【文章內(nèi)容簡介】 訓(xùn)練成熟的網(wǎng)絡(luò)監(jiān)測速度快多樣本訓(xùn)練耗費時間多，但網(wǎng)絡(luò)監(jiān)測錯誤報警數(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，運算復(fù)雜度大基于積分圖像分析法檢測速度快，基本滿足實時檢測要求，檢測效率可以與神經(jīng)網(wǎng)絡(luò)法比較錯誤報警數(shù)目少時，檢測率不高 運用matlab仿真進(jìn)行人臉檢測定位實例：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。 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 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。 endendfigure,imshow(I)。hold on。rectangle(39。Position39。,[BB2(1,j2),BB2(1,j1),BB2(1,j),BB2(1,j+1)],39。EdgeColor39。,39。r39。 ) 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現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時還實現(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現(xiàn)的同時，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]。下面對本文實現(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。考慮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現(xiàn)方法可由matlab仿真來實現(xiàn)。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。第四章 基于直方圖的人臉識別實現(xiàn)用灰度直方圖增強(qiáng)圖像對比度是基于圖像灰度值統(tǒng)計的一種重要方法,它以概率論為基礎(chǔ)的,常用的實現(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(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實現(xiàn) 用戶界面 實現(xiàn)結(jié)果 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