【文章內容簡介】 的方法，操作簡單、提取快速、應用性強，它的主要優(yōu)點有：(1)圖象的初始灰度數(shù)據(jù)直接用來訓練和識別。無需做中間的處理；(2)不需要人臉的幾何和反射知識；(3)由于對圖像數(shù)據(jù)采用低維子空間來表示，數(shù)據(jù)可以被壓縮，從而精簡計算量，提高運轉速度；(4)與其它人臉識別的方法相比較，PCA人臉識別法簡單且有效。然而，由于主成分分析法要求待辨認的圖像與訓練集圖像類似，對圖象訓練集和待辨認圖像的灰度相關性非常依。因此該方法具有很大的局限性，主要表現(xiàn)在以下幾個方面：(1)對于尺度變化比較敏感，因此需要在辨認前進行歸一化處理。 (2)人臉圖像處理只能是，側面人臉的識別率低，另外當人的姿勢、發(fā)型和環(huán)境等發(fā)生較大變化時，識別率將明顯下降。(3)在人臉樣本圖象庫比較多的時候，訓練過程就要進行很長時間。因此，為了提高識別率，減少外部環(huán)境對辨別結果的影響，該系統(tǒng)的實際應用中，往往需要結合其他方法，如小波變換，Gabor算法，神經網絡算法等等，使用PCA方法單獨開發(fā)的系統(tǒng)很難在實踐中應用，但與其它方法結合可以達到很好的效果，現(xiàn)在的人臉識別系統(tǒng)的產品大多數(shù)都是采用幾種方法相結合的方式。第四章 人臉識別系統(tǒng)的實現(xiàn)及實驗結果分析 本次人臉識別的特征值的提取是基于PCA算法，訓練樣本分類器使用的是臨近分類器，樣本圖象與待識別圖象的距離利用的是歐氏距離的計算方法，最終在MALTAB軟件中進行仿真。 人臉識別的主菜單界面在主菜單界面一共有四個按鈕：訓練樣本，載入照片，人臉識別，退出系統(tǒng)。點擊“訓練樣本”對現(xiàn)有人臉數(shù)據(jù)庫里的圖像全部進行計算統(tǒng)計。點擊“載入照片”將會彈出加載圖象的對話框，點擊“開始識別”按鈕則彈出識別界面的對話框。點擊“退出系統(tǒng)”則退出識別界面訓練樣本的過程沒有出現(xiàn)界面，訓練樣本的過程就是計算人臉樣本庫里面圖象的灰度值，然后根據(jù)PCA算法提取人臉樣本的特征值跟特征向量。這個文件用來進行人臉識別，只要在人臉樣本庫中更新數(shù)據(jù)之后都需要重新訓練一次。在人臉樣本眾多的情況下，樣本訓練過程會比較慢，人臉識別過程也會相對復雜，所以本設計只針對少量樣本的人臉庫。為了能夠快速、準確的顯示出識別效果，載入的識別圖象需要經過FACESAVE進行人臉定位處理過的圖象。FACESAVE軟件既可以處理出灰色的照片，也可以處理出彩色的照片。載入之后，綠色對話框會顯示出圖象的來源位置，有助于操作人的尋找。 人臉識別過程與采集過程有同樣的步驟，首先也是對人臉圖象進行歸一化的處理，本設計圖象像素統(tǒng)一處理為28*23，,然后讀取圖象，判斷圖象是否為灰度圖象。如果是，則繼續(xù)，如果不是，則把彩色圖象轉化為灰度圖象。轉變?yōu)榛叶葓D象后，則圖象增強，調整圖片矩陣樣式，全部轉變?yōu)?列的矩陣，“距離”，計算的特征矩陣的MAT文件的“距離”，這里的距離是指上述歐氏距離。從中尋找最小值，而后與設定的閾值相比較，如果比閾值小，就表明是圖人臉樣本庫的人臉，反之，如果最小距離比閾值大，則表明不是人臉樣本庫中的已知人臉，給出相應的提示。 人臉的識別本設計主要有三個函數(shù)： 、。用電腦攝像頭拍過照片，得到了人臉圖象，但是這個人臉圖象必須經過處理一下才能使用，需要將圖象進行歸一化。所有圖象需要像素統(tǒng)一，格式統(tǒng)一。所以先使用FACESAVE進行人臉定位處理，得到92*112的圖象。然后將人臉樣本存入人臉樣本庫。本次設計一共用了7個文件夾，每個文件夾代表一個人，一個文件夾有5張樣本圖象。訓練圖象時，還要經過兩個圖象的處理，通過函數(shù)goalsize = [28 23]將圖片歸一到28*23，然后使用函數(shù)（if color == 3 I = rgb2gray(I) I= imadjust(I,stretchlim(I))）對圖象進行灰度處理。接著利用PCA算法，提取圖象的特征值。識別過程主要是圖象的輸入、圖像的處理，距離與閾值的比較三部分，與樣本訓練過程相似。是別的過程簡單通俗的講，就是把一個圖象，用幾個簡單的數(shù)字來表示，圖象之間相似度的比較，也就是數(shù)字之間差值的比較，差值越小，就越相似。