【正文】 維的效果。因此我們稱這些特征向量為特征臉(Eigenface)。根據(jù)閾值選定前K個特征向量,...構(gòu)成特征子空間，閾值的計算公式如下: (329) 通常情況下。顯示出訓(xùn)練集中對應(yīng)的照片編號，識別工作完成。 )。TestImage = strcat(TestDatabasePath,39。figure,imshow(SelectedImage)。 endend %%%%%%%%%%%%%%%%%%%%%%%% Construction of 2D matrix from 1D image vectorsT = []。 %%%%%%%%%%%%%%%%%%%%%%%% Calculating the deviation of each image from mean imageA = []。 [irow icol] = size(temp)。.jpg39。*A(:,i)。,irow*icol,1)。..39。SelectedImage = imread(SelectedImage)。def = {39。在我成長的過程中，我的父母給予我許多學(xué)習(xí)上的支持和精神上的鼓勵，深深感謝他們的無私付出，深深感謝他們的養(yǎng)育之恩!參考文獻(xiàn)[1]徐飛，2002.[2]李剛，[J].計算機(jī)與現(xiàn)代化，2003, 3： 16.[3]周杰，盧春雨，張長水，[[J].電子學(xué)報，2000, 4：2025.[4][D].安徽:中國科學(xué)技術(shù)大學(xué)，2007.[5]周激流，[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，200711：180184.[6] Yang M H, Ahuja N, Kriegrnan D. A survey on face detection methods[J].IEEE Trans PAMI, 2002,24(l)：3458.[7] Erik H, Boom K. Detecting Faces in Images: A Survey[J].Computer Vision and Image Understanding, 2001, 83：236274.[8]李華勝，張曄，[[J].北京交通大學(xué)學(xué)報，2001,25(2)：4549.[9]姜軍，張桂林一種基于知識的快速人臉檢測方法[[J].中國圖象學(xué)報，2002,7(1)：1419.[10]盧春雨，張長水，[[J].清華大學(xué)學(xué)報，1999,39(l)：101105.附錄:主程序：exampleclear allclcclose all TrainDatabasePath = uigetdir(39。 實驗過程 本系統(tǒng)在自選的人臉數(shù)據(jù)庫上進(jìn)行簡單的人臉識別，通過隨機(jī)輸入想要測試的圖片，系統(tǒng)會自動讀取，進(jìn)行識別后，同時顯示出測試的圖片和識別后的圖片。 根據(jù)KL變化原理，需要求得的新坐標(biāo)系由矩陣S的非零特征值對應(yīng)的非零向量組成。特征臉方法計算簡單，概念清晰，易于實現(xiàn)且效果良好。 我們通過KL變換得到了m個特征向量，雖然m遠(yuǎn)遠(yuǎn)小于n，但通常m還是很大。 其中，第一步人臉圖像的預(yù)處理在第二章詳細(xì)介紹過，下面將介紹利用PCA進(jìn)行人臉識別的流程。灰度直方圖的橫坐標(biāo)表示灰度級，縱坐標(biāo)則表示該灰度級出現(xiàn)的頻率，整個直方圖反映了圖像的每一個灰度級和其出現(xiàn)的頻率之間的統(tǒng)計關(guān)系，因此從直方圖可以看出圖像最基本的統(tǒng)計特征，即圖像的概貌， ：(a)原始圖像 （b）直方圖均衡化后的圖像 均衡化原理:八位灰度(unit8類)圖像有256個灰度級，但原圖像經(jīng)過數(shù)字化后，實際灰度范圍往往沒有占滿0255的全部灰度級，而是集中在某幾個“收集箱”，一個收集箱僅僅是亮度標(biāo)度范圍的一小部分。 圖像的幾何歸一化也可以稱為圖像的標(biāo)準(zhǔn)化，主要是指各幅人臉圖像中，人臉的關(guān)鍵部位在圖像中的相對位置是否都一樣。建立一個包含人臉圖像的數(shù)據(jù)庫是做任何人臉識別系統(tǒng)的開發(fā)的前提。(2)計算的復(fù)雜性很多經(jīng)典的識別問題譬如文字識別只需要處理相對較少的類，而且每個類有大量的訓(xùn)練樣本，但在人臉識別問題中，通常需處理相當(dāng)多的類，并且每個類存在很少的訓(xùn)練樣本，識別算法必須在很少的樣本中提取特征，通過訓(xùn)練進(jìn)行人臉圖像的匹配。