但模板檢測效率低，多模板提高了效率也增加了檢測時間神經(jīng)網(wǎng)絡(luò)