待識別的圖像投影到特征臉空間中，然后得到一行特征向量，然后計算待識別人臉與圖像庫中的人臉的歐式距離，找出最小值，該過程對應于函數(shù)function distance = dist(feature1,feature2)，如果比閾值小，就表明是圖人臉樣本庫的人臉，在數(shù)據(jù)庫中的查詢圖像特征的基本信息，并將結果輸出到對話框中，相反，如果最小距離大于閾值，就表明此圖不是人臉樣本庫里面的圖象，繼而主界面就會給出相應的提示。 未識別界面關于閾值的范圍確定，有許多方法。本設計中，利用帶識別圖象與樣本圖象距離的多次比較，選取了一個最大可以識別的距離作為閾值，這個閾值能夠很大程度排除不是人臉樣本圖象庫中的人臉。設計中有7個人的頭像，每個人有5張樣本圖象，一共有35張樣本圖象。6個人是用國外人臉識別測試臉型。一人是用筆記本電腦拍攝照片，然后進行處理得到的。在實驗時，當待識別圖象的采光與樣本圖象采光相似時，識別能夠完全正確，并且表情姿態(tài)的影響很小。但是在兩種圖象采光不相同的情況下，識別率很低。 這次識別結果，基本上能反映出基于PCA算法的人臉識別了，已經的完成了這次設計的目的。如果要進行精確地識別，則需要巨大的數(shù)據(jù)庫，對現(xiàn)在的情況來講，也不大現(xiàn)實。影響人臉識別成功率的因素大致有：圖象光度，人臉的姿勢以及圖象的像素都會使識別的成功率改變。在人臉識別中，如果樣本庫圖象光照與待識別圖象光照差距很大的時候，識別率一般都會很低。光照的轉變能夠來自光線目標或能量分布的差別能夠帶來光照的轉變，人臉3D布局也是影響其的一個因素。在人臉圖像的采集，如果人的態(tài)度的變化，然后產生投影變形會導致面部緊張，不同部位的圖像壓縮和閉塞，改變了很多。面對變化的姿勢有6個自由度，是三維空間中的一個先決條件：X，Y，Z軸沿平移和繞X，Y，Z軸的旋轉。其中，X平移，Y軸的圖象對人臉位置顯示的變化，采用適當?shù)姆椒ǐ@得通過坐標變換變化的校正；圖像比例的變化就是沿Z軸的變化，通過縮放二維圖像可以實現(xiàn)對它的校正。圍繞軸線的變化可以分為平面旋轉，橫向深度旋轉旋轉和垂直深度。其中，繞Z軸旋轉的平面旋轉；垂直深度旋轉也叫上下高低旋轉或仰俯旋轉，是繞X軸的旋轉；側深度旋轉叫做左右旋轉或水平偏轉，是繞Y軸的旋轉。自由的6度以上時，x和y的變化，旋轉軸周圍的難以確定直接從圖像。首先，在運行時間方面，一般是可以接受的，但反應速度慢，對數(shù)據(jù)庫的讀寫和存儲的主要相關，且計算量比較大。在實際應用中，如果涉及大量的人員和信息，效率會更差，主要原因是PCA方法效率不夠高，如果要滿足實際應用的需要，必須與其它方法相結合才能得到比較好的識別效果和運行效率。結 論人臉識別技術在當今社會有著重大的理論意義和應用前景，它是一個囊括多學科，多領域知識的一種技術。每個階段的人臉識別，都貫穿著怎么才能使用計算機進行既精確又迅速的人臉識別，這一直都是都是圖像處理和模式識別的研究的重點。隨著社會的發(fā)展，人臉識別因其自身的優(yōu)點，在越來越多的領域都有廣泛的應用，在當今身份識別使用日益頻繁的社會。人臉識別技術具有廣闊的社會需求和市場遠景。本文首先回顧了發(fā)展背景和研究人臉識別技術的現(xiàn)狀，然后介紹了人臉識別系統(tǒng)的結構和工作原理，并詳細介紹了特征臉方法，和人臉識別程序的設計使用。本文所做的主要工作歸納如下：（1） 概述了人臉識別在當今社會的廣泛應用，以及在人臉識別可能遇到的難點。（2）分析了各種分類器在人臉識別中的使用。（3）詳細介紹了人臉識別的流程，設計出人臉識別程序。（4）介紹了影響人臉識別的主要因素。致 謝首先要感謝學院能給我一次應用大學所學知識的機會，拓展了我的知識面，讓我深刻的體會到基礎的理論知識的重要性。經過一段時間的奮斗，論文也終于完成，回想此次畢業(yè)設計經過的點點滴滴，對于幫助過我的同學和老師，我發(fā)自內心的感謝你們，如果沒有你們的幫助，我肯定不能這么快就完成了這篇論文設計，尤其特別要感謝趙老師，他是我的指導老師，由于個人原因，我需要在家鄉(xiāng)和學校兩地來回跑，每次時間都很近，但是趙老師卻犧牲自己的下班時間，專門為我做畢業(yè)設計方面的指導，從論文的開題報告、任務書以及論文的寫作過程中都給我提供了不少的建議與幫助，使我的論文一點點的完善。感謝我寢室的室友們，有什么學校通知，都及時的相互傳達，每當感覺設計做不下去的時候，我們就相互鼓勵，一