【正文】 特征提取和識(shí)別的前提步驟，是計(jì)算機(jī)人臉識(shí)別系統(tǒng)中的必要環(huán)節(jié)。 系統(tǒng)基本機(jī)構(gòu) 人臉識(shí)別是一個(gè)復(fù)雜的過程，一個(gè)計(jì)算機(jī)人臉識(shí)別的流程如圖 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(yàn)知識(shí)的方法。 基于先驗(yàn)知識(shí)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(duì)人臉的灰度、邊緣、紋理等信息，建立一種關(guān)于人臉的知識(shí)庫。 支撐向量機(jī)（ Support Vector Machine， SVM）法是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種新的模式識(shí)別方法，它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原理，較之于基于經(jīng)驗(yàn)風(fēng)險(xiǎn)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(xué)習(xí)問題、非線性和維數(shù)災(zāi)難問題、局部極小點(diǎn)問題等都得到了很大程度上的解決。 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% minimisation of background portion [n1 n2]=size(BW)。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 15 loc=find(BW(x1:x2, y1:y2)==0)。 pr1=0。BoundingBox39。 (BB2(1,k)/BB2(1,k+1)) mx=p。,39。 人臉圖像預(yù)處理方法 根據(jù)所查閱文獻(xiàn)資料，常應(yīng)用于人臉圖像的預(yù)處理方法有：圖像類型轉(zhuǎn)換、濾波去噪、灰度變換、邊緣檢測(cè)及二值化、尺寸歸一化、灰度歸一化等。對(duì)圖像進(jìn)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。通過灰度變換，可對(duì)原始圖像中的光照不均進(jìn)行補(bǔ)償，使得待識(shí)別人臉圖像遵循同一或相似的灰度分布。邊緣檢測(cè)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。 人臉識(shí)別程序： clc。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 19 J2=rgb2gray(J2)。%求共軛 CrossPowerSpecttrum = (J1fftShift .* J2fftConjugate) ./ (J1Power .* J2Power)。 傅里葉變換能將滿足一定條件的某個(gè)函數(shù)表示成 三角函數(shù)（正弦和 /或余弦函數(shù)）或者它們的積分的線性組合。 在論文設(shè)計(jì)時(shí)人臉數(shù)據(jù)庫不容易找到，有些圖像處理方法不是很理解，運(yùn)用的過程中碰到很多問題。該方法能較好地實(shí)現(xiàn)人臉的分類，但對(duì)人臉圖像的要求較高，目前僅是采用 Orl的標(biāo)準(zhǔn)人臉庫中的圖像來進(jìn)行測(cè)試，因此能獲得較高的識(shí)別率。 再次真心的感謝所有關(guān)心愛護(hù)我的良師益友和親人們！ 。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。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 結(jié)論 24 5 結(jié)論 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)行了一些仿真。最初傅里葉分析是作為熱過程的解析分析的工具被提出的。figure。 J2fft = fft2(J2)。G:\張迎 \標(biāo)準(zhǔn)測(cè)試圖像庫 1\39。所以，和灰度變換及濾波去噪部分的設(shè)計(jì)思路相同，在仿真系統(tǒng)中，筆者給出了 canny、 sobel、 log、prewitt 四種算子在不同灰度閾值下、不同方向的邊緣檢測(cè)算法，使用者可從檢測(cè)結(jié)果中加以比較、選擇合適的算法。這一過程，也被稱作灰度歸一化?？紤]濾波模板大小對(duì)濾波效果影響較大，仿真系統(tǒng)選擇算法時(shí)對(duì)同種濾波算法提供了不同模板大小的情況。