【正文】 ................................................... 6 三、特征提取 .................................................... 6 第五節(jié) 本章小結(jié) .................................................... 8 第二章 人臉圖 像的獲取 ................................................. 9 第一節(jié) 人臉圖像獲取 ................................................ 9 第二節(jié) 人臉分割 .................................................... 9 第三節(jié) 人臉數(shù)據(jù)庫 ................................................. 10 第四節(jié) 本章小結(jié) ................................................... 11 第三章 人臉圖像的預(yù)處理 .............................................. 12 第一節(jié) 人臉圖像格式 ............................................... 12 一、 JPEG 格式 ................................................... 12 二、 JPEG2021 格式 ............................................... 12 V 三、 BMP 格式 .................................................... 13 四、 GIF 格式 .................................................... 13 五、 PNG 格式 .................................................... 14 第二節(jié) 人臉圖像常用預(yù)處理方法 ..................................... 14 一、灰度變化 ................................................... 14 二、二值化 ..................................................... 15 三、直方圖均衡 ................................................. 15 四、圖像濾波 ................................................... 16 五、圖像銳化 ................................................... 17 六、圖像歸一化 ................................................. 18 第三節(jié) 本章小結(jié) ................................................... 19 第四章 人臉識別 ...................................................... 20 第一節(jié) 主成分分析基本理論 ......................................... 20 一、什么是主成分分析？ ......................................... 20 二、例子 ....................................................... 20 三、基變換 ..................................................... 21 四、方差 ....................................................... 24 五、 PCA 求解：特征根分解 ........................................ 27 六、 PCA 的假設(shè) .................................................. 28 七、總結(jié)： ..................................................... 29 八、在計算機視覺領(lǐng)域的應(yīng)用 ..................................... 31 第二節(jié) 基于 PCA 人 臉識別算法的實現(xiàn) ................................. 32 一、創(chuàng)建數(shù)據(jù)庫 ................................................. 32 二、計算特征臉 ................................................. 33 三、人臉識別 ................................................... 35 第三節(jié) 本章小結(jié) ................................................... 37 結(jié) 論 ................................................................ 38 致 謝 ................................................................ 39 參考文獻 .............................................................. 40 附 錄 ................................................................ 41 一、英文原文 ....................................................... 41 二、英文翻譯 ....................................................... 54 三、源程序 ......................................................... 