【正文】 禁、司機駕照驗證、計算機登錄系統(tǒng) 。在美國的進行的公開測試中， FAR，為 53%。 圖 11 面部感知系統(tǒng)結(jié)構(gòu)圖 第二節(jié) 人臉識別的國內(nèi)外發(fā)展概況 現(xiàn)在人臉識別技術(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， 人臉識別 技術(shù)取得了長足的進步， 現(xiàn)在就目前國內(nèi)外的發(fā)展情況來進行展述。佩戴黑框眼鏡，也會影響本算法的定位結(jié)果。基于區(qū)域增長的眼睛定位技術(shù)，該技術(shù)在人臉檢測的基礎(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眼睛瞳孔中心位置。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出相應(yīng)的特征形狀。 如 何 能正 確識別大量的人并 滿足 實時 性 要 求 是 迫切需 要解 決的問題。在國內(nèi)，對于人臉識別技術(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。而人臉識別是所有的 生物 識別方法中應(yīng)用 最廣泛 的技術(shù) 之 一， 人臉識別技術(shù)是一項近年來興起的，但不大為人所知的新技術(shù)。在識別前，先 對圖像進行補光處理，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 的對稱性來確定是否就是人臉，同時采用高斯平滑來消除圖像的噪聲，再進行二值化，二值化主要采用局域取閾值方法，接下來就進行定位、提取特征值和識別等操作。人臉識別系統(tǒng)設(shè)計 摘要 人臉識別因其在安全驗證系統(tǒng)、信用卡驗證、醫(yī)學(xué)、檔案管理、視頻會 議、人機交互、系統(tǒng)公安 (罪犯識別等 )等方面的巨大應(yīng)用前景而越來越成為 當(dāng)前模式識別和人工智能領(lǐng)域的一個研究熱點。經(jīng)過測試，圖像預(yù)處理模塊對圖像的處理達到了較好的效果，提高了定位和識別的正確率。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)庫中的資料進行比對，并找出該嫌犯的詳細資料和犯罪記錄。 二 人臉識別技術(shù)的研究意義 富有挑戰(zhàn)性的課題 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，同時也具有較為 廣泛 的應(yīng)用意 義。 面部關(guān)鍵特征定位及人臉 2D 形狀檢測技術(shù) 在人臉檢測的基礎(chǔ)上，面部關(guān)鍵特征檢測試圖檢測人臉上的主要的面部特征點的位置和眼睛和嘴巴等 主要器官的形狀信息。由于可變形模板要采用優(yōu)化算法 在參數(shù)空間內(nèi)進行能量函數(shù)極小化，因此算法的主要缺點在于兩點：一、對參數(shù)初值的依賴程度高，很容易陷入局部最?。欢?、計算時間長。該算法采用了基于區(qū)域增長的搜索策略，在人臉定位算法給出的大致人臉框架中，估計鼻子的初始位置，然后定義兩個初始搜索矩形，分別向左右兩眼所處的大致位置生長。 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 11 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)，是后續(xù)工作的基礎(chǔ)，具有重要的意義。 一 國外的發(fā)展概況 [1] 見諸文獻的機器自動人臉識別研究開始于 1966年 PRI的 Bledsoe的工作， 1990年日本研制的人像識別機，可在 1秒鐘內(nèi)中從 3500人中識別到你要找的人 。美 國國防部高級研究項目署，利用半自動和全自動算法。我國在這方面也取得了較好的成就， 國家 863項目 “面像檢測與識別核心技術(shù) ”通過成果鑒定并初步應(yīng)用， 就標(biāo)志著我國在人臉識別這一當(dāng)今熱點科研領(lǐng)域掌握了 一定的核心技術(shù)。 