【正文】 ......................................... 30 附錄 ............................................................................................................................. 32 2 第一章 緒論 本章提出了本文的研究背景及應(yīng)用 前景。 在進(jìn)行人工智能的研究中，人們一直想做的事情就是讓機(jī)器具有像人類一樣的思考能力，以及識(shí)別事物、處理事物的能力，因此從解剖學(xué)、心理學(xué)、行為感知學(xué) 等各個(gè)角度來探求人類的思維機(jī)制、以及感知事物、處理事物的機(jī)制，并努力將這些機(jī)制用于實(shí)踐，如各種智能機(jī)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(gè)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(shì)變化等。 人臉圖像識(shí)別的應(yīng)用前景 人臉圖像識(shí)別除了具有重大的理論價(jià)值以及極富挑戰(zhàn)性外，還其有許多潛在的應(yīng)用前景，利用人臉圖像來進(jìn)行身份驗(yàn)證，可以不與目標(biāo)相接觸就取得樣本圖像，而其它的身份驗(yàn)證手段，如指紋、眼睛虹膜等必須通過與目標(biāo)接觸或相當(dāng)接近來取得樣木，在某些場(chǎng)合，這些識(shí)別手段就會(huì)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(shí)別幾個(gè)過程。 圖 人臉識(shí)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(duì)簡(jiǎn)單，可以不考慮通過攝像頭來攝取頭像，而是直接給定要識(shí)別的圖像。 (3)特征提取 通過人臉特征點(diǎn)的檢測(cè)與標(biāo)定可以確定人臉圖像中顯著特征點(diǎn)的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同時(shí)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(shí)別問題：一類是閉集 (Close Set)人臉識(shí)別問題，即假定輸入的人臉一定是人臉庫中的某個(gè)個(gè)體；另一類是開集 (Open Set)識(shí)別，即首先要對(duì)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。并做了一個(gè) Matlab 圖像處理功能的實(shí)例 第三章主要始涉三個(gè)方面：首先是對(duì)人臉識(shí)別系統(tǒng)的構(gòu)成做詳細(xì)論述；其次就是對(duì)人臉 識(shí)別過程中的關(guān)鍵環(huán)節(jié)人臉檢測(cè)、特征提取和圖像預(yù)處理做詳細(xì)介紹；最后就是 Matlab 在人臉識(shí)別系統(tǒng)中的具體應(yīng)用，即人臉圖像識(shí)別的具體技術(shù)，并用 Matlab 進(jìn)行仿真試驗(yàn)并得到結(jié)果。 Matlab 還推出了功能強(qiáng)大的適應(yīng)于圖像分析和處理的工具箱 ,常用的有圖像處理工具箱、小波分析工具箱及數(shù)字信號(hào)處理工具箱。利用計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理 。圖像的輸出用 imwrite()函數(shù)就可以很方便的把圖像輸出到硬盤上 。在類型轉(zhuǎn)換的時(shí)候 ,我們還經(jīng)常遇到數(shù)據(jù)類型不匹配的情況 ,針對(duì)這種情況 , 工具箱中 ,也給我們提供了各種數(shù)據(jù)類型之間的轉(zhuǎn)換函數(shù) ,如 double()就是把數(shù)據(jù)轉(zhuǎn)換為雙精度類型的函數(shù)。下面以空域增強(qiáng)法的幾種方法加以說明。 (2).空域?yàn)V波增強(qiáng) 空域?yàn)V波按照空域?yàn)V波器的功能又可分為平滑濾波器和銳化濾波器。 邊緣檢測(cè) 數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ) ,也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。 圖像處理功能的 Matlab 實(shí)現(xiàn)實(shí)例 本文通過運(yùn)用圖像處理工具箱的有關(guān)函數(shù)對(duì)一人臉的彩色圖像進(jìn)行處理。)。f:\39。)。 subplot(1,2,2),imhist(j) 執(zhí)行后的效果圖如圖 和圖 : 11 圖 均衡化后的灰度圖像 圖 均衡化前后的直方圖對(duì)比圖 (2)灰度圖像平滑與銳化處理 平滑濾 波器的目的在于模糊圖像或消除噪聲 , 圖像處理工具箱提供了 medfilter2()函數(shù)用于實(shí)現(xiàn)中值濾波 ,wiener2()實(shí)現(xiàn)對(duì)圖像噪聲的自適應(yīng)濾波。f:\39。,0,)。 h=fspecial(39。figure,subplot(1,2,1),imshow(i) subplot(1,2,2),imshow(j2) 12 得到的效果圖如圖 和圖 : 加入噪聲的圖像 濾波后的圖像 圖 平滑濾波效果 原灰度圖 像 銳化后的圖像 圖 銳化濾波效果圖 3)邊緣檢測(cè) 圖像處理工具箱提供了 edge()函數(shù)實(shí)現(xiàn)邊緣檢測(cè) ,還 13 有各種方法算子供選擇 ,在本實(shí)例中采用了 canny算子來進(jìn)行邊緣檢 測(cè) , 程序代碼如下 : i=imread(39。canny39。 14 第三章 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 引言 計(jì)算機(jī)人臉識(shí)別是一個(gè)非?；钴S的研究領(lǐng)域，因其在公安刑偵破案、銀行密碼系統(tǒng)、計(jì)算機(jī)安全系統(tǒng)以及動(dòng)態(tài)監(jiān)視系統(tǒng)等方面都有廣泛應(yīng)用，已成為當(dāng)前模式識(shí)別、計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。 不同的人臉識(shí)別系統(tǒng)根據(jù)其采用的圖像來源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。該系統(tǒng)可對(duì)不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。對(duì)人臉的定位在輸入是圖像序列時(shí)一般也稱之為人臉跟蹤。 所謂顯式特征是指對(duì)人類肉眼來說直觀可見的特征，如膚色、臉部輪廓、臉 16 部結(jié)構(gòu)等。 Yang 等在考察了不同種族、不同個(gè)體的膚色后，認(rèn)為人類的膚色能在顏色空間中聚成單獨(dú)的一類，而影響膚色值變化的最主要因素是亮度變化。 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(gè)區(qū)域，根據(jù)橢圓長(zhǎng)短軸的比率判斷是否為人 臉。