65 1 前 言 隨著社會和科技的發(fā)展，社會步伐的加快，人們 對 高效可靠的身份識別 需求 日益強烈。 本文 研究的就是基于 PCA 的人臉識別算法的實現(xiàn) 。 I 畢業(yè)設(shè)計（論文） 設(shè)計（論文）題目： 基于 PCA 的人臉識別 算法實現(xiàn) II 摘 要 隨著科技的發(fā)展，人類社會的進步 ， 傳統(tǒng)身份識別由于容易遺失，容易被破解已不能起到身份識別作用。 本文按照完整人臉識別流程來分析基于 PCA 的人臉識別算法實現(xiàn)的性能。各種技術(shù)在科研和實際中都受到了很大的重視和發(fā)展。具體安排如下 : 第一章 主要介紹人臉識別的研究 現(xiàn)狀 ，人臉識別技術(shù)的主要難點及人臉識別流程 ?，F(xiàn)在，已變成計算機視覺領(lǐng)域的一個焦點，很多著名的大學(xué)和 IT 公司都有研究組在從事這發(fā)面的研究。 這個時期的 主要成果有： 1992 年 左右， Brunelli 和 Poggio 做了一個 基于結(jié)構(gòu)特征的方法和基于模板匹配的方法性能 對比 的實驗，并得出了模塊匹配的方法優(yōu)于基于特征的方法的結(jié)論。最后通過計算其與已知人臉屬性圖的相似度來完成識別過程。其主要將人臉描述為 2D形狀和紋理兩個分離的部分，分別用 PCA 建模，然后再通過 PCA[3,4,5]將兩者合成來對人臉建模。 這個時期主要成果有： Gehiades 等人基于光照錘模型的多姿態(tài)，多光照條件人臉識別方法。 并 且隨著現(xiàn)代社會的發(fā)展，快速人臉識別的需求越來越大 。隨著現(xiàn)在社會的發(fā)展，目前對動態(tài)人臉的跟蹤與識別的需求越來越大，尤其是在一些安全領(lǐng)域。隨著現(xiàn)在三維人臉采集技術(shù)的逐步發(fā)展，如何利用三維人臉進行人臉識別已成為一個新的研究熱點。 目前的主要的難點為： 一 、 復(fù)雜條件下人臉的檢測和關(guān)鍵點定位 人臉檢測和關(guān)鍵點定位為實際人臉識別系統(tǒng)的前端處理模塊，此模塊直接影響著人臉識別系統(tǒng)的性能。 四 、 表情問題 表情識別是生物特征識別的中的一種，是人機交互不可或缺的部分。 如何有效地排除遮擋物的影響有著非常重要的意義，如在監(jiān)控環(huán)境下。 從傳感器采集到圖像除了包含人臉特征信息，還包含背景信息，所以必須從原始人臉圖像分割出 我們要處理的部分。對于計算機而言，模擬人類的感覺器官是很難實現(xiàn)的，但計算機在處理數(shù)學(xué)特征的能力上要比人類強得多，因此我們通過諸如協(xié)方差矩陣，統(tǒng)計平均值和相關(guān)系數(shù)等數(shù)學(xué)特征來構(gòu)建人臉識別系統(tǒng)。由于測量空間的維數(shù)一般都很高，不易設(shè)計分類器，所以在分類器設(shè)計之前，需要從測量空間變換到維數(shù)很少的特征空間，由特征向量表示。而特征選擇是根據(jù)專家的檢驗知識或評價 準則來挑選對分類最有影響的特征。 人臉識別小節(jié)講解本文人臉識別的流程。動態(tài)人臉圖像相比靜態(tài)人臉圖像獲取難度較大，但其更加貼近實際需求，應(yīng)用場合更加廣闊。 對于靜態(tài)人臉圖像采集要注意要確保人臉表情正常，姿態(tài)無傾斜，光線盡量均勻，并且要對周圍的光源做必要的處理，避免受到周圍強光和不均 勻異色光的干擾?；谀Ｐ偷姆椒ㄐ枰闰炛R。局部閥值方法是圖像不同區(qū)域得到對應(yīng) 不同區(qū)域的閥值即一個閥值對應(yīng)圖像的一個子區(qū)域。它是一個迭代過程，每一步重新計算邊界信息，若沒有區(qū)域合并，迭代完成，圖像分割完成。每個人臉識別系統(tǒng) 都需要 一個 人臉數(shù)據(jù)庫。 PIE 人臉數(shù)據(jù)庫有卡內(nèi)基梅隆大學(xué)建立，由 11 68 位志愿者的 41368 副不同姿態(tài)，多光照和不同表情的圖像組成。這個人臉數(shù)據(jù)庫 由 Libor Speacek 博士主持的計算機視覺研究項目 在維護。 講話的目的是為了采集面部表情的變化。其中研究人員 指的是 研究生導(dǎo)師或其他固定職位的研究員，不 包括 學(xué)生。它是由聯(lián)合照片專家組 （ Joint Photographic Experts Group） 開發(fā)的，并且命名為“ ISO109181”， JPEG 僅僅是一種俗稱而已。 JPEG2021 文件的擴展名 為 jp2。 Windows 系統(tǒng)內(nèi)部各圖像繪制操作都是以 BMP為基礎(chǔ)的。 GIF 文件的數(shù)據(jù)，是一種基于 LZW 算法的連續(xù)色調(diào)的無損壓縮格式。如果要開發(fā)生成（或顯示） GIF 文件的程序，則需向該公司支付版稅。 GIF 格式的特點是壓縮比高，磁盤空間占用少。它能將圖像文件壓縮到極限以利于網(wǎng)絡(luò)傳輸，又能保留所有與圖像品質(zhì)相關(guān)的信息。 一 、 灰度變化 人臉識別的研究常以灰度圖像為處理對象。39。在人臉識別中二值化用來把人的頭發(fā)，眼睛，臉的輪廓及背影與人臉的亮域分開。 三 、 直方圖 均衡 直方圖 均衡是將將各灰度級分量盡量均勻分布，從而來增強人臉圖像的對比度。人臉圖像預(yù)處理經(jīng)常使用后一類方法。 一維零均值高斯函數(shù)為： 222() xg x e ??? （ ） 其中高斯分布參數(shù) ? 決定了高斯濾波器的寬度。 高斯濾波器寬度決定著平滑程度，是由 ? 表征的。它用像素點鄰域灰度值的中值來代替該像素點的灰度值。 邊緣保持算法的基本過程為：對灰度圖像的每一個像素點 [i,j]取適當大小的一個鄰域，分別計算 [i,j]的左上角子鄰域，左下角子鄰域，右上角子鄰域和右下角子鄰域的灰度分布均勻度V，然后取最小均勻度對應(yīng)區(qū)域的均值作為該像素的新灰度值。 假設(shè)拉普拉斯算子為 2f? 即 222 fffxy??? ? ? 離散數(shù)字圖像為 (, )f i j ，其一階偏導(dǎo)數(shù)為 ( , ) ( , ) ( 1 , )( , ) ( , ) ( , 1 )xyf i j f i j f i jxf i j f i j f i jy?? ? ? ? ?? ??? ?? ? ? ? ???? （ ） ，則其二階偏導(dǎo)數(shù)為 2222( , ) ( 1 , ) ( 1 , ) ( 1 , ) ( 1 , ) 2 ( , )( , ) ( , 1 ) ( , ) ( , 1 ) ( , 1 ) 2 ( , )xyf i j f i j f i j f i j f i j f i jxf i j f i j f i j f i j f i j f i jy? ? ? ? ? ? ? ? ? ? ? ?? ??? ?? ? ? ? ? ? ? ? ? ??