所以，在本仿真系統(tǒng)中， 對(duì)上述的每種預(yù)處理方法全部加以實(shí)現(xiàn)的同時(shí)，還對(duì)三種最常用預(yù)處理方法：濾波去噪、灰度變換、邊緣檢測(cè)，提供了多種不同的具體算法供用戶比較、選擇之用。 ) 原始圖片 灰度圖片 均衡化灰度圖片 人臉定位 人臉圖像的預(yù)處理 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。 end end figure,imshow(I)。 BB1=struct2cell(BB)。 end y1=y1+c。 pr=o*100/s。 c=floor(n2/10)。 檢測(cè)方法 優(yōu)點(diǎn)與適用場(chǎng)合 缺點(diǎn)與需要改進(jìn)的地方 膚色模型 檢測(cè)速度快 高光和陰影會(huì)造成人臉區(qū)域被分割而被漏檢；膚色區(qū)域的存在提高了預(yù)警率 模板匹配 直觀性好，具有較好的適應(yīng)性 對(duì)表情、尺度變換敏感；可變模板的選擇和參數(shù)的確定非常困難 基于知識(shí)的方法 適用復(fù)雜圖像中的人臉檢測(cè) 依賴先驗(yàn)知識(shí)；多尺度空間遍歷工作量大，運(yùn)算時(shí)間長(zhǎng) 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 14 基于積分圖像（ Integral Image）特征的人臉檢測(cè)方法是 Viola 等新近提出的一種算法，它綜合使用了積分圖像描述方法、 Adaboost 學(xué)習(xí)算法及訓(xùn)練方法、級(jí)聯(lián)弱分類器。 以上三種方法的優(yōu)缺點(diǎn)比較見表 。 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。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。 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。canny39。 j2=imfilter(i,h)。gaussian39。 figure,subplot(1,2,1),imhist(i)。f:\39。 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。 (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。 圖像處理工具箱為我們提供了不同圖像類型相互轉(zhuǎn)換的大量函數(shù) ,如 mat2gray()函數(shù)可以將矩陣轉(zhuǎn)換為灰度圖像 ,rgb2gray()轉(zhuǎn)換 RGB 圖像或顏色映像表為灰度圖像。 數(shù)字圖像處理及過程 圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。 第 3 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。 (4)基于人臉圖像比對(duì)的身份識(shí) 別 即人臉識(shí)別 (Face Identification)問題。假設(shè)我們把照 相機(jī)、攝像頭、掃描儀等看作計(jì)算機(jī)的“眼睛”，數(shù)字圖像可以看作計(jì)算機(jī)觀察到的“影像”，那么AFR賦予計(jì)算機(jī)根據(jù)其所“看到”的人臉圖片來判斷人物身份的能力。為此， RainerLihart 等人于 2020 年對(duì)此方法進(jìn)行了擴(kuò)展，增加了傾斜特征的定義，此后此方法被擴(kuò)展到全旋轉(zhuǎn)放縮情況下的人臉檢測(cè)。不說別的，就只從 FRVT2020（美國(guó)國(guó)家標(biāo)準(zhǔn)研究所 2020 年全球人臉識(shí)別供應(yīng)商系統(tǒng)性能測(cè)試）的測(cè)試結(jié)果看來，丁曉晴教授的研究團(tuán)隊(duì)是唯一一個(gè)完成大規(guī)模 3D人臉識(shí)別性能測(cè)試的參賽團(tuán)隊(duì)。其次是中科院生物研究所的李子清教授，以及下屬的中科奧森公司。因此在各種干擾條件下實(shí)現(xiàn)人臉圖像的識(shí)別，也就更具有挑戰(zhàn)性。如果能夠開 發(fā)出具有像人類一樣的機(jī)器識(shí)別機(jī)制，就能夠逐步地了解人類是如何存儲(chǔ)信息，并進(jìn)行處理的，從而最終了解人類的思維機(jī)制。 利用 MATLAB實(shí)現(xiàn)了一個(gè)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)，將該系統(tǒng)作為圖像預(yù)處理模塊可嵌入在人臉識(shí)別系統(tǒng)中，并利用灰度圖像的直方圖比對(duì)來實(shí)現(xiàn)人臉圖像 的識(shí)別判定。