【文章內(nèi)容簡介】 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 基于知識的方法 適用復(fù)雜圖像中的人臉檢測 依賴先驗(yàn)知識；多尺度空間遍歷工作量大，運(yùn)算時(shí)間長 18 絡(luò)結(jié)構(gòu)，把模式的統(tǒng)計(jì)特性隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)之中?；谌斯ど?經(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(dú)特的優(yōu)勢。 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。但是直接使用 SVM 方法進(jìn)行人臉識別有兩方面的困難：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，得到的支持向量會很多，使得分類器的計(jì)算量過高。 基于積分圖像（ Integral Image）特征的人臉檢測方法是 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、級聯(lián)弱分類器。 以上四種方法的優(yōu)缺點(diǎn)比較見表 32 表 32 基于隱式特征方法的特征 檢測方法 優(yōu)點(diǎn) 缺點(diǎn)與需要改進(jìn)的地方 本征臉法 標(biāo)準(zhǔn)人臉模板能抽象人臉全部信息，運(yùn)算不涉及迭代耗費(fèi)時(shí)間短 但模板檢測效率低，多模板提高了效率也增加了檢測時(shí)間 神經(jīng)網(wǎng)絡(luò)法 檢測效率高，錯誤報(bào)警數(shù)目不多 ，訓(xùn)練成熟的網(wǎng)絡(luò)監(jiān)測速度快 多樣本訓(xùn)練耗費(fèi)時(shí)間多，但網(wǎng)絡(luò)監(jiān)測錯誤報(bào)警數(shù)目多 支撐向量機(jī)機(jī)法 比神經(jīng)網(wǎng)絡(luò)方法具有更好的泛化能力，能對為觀測到的例子進(jìn)行有效分類 “非人臉”樣本復(fù)雜多樣，造成支持向量數(shù)目多，運(yùn)算復(fù)雜度大 19 基于積分圖像分析法 檢測速度快，基本滿足實(shí)時(shí)檢測要求，檢測效率可以與神經(jīng)網(wǎng)絡(luò)法比較 錯誤報(bào)警數(shù)目少時(shí)，檢測率不高 運(yùn)用 matlab 仿真進(jìn)行人臉檢測定位實(shí)例： 人臉檢測定位程序： %%%%% Reading of a RGB image i=imread(39。39。)。 I=rgb2gray(i)。 BW=im2bw(I)。 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% minimisation of background portion [n1 n2]=size(BW)。 r=floor(n1/10)。 c=floor(n2/10)。 x1=1。x2=r。 s=r*c。 20 for i=1:10 y1=1。y2=c。 for j=1:10 if (y2=c | y2=9*c) | (x1==1 | x2==r*10) loc=find(BW(x1:x2, y1:y2)==0)。 [o p]=size(loc)。 pr=o*100/s。 if pr=100 BW(x1:x2, y1:y2)=0。 r1=x1。r2=x2。s1=y1。s2=y2。 pr1=0。 end imshow(BW)。 end y1=y1+c。 y2=y2+c。 end x1=x1+r。 x2=x2+r。 end 21 figure,imshow(BW) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%% detection of face object L = bwlabel(BW,8)。 BB = regionprops(L, 39。BoundingBox39。)。 BB1=struct2cell(BB)。 BB2=cell2mat(BB1)。 [s1 s2]=size(BB2)。 mx=0。 for k=3:4:s21 p=BB2(1,k)*BB2(1,k+1)。 if pmx amp。 (BB2(1,k)/BB2(1,k+1)) mx=p。 j=k。 end end figure,imshow(I)。 hold on。 rectangle(39。Position39。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。EdgeColor39。,39。r39。 ) 22 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 不同的人臉識別系統(tǒng)根據(jù)其采用的圖像來源和識別算法需要不同，采用的預(yù)處理方法也不同。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。用在同一系統(tǒng)中的可能只有其中 23 一種或幾種預(yù)處理方法，但一旦庫中采集到的原始圖像質(zhì)量發(fā)生較大變化（如人臉大小、光照 強(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的。鑒于此，作者在總結(jié)分析了濾波去噪、邊緣檢測、灰度變換三種廣泛應(yīng)用于不同人臉識別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個通用的人臉圖像預(yù)處理仿真系統(tǒng)。該系統(tǒng)可對不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。如，用戶可根據(jù)需要選擇使用不同的濾波方法去除噪聲、不同的邊緣檢測算子檢測人臉邊緣、選擇不同的灰度變換算法實(shí)現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時(shí)還實(shí)現(xiàn)了尺寸歸一化、二值化等其他常用的圖像預(yù)處理算法。 仿真系統(tǒng)中實(shí)現(xiàn)的人臉圖像預(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、邊緣檢測及二值化、尺寸歸一化、灰度歸一化等。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方法。所以，在本仿真系統(tǒng)中，對上述的每種預(yù)處理方法全部加以實(shí)現(xiàn)的同時(shí)，還對三種最常用預(yù)處理方法：濾波去噪、灰度變換、邊緣檢測，提供了多種不同的具體算法供用戶比較、選擇之用。 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(shí)際人臉識別系統(tǒng)中所必須的步驟。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關(guān)于各種濾波方法的原理和分類可參考文獻(xiàn) [2]。下面對本文 24 實(shí)現(xiàn)的濾波方法及其選擇依據(jù)加以說明。在人臉圖像預(yù)處理中使用較多的濾波是平滑濾波，方法可分為以下三類：線性濾波、中值濾波、自適應(yīng)濾波。 （ 1）線性濾波最典型的線性濾波方法如，采用鄰域平均法的均值濾波器、采用鄰域加權(quán)平均的高斯濾波和維納濾波。對圖像進(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。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?？紤]濾波模板大小對濾波效果影響較大，仿真系統(tǒng)選擇算法時(shí)對同種濾波算法提供了不同模板大小的情況。 （ 2）中值濾波法中值濾波法是一種非線性濾波方法，它把像素及其鄰域中的像素按灰度級進(jìn)行排序，然后選擇該組的中間值作為輸出像素值。中值濾波方法的最大優(yōu)點(diǎn)是抑制噪聲效果明顯且能保護(hù)邊界。對于使用基于整體的人臉識別算法的系統(tǒng)中，由于失掉小區(qū)域的細(xì)節(jié)對特征提取影響較小，所以這種濾波方法最受歡迎。 （ 3）自適應(yīng)濾波自適應(yīng)濾波能夠根據(jù)圖像的 局部方差來調(diào)整濾波器的輸出，其濾波效果要優(yōu)于線性濾波，同時(shí)可以更好地保存圖像的邊緣和高頻細(xì)節(jié)信息。 2)灰度變換 灰度變換是圖像增強(qiáng)技術(shù)中的一種。通過灰度變換，可對原始圖像中的光照不均進(jìn)行補(bǔ)償，使得待識別人臉圖像遵循同一或相似的灰度分布。只有這樣，不同圖像在特征提取和識別時(shí)才具有可比性。這一過程，也被稱作灰度歸一化。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(jì)特征的直方圖均衡化、直方圖規(guī)定化和灰度均值方差標(biāo)準(zhǔn)化三種方法。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實(shí)現(xiàn)方法可由 matlab 仿真來實(shí)現(xiàn)。 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人臉識別帶來的影響。故在仿真系統(tǒng)中提供了三種灰度變換效果比較及選擇界面，用戶可根據(jù)需要選用。 