【正文】 法檢測效率高，錯誤報警數(shù)目不多，訓(xùn)練成熟的網(wǎng)絡(luò)監(jiān)測速度快多樣本訓(xùn)練耗費時間多，但網(wǎng)絡(luò)監(jiān)測錯誤報警數(shù)目多支撐向量機機法比神經(jīng)網(wǎng)絡(luò)方法具有更好的泛化能力，能對為觀測到的例子進行有效分類“非人臉”樣本復(fù)雜多樣，造成支持向量數(shù)目多，運算復(fù)雜度大基于積分圖像分析法檢測速度快，基本滿足實時檢測要求，檢測效率可以與神經(jīng)網(wǎng)絡(luò)法比較錯誤報警數(shù)目少時，檢測率不高 運用matlab仿真進行人臉檢測定位實例：人臉檢測定位結(jié)果： 人臉識別的結(jié)果 人臉定位代碼： if ndims(B)~= 2 % 如果不是二值圖像 IM=rgb2gray(B)。row = floor(m/10)。 % 對應(yīng)行初始化s = row*wide。 [p, q] = size(loc)。 % 列跳躍 b2 = b2+wide。 % 區(qū)域標記，返回矩陣和連通數(shù)stats = regionprops(Array, 39。 [s1, s2] = size(Ar)。amp。Position39。rectangle(39。, 39。, 1)。鑒于此，作者在總結(jié)分析了濾波去噪、邊緣檢測、灰度變換三種廣泛應(yīng)用于不同人臉識別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計了一個通用的人臉圖像預(yù)處理仿真系統(tǒng)。作為通用人臉圖像預(yù)處理模塊，要能夠充分適應(yīng)不同人臉庫中圖像在人臉大小、光照強度、成像系統(tǒng)等方面的任意性和差異性，不能單獨采用某種單一的濾波、灰度變換和邊緣檢測方法。下面對本文實現(xiàn)的濾波方法及其選擇依據(jù)加以說明。對掃描得到的人臉圖像根據(jù)其噪聲類型一般采用此種濾波方法。對于使用基于整體的人臉識別算法的系統(tǒng)中，由于失掉小區(qū)域的細節(jié)對特征提取影響較小，所以這種濾波方法最受歡迎。只有這樣，不同圖像在特征提取和識別時才具有可比性。三種灰度變換方法，均能在一定程度上消除由于光照條件不同而對人臉識別帶來的影響。每種算子對不同方向邊緣的檢測能力和抑制噪聲的能力都不同。在本仿真系統(tǒng)中通過調(diào)用MATLAB中提供的各種圖像類型轉(zhuǎn)換函數(shù)來實現(xiàn)TIF、JPG轉(zhuǎn)換為BMP格式及彩色到灰度圖像的轉(zhuǎn)換；對圖像二值化，采用了graythresh()函數(shù)來自動選擇閾值的二值化方法[1]；尺寸歸一化采用的算法是對人臉圖像進行剪裁和尺寸縮放，實現(xiàn)去除大部分頭發(fā)、服飾和背景的干擾并將人臉圖像大小統(tǒng)一。實際中有時需要變換直方圖使之成為某個需要的形狀,從而有選擇地增強某個灰度值范圍內(nèi)的對比度或使圖像灰度值的分布滿足特定的要求,這時可以采用比較靈活的直方圖規(guī)定化方法。同時使用灰度圖像。 最后確定最小差異的圖像與測試圖像匹配， 識別的準確性是 %結(jié)論基于matlab數(shù)字圖像處理與識別系統(tǒng)其實是一個范圍很大的應(yīng)用系統(tǒng)，我在此只是有針對性、有選擇地進行了一些開發(fā)和實現(xiàn)。僅這一部分即可形成一個專用的圖像處理平臺。若要進一步提高識別率和適用范圍，則還需要結(jié)合其它算法，如PCA、神經(jīng)網(wǎng)絡(luò)等。何老師學(xué)識淵博、治學(xué)嚴謹、平易近人，他以其寬廣的視野、敏銳的洞察力、嚴謹?shù)闹螌W(xué)態(tài)度在學(xué)術(shù)上給了我悉心的指導(dǎo)。再次真心的感謝所有關(guān)心愛護我的良師益友和親人們！28。其次，我還要特別感謝我的同學(xué)胡崴壟以及陳子紅，他們不僅為我提供了部分MATLAB編程代碼，還細心的給我講解了代碼的含義，讓我對我的課題有了更加深入的了解。[4] 何國輝，[J].中國圖像圖形學(xué)報，2006，32（19）：208211.[5] 王聃，賈云偉，[J].自動化學(xué)報，2005，21（73）.[6] 張儉鴿，王世卿，[J].自動化學(xué)報，2007，23（21）.[7] 曹林，王東峰，劉小軍，[J].電子學(xué)報，2006，28（3）490494[8] 焦峰，山世光，崔國勤，高文，[J].自動化學(xué)報，2003，15（1）：5358[9] Wangmeng Zuo，Kuanquan Wang，David Zhang，Hongzhi Zhang. Combination of two novel LDAbased methods for face recognition[J].Proceedings of the IEEE，2007：735742[10] 徐倩，[J].