人類具有很強(qiáng)的人臉識別能力，嬰兒可以很快學(xué)會辨認(rèn)其父母的臉。而現(xiàn)在逐步擴(kuò)大到社會生活的各個領(lǐng)域，例如在海關(guān)邊檢、物業(yè)管理、網(wǎng)絡(luò)安全、視頻會議、計算機(jī)訪問控制等方面都有著廣泛的應(yīng)用。(2)另外是一組聯(lián)系每一個狀態(tài)的概率密度函數(shù)。在利用圖匹配進(jìn)行識別的方法中，一個目標(biāo)(如一個人臉圖像)可以采用一張圖(Graph)來表示。但總的來說，由于人類對自身思維機(jī)理認(rèn)識的不足，所以對人工神經(jīng)元作了極度的簡化，這種模擬表現(xiàn)為極其膚淺和簡單。 KL變換在90年代初受到了很大的重視，實際用于人臉識別取得了很好的效果，一般庫德大小為100幅左右，識別率在70％100％之間不等，這主要取決于人臉庫圖像的質(zhì)量。KL變換用于人臉識別的前提是人臉圖像處于低維空間，并且不同人臉是線性可分的。如果要獲得一個準(zhǔn)確、穩(wěn)定和可靠的識別結(jié)果，就要求這些被選出的幾何特征參數(shù)包含足夠豐富的辨識人臉的信息，且能反映不同人臉之間的差別。基于局部特征分析的方法識別結(jié)果取決于特征定位算法的準(zhǔn)確性，而且要求圖像的像素較高，因此要近距離拍攝圖片。（3)特征提取和選擇，對人臉進(jìn)行識別主要依據(jù)人臉的特征，也就是說依據(jù)不同個體之間有較大差異而對同一個體則比較穩(wěn)定的度量。這一過程的核心是選擇適當(dāng)?shù)娜四槺硎痉绞脚c匹配策略。根據(jù)預(yù)計，生物特征識別技術(shù)在20092012年的增長率將保持30%左右，在國內(nèi)這一數(shù)字會更高。人臉識別技術(shù)基于生理特征進(jìn)行識別，是最主要的生物特征身份認(rèn)證技術(shù)之一。關(guān)鍵詞人臉識別。本文介紹了幾種主要的預(yù)處理方法，如幾何歸一化，灰度歸一化。但是，隨著網(wǎng)絡(luò)、通信、交通等技的飛速發(fā)展，人們活動的現(xiàn)實空間和虛擬空間不斷擴(kuò)大，需要身份認(rèn)證的場合也變得無不在。普通人可以對人臉認(rèn)證系統(tǒng)的結(jié)果進(jìn)行判定，而上述其他生物特征一般只能通過專家認(rèn)定。 人臉識別(Face Recognition)是指基于己知的人臉樣本庫，利用圖像處理和模式識別技術(shù)從靜態(tài)或動態(tài)場景中，識別或驗證一個或多個人臉。人臉檢測的目的是檢測輸入的圖像中是否含有人臉，而人臉定位是確定輸入的圖像中人臉位置以及大小，并將人臉從背景中分割出來。根據(jù)研究角度的不同，我們對人臉識別方法可以進(jìn)行不同的分類方法。目前，絕大部分關(guān)于人臉識別方法的文章都是基于人臉圖像整體特征的，主要有特征臉法、最佳鑒別向量集法，貝葉斯法，基于傅立葉不變特征法，彈性圖匹配法，其他相關(guān)方法有線性子空間法，可變形模型法和神經(jīng)網(wǎng)絡(luò)法。顯然，這些特征中的一部分是難以精確測量出來或者是不能用幾何參數(shù)準(zhǔn)確描述的。雖然它考慮了人臉圖像的所有差異(從壓縮角度)，但沒有考慮這些差異是類內(nèi)差異(如光照變化，頭飾變化或幾何變化)還是類間差異(從分類角度)?？傊?，特征臉方法是一種簡單、快速、使用的基于變換系數(shù)的算法，但由于它在本質(zhì)上依賴于訓(xùn)練集合測試集圖像的灰度相關(guān)性，而且要求測試圖像與訓(xùn)練集比較接近，所以存在著很大局限。多層感知機(jī)的輸入形式有很多種，最簡單的就是將整個人臉圖像作為輸入層，也可以對人臉圖像進(jìn)行采樣，然后用低分辨率圖像作為輸入層。通過對突遇圖之間的拓?fù)浣Y(jié)構(gòu)的匹配以及節(jié)點與節(jié)點之間的特征矢量值的比較，可以進(jìn)行人臉識別，這就將模板的圖像匹配轉(zhuǎn)化成了模板的圖匹配。Belhumeur認(rèn)為這種使所有類散布最大化的PCA方法會保留那些對分類不利的光照方向和表情信息。人臉識別與之相比，具有直接、方便和界面友好的特點。這就說明，復(fù)雜多變的光照問題仍是人臉識別中的難點。