3)邊緣檢測 對輸入人臉圖像進(jìn)行邊緣檢測是很多人臉識別系統(tǒng)在人臉粗定位及人臉主要器官（眼睛、鼻子、嘴巴）定位時(shí)采用的預(yù)處理方法。邊緣檢測的方法有很多，主要有：微分算子法、 Sobel 算子法、拉普拉斯算子法、 canny 算子法等。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。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算法，使用者可從檢測結(jié)果中加以比較、選擇合適的算法。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。為了在不修改其他算法的基礎(chǔ)上，擴(kuò)大系統(tǒng)處理圖像的類型和范圍，將輸入圖像首先轉(zhuǎn)換為統(tǒng)一的類型，是多數(shù)人臉圖像預(yù)處理中的第一步。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；對圖像二值化，采用了 graythresh()函數(shù)來自 動選擇閾值的二值化方法 [1]；尺寸歸一化采用的算法是對人臉圖像進(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。 26 第四章 基于直方圖的人臉識別實(shí)現(xiàn) 識別理論 用灰度直方圖增強(qiáng)圖像對比度是基于圖像灰度值統(tǒng)計(jì)的一種重要方法 ,它以概率論為基礎(chǔ)的 ,常用的實(shí)現(xiàn)算法主要是直方圖均衡化和直方圖規(guī)定化。 直方圖均衡化主要用于增強(qiáng)動態(tài)范圍較小的圖像的反差 ,基本思想是把原始圖的直方圖變換為均勻分布的形式 ,這樣就增強(qiáng)了像素灰度值的動態(tài)范圍 ,從而達(dá)到增強(qiáng)圖像整體對比度的效果。直方圖均衡化的優(yōu)點(diǎn)是 能自動地增強(qiáng)整個圖像的對比度 ,但它的具體的增強(qiáng)效果不好控制 ,處理的結(jié)果總是得到全局均衡化的直方圖。實(shí)際中有時(shí)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(qiáng)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(shí)可以采用比較靈活的直方圖規(guī)定化方法。 人臉識別的 matlab 實(shí)現(xiàn) 實(shí)現(xiàn)結(jié)果如圖 和 圖 用戶界面 圖 實(shí)現(xiàn)結(jié)果 27 本章小結(jié) 在過去十年中基于直方圖方法證其明簡單性和有用性。 最初這種想法基于顏色直方圖。 此算法提供我們的建議技術(shù)名為 直方圖處理人臉識別 的第一部分。同時(shí)使用灰度圖像。 第一，每個灰度級的頻率是計(jì)算并存儲在媒介作進(jìn)一步處理。 第二，平均從存儲載體的連續(xù)九個頻率的計(jì)算，并存儲在另一個載體，供以后使用，在測試階段。 此均值向量用于計(jì)算平均值的曾受訓(xùn)練的圖像和測試圖像絕對差異。 最后確定最小差異的圖像與測試圖像匹配， 識別的準(zhǔn)確性是 % 28 第五章 結(jié)語 基于 matlab 數(shù)字圖像處理與識別系統(tǒng)其實(shí)是一個范圍很大的應(yīng)用系統(tǒng)，作者在此只是有針對性、有選 擇地進(jìn)行了一些開發(fā)和實(shí)現(xiàn)。 該系統(tǒng)的主要功能模塊共有二個：（ 1）數(shù)字圖像處理的基本方法；（ 2）人臉識別。 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(shí)現(xiàn)圖像預(yù)處理，如格式轉(zhuǎn)換，灰度變化和濾波銳化。僅就這一部分而言，就有很多可以繼續(xù)完成的工作，可將其它一些數(shù)字圖像處理方法進(jìn)一步加以實(shí)現(xiàn)，如圖像的平滑，圖像矩陣的變換（ KL變換、 Fourier 變換、小波變換等），圖像的膨脹腐蝕、圖像的幾何變換（平移、旋轉(zhuǎn)、縮放等），以及各種編碼圖像的讀寫與顯示。僅這一部分即可形成一個專用 的圖像處理平臺。 關(guān)于“人臉識別”，在了解了人臉識別的各種方法后，選擇了圖像直方圖差值比較進(jìn)行了實(shí)現(xiàn)。該方法能較好地實(shí)現(xiàn)人臉的分類，但對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)行測試，因此能獲得較高的識別率。而在現(xiàn)實(shí)生活中采集到的人臉圖像則會受到很多因素的影響，識別率就未必能達(dá)到要求了。若要進(jìn)一步提高識別率和適用范圍，則還需要結(jié)合其它