計算機學(xué)報，2007，43（25）：195197[11] 劉貴喜，[J].自動化學(xué)報，2002，28（6）：927934[12] 周嬪，馬少平，[J].自動化學(xué)報，2000，28（1）：122124 [13] 王蘊紅，范偉，[J].電子學(xué)報，2005，28（10）：16571662[14] 莊哲民，張阿妞，[J].中國圖像圖形學(xué)報，2007，29（9）：20472049[15] L. Wiskott, J. M. Fellous, N. Kuiger and C. Vonder Malsburg, “Face Recognition by Elastic Bunch Graph Matching,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 9, No. 7, 1997, pp. 775779. doi:[16] O39。該方法能較好地實現(xiàn)人臉的分類，但對人臉圖像的要求較高，目前僅是采用Orl的標準人臉庫中的圖像來進行測試，因此能獲得較高的識別率。 在“數(shù)字圖像處理的基本方法”這一部分，用到的一些基本方法和一些最常用的處理方法來實現(xiàn)圖像預(yù)處理，如格式轉(zhuǎn)換，灰度變化和濾波銳化。 第二，平均從存儲載體的連續(xù)九個頻率的計算，并存儲在另一個載體，供以后使用，在測試階段。 最初這種想法基于顏色直方圖。直方圖均衡化主要用于增強動態(tài)范圍較小的圖像的反差,基本思想是把原始圖的直方圖變換為均勻分布的形式,這樣就增強了像素灰度值的動態(tài)范圍,從而達到增強圖像整體對比度的效果。圖像類型轉(zhuǎn)換、圖像二值化、尺寸歸一化也是一些人臉識別系統(tǒng)中經(jīng)常使用的預(yù)處理方法。(3)邊緣檢測對輸入人臉圖像進行邊緣檢測是很多人臉識別系統(tǒng)在人臉粗定位及人臉主要器官（眼睛、鼻子、嘴巴）定位時采用的預(yù)處理方法。常用在人臉識別系統(tǒng)中的灰度變換方法主要有：基于圖像統(tǒng)計特征的直方圖均衡化、直方圖規(guī)定化和灰度均值方差標準化三種方法。(2)灰度變換灰度變換是圖像增強技術(shù)中的一種。，它把像素及其鄰域中的像素按灰度級進行排序，然后選擇該組的中間值作為輸出像素值。，采用鄰域平均法的均值濾波器、采用鄰域加權(quán)平均的高斯濾波和維納濾波。(1)濾波去噪由于噪聲給圖像帶來的失真和降質(zhì)，在特征提取之前采用濾波的方式來去除噪聲是實際人臉識別系統(tǒng)中所必須的步驟。如，用戶可根據(jù)需要選擇使用不同的濾波方法去除噪聲、不同的邊緣檢測算子檢測人臉邊緣、選擇不同的灰度變換算法實現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時還實現(xiàn)了尺寸歸一化、二值化等其他常用的圖像預(yù)處理算法。常用的人臉圖像預(yù)處理方法有：濾波去噪、灰度變換、圖像二值化、邊緣檢測、尺寸歸一化、灰度歸一化等。, 39。, [Ar(h,1),Ar(h,2),Ar(h,3),Ar(h,4)], ... 39。%subplot(2,3,3)。 h = z。for z = 1:s1 %Z表示返回的N行矩陣數(shù)值 area = Ar(z, 3)*Ar(z, 4)。)。 % 行跳躍 a2 = a2+row。 % if pr = 100 bw(a1:a2, b1:b2) = 0。 b2 = wide。 % 分成10大塊，列a1 = 1。endbw = im2bw(IM, graythresh(IM))。但是直接使用SVM方法進行人臉識別有兩方面的困難：第一，訓(xùn)練時需要求解二次規(guī)劃問題計算復(fù)雜度高，內(nèi)存需求量巨大；第二，在非人臉樣本不受限制時，需要極大規(guī)模的訓(xùn)練集合，得到的支持向量會很多，使得分類器的計算量過高。特征臉法（eigenface）把單個圖像看成一維向量，眾多的一維向量形成了人臉圖像特征空間，再將其變換到一個新的相對簡單的特征空間，通過計算矩陣的特征值和特征向量，利用圖像的代數(shù)特征信息，尋找“人臉”、“非人臉”兩種模式在該特征空間中的分布規(guī)律。在檢測中，首先抽取這些灰度、邊緣等信息，然后檢驗它是否符合知識庫中關(guān)于人臉的先驗知識。Yoo等利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個區(qū)域，根據(jù)橢圓長短軸的比率判斷是否為人臉。Yang等在考察了不同種族、不同個體的膚色后，認為人類的膚色能在顏色空間中聚成單獨的一類，而影響膚色值變化的最主要因素是亮度變化。所謂顯式特征是指對人類肉眼來說直觀可見的特征，如膚色、臉部輪廓、臉部結(jié)構(gòu)等。對人臉的定位在輸入是圖像序列時一般也稱之為人臉跟蹤。