2020年 1月 18日，由清華大學(xué)電子系人臉識別課題組負(fù)責(zé)人蘇光大教授主持承擔(dān)的國家 十五 攻關(guān)項目《人臉識別系統(tǒng)》通過了由公安部主持的專家鑒定。 在我國以及其他國家都有大量的學(xué)者正在研究之中，不斷的更新人臉識別技術(shù)，以便系統(tǒng)的識別準(zhǔn)確率達到新的高度。膚色提取，則對臉部區(qū)域的獲取則比較準(zhǔn)確，成功率達到 95%以上，并且速度快，減少很多工作。 同樣在進行灰度變換前，我們也要對圖像的信息進行統(tǒng)計，找出一個比較合理的灰度值，才能進行灰度變換。安裝有 Windows 9 Windows Me、 Windows 20 Windows NT 等操作系統(tǒng)中的其中一 種。預(yù)處理這個模塊在整個人臉識別系統(tǒng)的開發(fā)過程中占有很重要的地位，只有預(yù)處理模塊做的好，才可能很好的完成后面的人臉定位和特征提取這兩大關(guān)鍵模塊。 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。 （ 2）運行本軟件所需的硬件資源 CPU： 800M 及以上；內(nèi)存： 128M 及以上 軟件環(huán)境 （ 1）系統(tǒng)軟件配置原則 能夠滿足該軟件的可靠性，可用性和安全性的要求 （ 2）系統(tǒng)軟件配置方案 ① 配置有持續(xù)工作能力、高穩(wěn)定性、高度可集成的開放式標(biāo)準(zhǔn)的操作系統(tǒng)，如 Windows2020， Windows NT， UNIX， Linux 等。 運行環(huán)境需求分析 （ 1）、硬件環(huán)境 CPU： 500M 及以上；內(nèi)存： 64 M 及以上。 采用成熟的技術(shù)，保證應(yīng)用程序的安全性和可靠性。 二 圖像文件格式選擇 在設(shè)計的過程中，為了定位和特征提取的方便，我們采用的是 24 位位圖。用戶無需通過繁雜的編程操作，即可完成 Windows 下應(yīng)用程序的編輯、編譯、測試和細化等工作。實際上就是調(diào)整圖片像素的 RGB值。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)則的隨機噪聲 ,如數(shù)據(jù)在傳輸、存儲時發(fā)生的數(shù)據(jù)丟失和損壞等 ,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。它的實現(xiàn)主要是利用灰度均衡的轉(zhuǎn)換式 DB = f （ DA） = A0DMax H（ u） du 。 （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”菜單中選擇“打開”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 顯示識別結(jié)果 獲取臉部區(qū)域 圖象預(yù)處理 人臉定位 獲取特征參數(shù) 識別 （二） 圖像預(yù)處理的層次圖如圖 32 所示： 圖 32 預(yù)處理的層次圖 第一節(jié) 各模塊功能概述 以上是該系統(tǒng)的總體結(jié)構(gòu)設(shè)計圖以及圖像預(yù)處理模塊的層次圖。 圖像預(yù)處理模塊 圖像預(yù)處理就是對獲取得來的圖像進行適當(dāng)?shù)奶幚?，使它具有的特征能夠在圖像中明顯的表現(xiàn)出來。 YcrCB是一種色彩空間，它用于視頻系統(tǒng)中，在該色彩空間中， Y分量表示像素的亮度， Cr表示紅色分量， Cb表示藍色分量，通常把 Cr和 Cb稱為色度。因此，盡可能在轉(zhuǎn)化的過程中用簡單的方式表現(xiàn)圖像復(fù)雜的信息。處理噪聲的過程稱為平滑。 該設(shè)計中采用組內(nèi)方差和組外方差來實現(xiàn)二值化。由于眼睛具有對稱性，因此可以很快就能標(biāo)記出來， 而鼻子是 在眼睛下面 ， 且嘴巴在鼻子下面，所以只要眼睛標(biāo)記好，鼻子和嘴巴也能相應(yīng)的標(biāo)記出來。然后從庫存中提取出該人相關(guān)的信息，并顯示出來。 第一節(jié) 系統(tǒng)的運行流程圖 圖 61 系統(tǒng)的運行流程圖 第二節(jié) 圖像處理詳細設(shè)計 一 位圖詳細設(shè)計 1 設(shè)備無關(guān)位圖（ DIB） 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。 