【正文】 臉識別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用MATLAB實現(xiàn)了一個集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)。通過攝像機或攝像頭采集含有人臉的圖圖片，采取適當?shù)膱D像技術(shù)處理后，自動檢測出和跟蹤圖片當中的人臉，然后對系統(tǒng)檢測到的人臉進行臉部的一系列相關(guān)技術(shù)處理，從而識別人臉圖像的身份。但是指紋識別要求被檢測的人高度配合，采集比較困難。人臉識別產(chǎn)品已廣泛應(yīng)用于金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫(yī)療及眾多企事業(yè)單位等領(lǐng)域。李子青為SAC/TC100/SC2副主任委員，代表中國國家體撰寫了中國第一個ISO/IEC JTC1/SC37生物識別國際標準工作草案獲采納，并在2006年會全體會議上作了“生物特征識別在中國”的主題演講。此外，在漢字識別領(lǐng)域，取得了一系列國際領(lǐng)先的研究成果，先后榮獲國家科技進步二等獎三次。而人臉識別可以不與目標相接觸就取得樣本圖像，進而進行身份的識別。（5）信息安全。本文人臉識別仿真系統(tǒng)流程圖如下所示： 圖像獲取圖片灰度圖像處理處理得出識別結(jié)果根據(jù)算法找到最接近的兩幅圖與圖片庫中圖片比較統(tǒng)計原圖灰度值二值化處理根據(jù)算法找出合適人臉部位檢測到人臉圖像人人臉檢測人人臉識別 人臉識別流程圖 二、人臉識別的主要步驟： (1 )人臉圖像的獲取通常，圖片都是通過攝像機來完成。通過統(tǒng)計圖片各像素點的灰度值，對灰度值進行均衡化，將統(tǒng)計結(jié)果與圖片庫中的圖片進行對比，返回對比差距最小的圖片，判斷相似度。主要包括：GUI界面的設(shè)計，圖像操作的基本處理（圖片讀取，圖像輸出，圖像裁剪，灰度變換，二值化等），并且展示一部分具體操作的結(jié)果實例。如：圖像打開、圖像二值化、灰度圖像處理、圖片裁剪等。在本文中還使用到了imrisize（）函數(shù)對圖像進行裁剪，使其以合適的大小的輸出。前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。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)。作為人臉識別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。 人臉識別是一個復(fù)雜的過程，一個計算機人臉識別的流程如圖31所示。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。標準人臉模板可以是固定的樣板，也可以是帶參變量的曲線函數(shù)?；谌斯ど窠?jīng)網(wǎng)絡(luò)的方法對于復(fù)雜的、難以顯式描述的模式，具有獨特的優(yōu)勢。row = floor(m/10)。 [p, q] = size(loc)。 % 區(qū)域標記，返回矩陣和連通數(shù)stats = regionprops(Array, 39。amp。rectangle(39。, 1)。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。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。只有這樣，不同圖像在特征提取和識別時才具有可比性。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。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。 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)。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。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。[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。 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。 最初這種想法基于顏色直方圖。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。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。，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。(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。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。, [Ar(h,1),Ar(h,2),Ar(h,3),Ar(h,4)], ... 39。 h = z。)。 % if pr = 100 bw(a1:a2, b1:b2) = 0。 % 分成10大塊，列a1 = 1。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。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。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。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。人臉識別系統(tǒng)一般包括人臉檢測與定位、人臉圖像預(yù)處理、特征提取和匹配識別四個組成部分。下面列出本系統(tǒng)功能實現(xiàn)過程中主要使用的相關(guān)函數(shù)：（1）改變圖像類型因為后續(xù)人臉檢測定位過程，以及識別過程中都是處理的灰度圖片和二值圖像，但是原本的圖像是RGB格式的，因此要對獲得的圖片進行灰度圖像轉(zhuǎn)換。后者空間域法中具有代表性的算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。,如Matlab函數(shù)rgb2gray（），將真彩色圖像轉(zhuǎn)換為灰度圖像。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個因素的影響：一是計算機的發(fā)展；二是數(shù)學(xué)的發(fā)展（特別是離散數(shù)學(xué)理論的創(chuàng)立和完善）。第五章對整篇論文做一個總結(jié)，并且對人臉識別的研究和實現(xiàn)系統(tǒng)中存在的問題做一個探討。(4)基于人臉圖像比對的身份識別即人臉識別(Face Identification)問題。(2)人臉的檢測人臉檢測是為了檢測獲取的圖片是否存在人臉。在電子商務(wù)中交易全部在網(wǎng)上完成，電子政務(wù)中的很多審批流程也都搬到了網(wǎng)上。如人臉識別門禁考勤系統(tǒng)，人臉識別防盜門等。在國外，當前很多國家展開了有關(guān)人臉識別的研究，主要有美國、歐洲國家、日本等著名的研究機構(gòu)20世紀90年代以來，隨著高速高性能計算機的出現(xiàn)，人臉識別方法有了重 大突破，進入了真正的機器自動識別階段。接著，是清華大學(xué)的丁曉青和艾海洲教授。 人臉識別技術(shù)國內(nèi)外發(fā)展回顧人臉識別技術(shù)的發(fā)展歷程，可以將其劃分為4個發(fā)展階段。人臉圖像的機器識別研究就是在這種背景下興起的，是所有的生物識別方法中應(yīng)用最廣泛的技術(shù)之一。人臉識別系統(tǒng)的研究最早開始于20世紀60年代，但是受限制于計算機技術(shù)和光學(xué)成像技術(shù)發(fā)展水平，研究進程比較緩慢。