簡單概括一下，其發(fā)展方向大體包括：(1)準(zhǔn)確魯棒的人臉檢測與定位算法，保證后續(xù)識別算法具有穩(wěn)定可靠的樣本輸入；(2)高精度特殊圖像傳感器或快速三維掃描設(shè)備的研制，保證輸入原始人臉數(shù)據(jù)的質(zhì)量，克服圖像質(zhì)量低，光照和姿態(tài)等影響；(3)大規(guī)模全面公共人臉數(shù)據(jù)庫的建立，涵蓋所有人臉識別中所要面對的樣本，為全球研究者建立一個統(tǒng)一的研究和測試平臺；(4)多生物特征的融合，采用特征融合技術(shù)，與目前其它生物特征識別技術(shù)進(jìn)行融合，克服遮擋、化妝和活體檢測等難點；(5)普適特征提取技術(shù)和普適分類器的提出，解決現(xiàn)有算法無法同時解決普適性差，泛化能力低和中長期適應(yīng)性差等問題；(6)其它解決方案，包括大規(guī)模計算機(jī)的發(fā)展，數(shù)據(jù)庫管理及檢索技術(shù)的發(fā)展，適合生物特征存儲的數(shù)據(jù)結(jié)構(gòu)的發(fā)展等。 FERET人臉庫是目前最大的人臉數(shù)據(jù)庫，由美國國防部發(fā)起建立，其初衷是想開發(fā)一個自動人臉識別系統(tǒng)，以應(yīng)用于各種安全檢測目的。灰度插值常用的有最近鄰插值，雙線性插值和三次插值法。目前，主成份分析法在信號處理、數(shù)字圖像處理和模式識別等領(lǐng)域都己經(jīng)得到了廣泛的應(yīng)用。使變換矢量更加確定、能量更加集中等等?？梢园凑展?316)進(jìn)行計算: (316) 將人臉圖像投影到特征子空間，得到相應(yīng)的人臉特征向量之后，余下的任務(wù)就是如何判別測試圖像所屬的類別，即歸類問題或判別決策問題。二、識別過程，步驟如下: (1)對測試圖像進(jìn)行預(yù)處理工作；(2)將測試圖像投影到人臉特征子空間中，得到相應(yīng)的人臉特征向量；（3)選擇距離函數(shù)，進(jìn)行分類判別。那么本章所選擇相似性度量工具是歐氏距離，然后選擇最近鄰分類器進(jìn)行圖像的分類。她淵博的學(xué)識、嚴(yán)謹(jǐn)?shù)淖黠L(fēng)、寬廣的胸懷和淡泊明志的精神境界都給我以潛移默化的影響，將使我終生受益。)。im = imread(TestImage)。Matched image is : 39。.jpg39。[V D] = eig(L)。*Difference。for i = 1 : Train_Number q = ProjectedImages(:,i)。for i = 1 : size(V,2) if( D(i,i)1 ) L_eig_vec = [L_eig_vec V(:,i)]。 str = strcat(TrainDatabasePath,str)。disp(str)%函數(shù)CreateDatabase:function T = CreateDatabase(TrainDatabasePath)%%%%%%%%%%%%%%%%%%%%%%%% File managementTrainFiles = dir(TrainDatabasePath)。[m, A, Eigenfaces] = EigenfaceCore(T)。Enter test image name (a number between 1 to 10):39。對導(dǎo)師的感激之情非言語所能表達(dá)，導(dǎo)師無私的關(guān)懷和殷切的厚望惟以不斷的努力來報答。對于給定的一個人臉測試圖像，其對應(yīng)的特征向量為，如果，并且有，那么分類結(jié)果即為。選取庫中每人一定數(shù)量的圖像構(gòu)成訓(xùn)練集，其余構(gòu)成測試集。常見的度量方式有: (1)歐氏距離 歐式((Euclidean)距離也稱歐幾里德距離，向量X與Y之間的歐氏距離定義為: （317） 向量X和Y服從于同一分布且協(xié)方差矩陣為C,則X和Y之間的馬氏距離為: （318） 馬氏距離引入特征值，給特征值小的特征向量更大的權(quán)值，使每個基坐標(biāo)的重要性平等，從而排除了不同特征之間相關(guān)性的影響。假設(shè)X為n維的隨機(jī)變量，X可以用n個基向量的加權(quán)和來表示: X = (31)其中: 是加權(quán)系數(shù)，是基向量，該公式用矩陣的形式可以表示為: X= (32)其中，= = (33)我們?nèi)』蛄繛檎幌蛄浚? (34)由正交向量構(gòu)成，所以是正交矩陣，即 (35)將公式((32)兩邊乘，并考慮到為正交矩陣，得 (36)即： (37)如果我們希望向量的各個分量互不相關(guān)，那就取決于我們選取怎樣的正交向量集。其具體做法是由高維圖像空間經(jīng)KL變換后得到一組新的正交基，對這些正交基作一定的取舍，保留其中的一部分生成低維的人臉空間，也即人臉的特征子空間。三次插值法精度高但是運(yùn)算量大。該數(shù)據(jù)庫中不包括戴眼鏡的照片，拍攝條件也有一定的限制，人臉大小約束在規(guī)定的范圍內(nèi)。輸入圖像從實物轉(zhuǎn)換成數(shù)字圖像時，由于設(shè)備條件的差異，往往存在噪聲、對比度太低等缺陷。盡管采用3D人