對圖片進行光線補償 、 將圖片變成灰色 、實現(xiàn)圖片對比度增強，二值化變換等一系列預(yù)處理。 結(jié)束退出 輸出 表 6－ 1 Dib 類的部分功能 二 圖像點處理詳細設(shè)計 圖像點運算是一種既簡單又重要的技術(shù)，它能讓用戶改變圖像數(shù)據(jù)占據(jù)的灰度范圍，一幅輸入圖像經(jīng)過點運算后將產(chǎn)生一幅新的輸出圖像，由輸入像素點的灰度值決定相應(yīng)的輸出像素點的灰度值，點運算與局部運算的差別在于：后者每個輸出像素的灰度值由對應(yīng)輸入像素的一個領(lǐng)域內(nèi)幾個 像素的灰度值決定。如果輸入圖像為 A（ x， y），輸出圖像為 B（ x， y），則點運算可表示為： B（ x， y） = f[A（ x， y） ] （式 2） 其中函數(shù) f（ D）被稱為灰度變換（ Gray Scale Transformation ， GST）函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系，一旦灰度變換 函數(shù)確定，該點運算就完全被確定下來了。這種現(xiàn)象在藝術(shù)照片中更為常見。 (hDIB)。函數(shù) LightingCompensate（）是類 DIB 的一個成員函數(shù)。jwidth。 colorb *=co。 colorb *=co。 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，并最后截至 [0,255]。該變換把屬于 [a,b]的灰度級變換至灰度區(qū)間 [c,d]，而沒有在 [a,b]區(qū)間的原像素灰度將保持不變。 （ 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。 計算灰度值 gray = (ColorG*50+ColorR*39+ColorB*11)/100。 其中 lpData 是圖片數(shù)據(jù)區(qū)， lOffset 是圖片像素的偏移， gray 是圖像的灰度值 ③ 圖像灰度化效果圖： 圖 43 圖像 灰度化效果圖 高斯平滑 （ 1） 算法思想 在介紹高斯平滑前，先介紹模板操作。中間的黑點表示該元素中心元素，即該個元素是要進行處理的元素。通常模板不允許移出邊界，所以處理后的圖像會比原圖小，例如：當(dāng)模板是 1． 0 原圖灰度值矩陣是 1 1 1 1 1 0 2 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 時，經(jīng)過模板操作后的圖像為 5 5 5 5 8 8 8 8 11 11 11 11 “ ”表示邊界上無法進行模板操作的點，一般的做法是復(fù)制原圖的灰度值，不再進行任何其他的處理。處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。2 卷積系數(shù)以中心點為中心對稱分布 。經(jīng)過卷積平滑后給隨后的水平投影、二值化提供了較好的圖像效果。本文使用的卷積算法是高斯卷積核 ,亦即上面卷積核的 LP3。 （ 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_MAINFRAM，在菜單“預(yù)處理”中添加一子菜單項，命名為“高 斯平滑”并將其 ID 設(shè)為 ID_READY_Template。m=i+((tem_h1)/2)。 } 將結(jié)果乘上總的模板系數(shù) sum=(int)sum*xishu。 HeightTemplate[i][j] = sum； ③ 高斯平滑效果圖：見下圖 44 圖 44 高斯平滑效果圖 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）。 //顯示灰度均衡 *(lpData + lOffset+1)=state 。 這個工作的主要目的是將圖像的特征一步一步顯現(xiàn)出來。 顯示灰度增強后的圖像 *(lpData + lOffset ) = state 。 獲得 中間數(shù)據(jù)， 并 進行對比增強處理 else if ((LowpByte)amp。