【正文】 ................................................ 26 河南城建學院本科畢業(yè)設(shè)計（論文） 緒論 1 1 緒論 當前，人臉檢測越來越受到大家的關(guān)注，他作為生物特征識別中一個非常重要的一個分支，已成為計算機視覺與模式識別領(lǐng)域中非?；钴S的一個研究領(lǐng)域。人臉特征作為一種生物特征，與其他生物特征相比，具有有好、直接、方便等特點，因此使用人臉特征進行身份識別更易于 被用戶所接受。 人臉識別技術(shù)在過去的幾十年得到了很大的發(fā)展，但由于人臉的非剛性、表情多變等因素，使得人臉識別技術(shù)在實際應用中面臨著巨大的困難。而基于人臉檢測更是學術(shù)界的一個難點。 在進行人工智能的研究中，人們一直想做的事情就是讓機器具有像人類一樣的思考能力，以及識別事物、處理事物的能力，因此從解剖學、心理學、行為感知學等各個角度來探求人類的思維機制、以及感知事物、處理事物的機制，并努力將這些機制用于實踐，如各種智能機器人的研制。如同人的指紋一樣，人臉也具有唯一性，也可用來鑒別一個人的身份。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，越來越多的國家開始對人臉檢測及其識別的研究。這一點，很值得我們同學學習。后來在中科院組建 了專門的的人臉識別研究團隊。丁曉晴教授在 OCR 領(lǐng)域，可謂國內(nèi)第一人。 國外主要有美國，歐洲國家、日本等著名的科研機構(gòu)有美國的 MIT 和 CMU,英國的劍橋大學?；?Haar 特征的人臉識別方法始于 2020 年 PaulViola 和MichaelJones 兩者撰寫的一篇論文，他們在論文中提出了 Haar 特征和 Adaboost算法，并利用它們進行人臉檢測。 人臉圖像識別的應用前景 人臉圖像識別除了具有重大的理論價值以及極富挑戰(zhàn)性外，還其有許多潛在的應用前景，利用人臉圖像來進行身份驗證，可以不與目標相接觸就取得樣本圖像，而其它的身份驗證手段，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，這些識別手段就會有不便之處。 其中涉及到圖像的選取，臉部定位，特征提取，圖像處理和識別幾個過程。 特 征 提 取 人 臉 識 別人 臉 圖 像 獲 取 人 臉 檢 測 圖 人臉識別系統(tǒng)一般框架 (1)人臉圖像的獲取 一般來說，圖像的獲取都是通過攝像頭攝取，但攝取的圖像可以是真人，也可以是人臉的圖片或者為了相對簡單，可以不考慮通過攝像頭來攝取頭像，而是直接給定要識別的圖像。 (3)特征提取 通過人臉特征點的檢測與標定可以確定人臉圖像中顯著特征點的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同時還可以得到這些器官及其面部輪廓的形狀信息的描述。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。 第 2 章主要介紹人臉識別系統(tǒng)中所用到的仿真軟件 Matlab，介紹了在人臉圖像識別過程中所需要的圖像處理技術(shù)，包括：一些基本操作、格式轉(zhuǎn)換、圖像增強等。實驗過程中的難點與缺點。利用這些工具箱 ,我們可以很方便的從各個方面對圖像的性質(zhì)進行深入的研究。數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學、計算機科學、工程科學、地球科學等諸多方面的學者研究圖像的有效工 具。另外還可以用 imcrop()、imrisize()、 imrotate()等來實現(xiàn)圖像的裁剪、縮放和旋轉(zhuǎn)等功能。 圖像增強 圖像增強的目的是為了改善圖像的視覺效果 ,提高圖像的清晰度和工藝的適應性 ,以及便于人與計算機的分析和處理 ,以滿足圖像復制或 再現(xiàn)的要求。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)。常用的有 Sobel 算子 ,Prewitt 算子 ,Roberts 算子 ,Log 算子等。實現(xiàn)過程代碼如下 : i=imread(39。 imshow(j)。該部分的程序代碼如下 : i=imread(39。 j=histeq(i)。在本文實例中 ,為了使濾波效果更明顯 ,我們事先為圖像增加濾波 ,然后用自適應濾波方法對圖像進行濾波。)。 subplot(1,2,1),imshow(j)。gaussian39。 subplot(1,2,2),imshow(j2)。)。 imshow(j) 效果圖如圖 : 原灰度圖像 邊緣檢測后的圖像 圖 邊緣檢測效果圖 本章小結(jié) 以上實例只是對 Matlab 圖像處理工具箱函數(shù)的一小部分運用 ,從這些功能的運用可以看出 ,Matlab 語言簡潔 ,可讀性強。其中，人臉圖像預處理，作為特征提取和識別的前提步驟，是計算機人臉識別系統(tǒng)中的必要環(huán)節(jié)。