在檢測(cè)中，首先抽取這些灰度、邊緣等信息，然后檢驗(yàn)它是否符合知識(shí)庫中關(guān)于人臉的先驗(yàn)知識(shí)。 特征臉法（ eigenface）把單個(gè)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(gè)新的相對(duì)簡(jiǎn)單的特征空間，通過計(jì)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。但是直接使用 SVM 方法進(jìn)行人臉識(shí)別有兩方面的困難：第一，訓(xùn)練時(shí)需要求解二次規(guī)劃問題計(jì)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(shí)，需要極大規(guī) 模的訓(xùn)練集合，得到的支持向量會(huì)很多，使得分類器的計(jì)算量過高。)。 r=floor(n1/10)。 s=r*c。 [o p]=size(loc)。r2=x2。 end imshow(BW)。 x2=x2+r。)。 mx=0。 j=k。Position39。r39。鑒于此，作者在總結(jié)分析了濾波去噪、邊緣檢測(cè)、灰度變換三種廣泛應(yīng)用于不同人臉識(shí)別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個(gè)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(qiáng)度、成像系統(tǒng)等方面的任意性和差異性，不能單獨(dú)采用某種單一的濾波、灰度變換和邊緣檢測(cè)方法。下面對(duì)本文 24 實(shí)現(xiàn)的濾波方法及其選擇依據(jù)加以說明。對(duì)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(duì)于使用基于整體的人臉識(shí)別算法的系統(tǒng)中，由于失掉小區(qū)域的細(xì)節(jié)對(duì)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(shí)別時(shí)才具有可比性。 25 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(duì)人臉識(shí)別帶來的影響。每種算子對(duì)不同方向邊緣的檢測(cè)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(shí)現(xiàn) TIF、 JPG 轉(zhuǎn)換為 BMP 格式及彩色到灰度圖像的轉(zhuǎn)換；對(duì)圖像二值化，采用了 graythresh()函數(shù)來自 動(dòng)選擇閾值的二值化方法 [1]；尺寸歸一化采用的算法是對(duì)人臉圖像進(jìn)行剪裁和尺寸縮放，實(shí)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(shí)際中有時(shí)需要變換直方圖使之成為某個(gè)需要的形狀 ,從而有選擇地增強(qiáng)某個(gè)灰度值范圍內(nèi)的對(duì)比度或使圖像灰度值的分布滿足特定的要求 ,這時(shí)可以采用比較靈活的直方圖規(guī)定化方法。同時(shí)使用灰度圖像。 最后確定最小差異的圖像與測(cè)試圖像匹配， 識(shí)別的準(zhǔn)確性是 % 28 第五章 結(jié)語 基于 matlab 數(shù)字圖像處理與識(shí)別系統(tǒng)其實(shí)是一個(gè)范圍很大的應(yīng)用系統(tǒng)，作者在此只是有針對(duì)性、有選 擇地進(jìn)行了一些開發(fā)和實(shí)現(xiàn)。僅這一部分即可形成一個(gè)專用 的圖像處理平臺(tái)。若要進(jìn)一步提高識(shí)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。 其次，我還要特別感謝我的同學(xué) 范紅杰 以及 杜鋒 ，他們不僅為我提供了部分MATLAB編 程代碼，還細(xì)心的給我講解了代碼的含義，讓我對(duì)我的課題有了更加深入的了解。 gui_State = struct(39。, gui_Singleton, ... 39。, 33 FR_Processed_histogram_OutputF, ... 39。, [])。 end if nargout [varargout{1:nargout}] = gui_mainf(gui_State, varargin{:})。 % UIWAIT makes FR_Processed_histogram wait for user response (see UIRESUME) % uiwait()。 sub_img = 10。 % % Outputs from this function are returned to the mand line. 35 function varargout = FR_Processed_histogram_OutputF(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT)。 train_processed_bin(form_bin_num,train_img) = 0。ORL\S39。.bmp39。 else train_hist_img(I(i,j), K) = train_hist_img(I(i,j), K) + 1。 for i=1:1:c K = 1。 sum = 0。Training Done39。 % % Executes on button press in Testing_button. 38 function Testing_button_Callback(hObject, eventdata, handles) % hObject handle to Testing_button (see GCBO) % eventdata reserved to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global train_img max_hist_level bin_num form_bin_num。 test_hist_img(max_hist_level) = 0。 else test_hist_img(I(i,j)) = test_hist_img(I(i,j)) + 1。 for j=1:1:c if( (mod(j,bin_num)) == 0 ) sum = sum + test_hist_img(j)。 else sum = sum + test_hist_img(j)。 for y=1:1:train_img for z=1:1:form_bin_num sum = sum + abs( test_processed_bin(z) train_processed_bin(z,y) )。 end [temp M] = min(img_bin_hist_sum)。)。)。ORL\S39。Correctly Recognized39。 num2str(subjectindex) 39。,num2str(M),39。)。String39。amp。defaultUicontrolBackgroundColor39。white39。, 39。 I = imread(imgp