本文針對(duì)近年來國(guó)內(nèi)外相關(guān)學(xué)術(shù)論文及研究報(bào)告進(jìn)行學(xué)習(xí)和分析的基礎(chǔ)上，利用圖像處理的matlab實(shí)現(xiàn) 人臉識(shí)別方法，這種實(shí)現(xiàn)簡(jiǎn)單且識(shí)別準(zhǔn)確率高，但其缺點(diǎn)是計(jì)算量大，當(dāng)要識(shí)別較多人員時(shí)，該方法難以勝任。人臉圖像的機(jī)器識(shí)別研究就是在這種背景下興起的，因?yàn)槿藗儼l(fā)現(xiàn)許多對(duì)于人類而言可以輕易做到的事情，而讓機(jī)器來實(shí)現(xiàn)卻很難，如人臉圖像的識(shí)別，語音識(shí)別，自然語言理解等。使得同一個(gè)人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時(shí)更會(huì)有很大的差別，給識(shí)別帶來很大難度。后來該實(shí)驗(yàn)室，成為上海銀晨的研發(fā)中心，專門為上海銀晨做技術(shù)研發(fā)和技術(shù)支持。不過最近幾年轉(zhuǎn)行做人臉識(shí)別，也是非常有成就的。但是此方法只能用于檢測(cè)正面無旋轉(zhuǎn)的人臉。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 緒論 4 識(shí)別系統(tǒng)構(gòu)成 人類似乎具有“與生俱來”的人臉識(shí)別能力，賦予計(jì)算機(jī)同樣的能力是人類的夢(mèng)想之一，這就是所謂的“人臉識(shí)別”系統(tǒng)。 根據(jù)人臉特征點(diǎn)檢測(cè)與標(biāo)定的結(jié)果，通過某些運(yùn)算得到人臉特征的描述（這些特征包括：全局特征和局部特征，顯式特征和統(tǒng)計(jì)特征等）。并做了一個(gè) Matlab 圖像處理功能的實(shí)例。 Matlab 圖像處理工具箱支持索引圖像、 RGB 圖像、灰度圖像、二進(jìn)制圖像并能操作 .bmp、 jpg、tif等多種圖像格式文件。 圖像類型的轉(zhuǎn)換 Matlab 支持多種圖像類型 ,但在某些圖像操作中 ,對(duì)圖像的類型有要求 ,所以要涉及到對(duì)圖像類型進(jìn)行轉(zhuǎn)換。 histeq(),同時(shí)我們可以用函數(shù) imhist()函數(shù)來計(jì)算和顯示圖像的直方圖。 工具箱中提供的 edge()函數(shù)可以進(jìn)行邊緣檢測(cè) ,在其參數(shù)里面 ,可以根據(jù)需要選擇合適的算子及其參數(shù)。imwrite(j,39。imshow(j)。 j=imnoise(i,39。,2,)。 j=edge(i,39。其目的是在去除噪聲，加強(qiáng)有用信息，對(duì)輸入設(shè)備或其他因素造成的退化現(xiàn)像進(jìn)行復(fù)原，為后續(xù)的特征提取和識(shí)別作準(zhǔn)備。它包括幾個(gè)步驟：對(duì)采集到的圖像，首先進(jìn)行人臉檢測(cè)（在輸入圖像中尋找人臉），給出人臉有無的結(jié)果；然后進(jìn)行人臉定位，確定人臉的位置并提取出來。 在彩色圖像中，顏色是人臉表面最為顯著的特征之一，利用顏色檢測(cè)人臉是很自然的想法 。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)。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)。 [o p]=size(loc)。 end imshow(BW)。)。 j=k。r39。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。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。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。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。clear all J1=imread(39。 J1fft = fft2(J1)。%互能量譜 imshow(uint8(J1fft))。在不同的研究領(lǐng)域，傅里葉變換具有多種不同的變體形式，如連續(xù)傅里葉變換和離散傅里葉變換。對(duì) 各種圖像處理方法以及人臉識(shí)別系統(tǒng)的學(xué)習(xí)、理解、運(yùn)用有待進(jìn)一步的提高。而在現(xiàn)實(shí)生活中采集到的人臉圖像則會(huì)受到很多因素的影響，識(shí)別率就未必能達(dá)到要