用在同一系統(tǒng)中的可能只有其中一種或幾種預處理方法，但一旦庫中采集到的原 始圖像質(zhì)量發(fā)生較大變化（如人臉大小、光照強度、拍攝條件、成像系統(tǒng)等方面變化），原有的預處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的。 系統(tǒng)基本機構(gòu) 人臉識別是一個復雜的過程，一個計算機人臉識別的流程如圖 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。 基于先驗知識的方法則采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖（ mosaic image）模型，并在分析了足夠多的人臉圖像樣本的基礎(chǔ)上，針對人臉的灰度、邊緣、紋理等信息，建立一種關(guān)于人臉的知識庫。這類方法有：特征臉法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機法；積分圖像法。 支撐向量機（ Support Vector Machine， SVM）法是在統(tǒng)計學習理論基礎(chǔ)上發(fā)展出的一種新的模式識別方法，它基于結(jié)構(gòu)風險最小化的原理，較之于基于經(jīng)驗風險最小化的人工神經(jīng)網(wǎng)絡(luò)，一些難以逾越的問題，如：模型選擇和過學習問題、非線性和維數(shù)災難問題、局部極小點問題等都得到了很大程度上的解決。39。 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% minimisation of background portion [n1 n2]=size(BW)。x2=r。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) 河南城建學院本科畢業(yè)設(shè)計（論文） 人臉圖像識別計算機系統(tǒng) 15 loc=find(BW(x1:x2, y1:y2)==0)。 r1=x1。 pr1=0。 end x1=x1+r。BoundingBox39。 [s1 s2]=size(BB2)。 (BB2(1,k)/BB2(1,k+1)) mx=p。 河南城建學院本科畢業(yè)設(shè)計（論文） 人臉圖像識別計算機系統(tǒng) 16 rectangle(39。,39。用在同一系統(tǒng)中的可能只有其中一種或幾種預處理方法，但一旦庫中采集到的原始圖像質(zhì)量發(fā)生較大變化（如人臉大小、光照強度、拍攝條件、成像系統(tǒng)等方面變化），原有的預處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的。 人臉圖像預處理方法 根據(jù)所查閱文獻資料，常應用于人臉圖像的預處理方法有：圖像類型轉(zhuǎn)換、濾波去噪、灰度變換、邊緣檢測及二值化、尺寸歸一化、灰度歸一化等。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關(guān)于各種濾波方法的原理和分類可參考文獻 [2]。對圖像進行線性濾波可以去除圖像中某些特定類型的噪聲，如圖像中的顆粒噪聲，高斯噪聲、椒鹽噪聲等。中值濾波方法的最大優(yōu)點是抑制噪聲效果明顯且能 保護邊界。通過灰度變換，可對原始圖像中的光照不均進行補償，使得待識別人臉圖像遵循同一或相似的灰度分布。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實現(xiàn)方法可由 matlab 仿真來實現(xiàn)。邊緣檢測的方法有很多，主要有：微分算子法、 Sobel 算子法、拉普拉斯算子 法、 canny 算子法等。為了在不修改其他算法的基礎(chǔ)上，擴大系統(tǒng)處理圖像的類型和范圍，將輸入圖像首先轉(zhuǎn)換為統(tǒng)一的類型，是多數(shù)人臉圖像預處理中的第一步。 人臉識別程序： clc。 J2=imread(39。 河南城建學院本科畢業(yè)設(shè)計（論文） 人臉圖像識別計算機系統(tǒng) 19 J2=rgb2gray(J2)。 J2fftShift = fftshift(J2fft)。%求共軛 CrossPowerSpecttrum = (J1fftShift .* J2fftConjugate) ./ (J1Power .* J2Power)。 原圖 對比圖 原圖頻譜圖 對比圖頻譜圖 河南城建學院本科畢業(yè)設(shè)計（論文） 人臉圖像識別計算機系統(tǒng) 20 表 頻譜圖的相關(guān)性系數(shù) 原圖 對比圖 原圖頻譜圖 對比圖頻譜圖 表 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 4 1 1 1 1 1 1 1 5 1 1 1 1 1 1 1 6 1 1 1 1 1 1 1 7 1 1 1 1 1 1 1 1 2 3 4 5 6 7 1 1+0i + + + 河南城建學院本科畢業(yè)設(shè)計（論文） 人臉圖像識別計算機系統(tǒng) 21 原圖 對比圖 2 + + + + 3 + + + + + 4 + + + + + 河南城建學