【正文】 量好需要建立龐大的數(shù)據(jù)庫嫌疑犯照片匹配圖像質(zhì)量不統(tǒng)一多幅圖像可用潛在的巨大圖像庫互聯(lián)網(wǎng)應(yīng)用視頻信息價(jià)值高多人參與存在虛假銀行/儲蓄安全監(jiān)控效果好圖像分割不可控圖像質(zhì)量較差人群監(jiān)測圖像質(zhì)量高可利用攝像圖像圖像分割自由圖像質(zhì)量低、實(shí)時性表41 人臉識別的應(yīng)用首先先讀取圖像，將圖像轉(zhuǎn)化成灰度圖像，然后再將圖像轉(zhuǎn)化成二值圖像，對其進(jìn)行柵格化，從而讀出圖像的人臉部分。而后對其進(jìn)行特征提取，形成數(shù)據(jù)集，而后使用k近鄰算法進(jìn)行分類。其主要流程如下：圖像加載圖像處理圖像識別訓(xùn)練樣本加載測試樣本加載訓(xùn)練樣本處理測試樣本處理識別結(jié)果 （1）打開圖像一般來說，圖像的獲取都是通過攝像頭攝取，但攝取的圖像可以是真人，也可以是人臉的圖片或者為了相對簡單，可以不考慮通過攝像頭來攝取頭像，而是直接給定要識別的圖像。使用一個pictureBox，一個button和一個openFileDialog，代碼如下： private void button1_Click(object sender, EventArgs e) { if (() != ) return。 try { Image img = ()。 = img。 = img。 } catch ( ex) { (載入圖像失??！)。 } }（1） 處理圖像將圖像轉(zhuǎn)化成灰度圖像，然后再將圖像轉(zhuǎn)化成二值圖像，對其進(jìn)行柵格化，從而讀出圖像的人臉部分。而后對其進(jìn)行特征提取，形成數(shù)據(jù)集。其主要代碼如下:openFileDialognamespace Nobugz { static class Util { public static Bitmap BitmapTo1Bpp(Bitmap img) { int w = 。 int h = 。 Bitmap bmp = new Bitmap(w, h, )。 BitmapData data = (new Rectangle(0, 0, w, h), , )。 for (int y = 0。 y h。 y++) { byte[] scan = new byte[(w + 7) / 8]。 for (int x = 0。 x w。 x++) { Color c = (x, y)。 if (() = ) scan[x / 8] |= (byte)(0x80 (x % 8))。 } (scan, 0, (IntPtr)((int) + * y), )。 } return bmp。 } }}（2）識別圖像使用k近鄰算法對數(shù)據(jù)集進(jìn)行計(jì)算識別輸出結(jié)果。其主要代碼如下：// K近鄰法的實(shí)現(xiàn)// 設(shè)定不同的 k 值，給每個測試樣例予以一個類型// 距離和權(quán)重成反比void knnProcess(vectorsampleamp。 test, const vectorsampleamp。 train, const vectorvectordouble amp。 dm, unsigned int k){ for (vectorsample::size_type i = 0。 i != ()。 ++i) { multimapdouble, string dts。 for (vectordouble::size_type j = 0。 j != dm[i].size()。 ++j) { if (() k) { (make_pair(dm[i][j], train[j].type))。 } else { multimapdouble, string::iterator it = ()。 it。 if (dm[i][j] itfirst) { (it)。 (make_pair(dm[i][j], train[j].type))。 } } } mapstring, double tds。 string type = 。 double weight = 。 for (multimapdouble, string::const_iterator cit = ()。 cit != ()。 ++cit) { // 不考慮權(quán)重的情況，在 k 個樣例中只要出現(xiàn)就加 1 // ++tds[citsecond]。 // 這里是考慮距離與權(quán)重的關(guān)系，距離越大權(quán)重越小 tds[citsecond] += / citfirst。 if (tds[citsecond] weight) { weight = tds[citsecond]。 type = citsecond。 } } test[i].type = type。 }} 小結(jié)由程序運(yùn)行結(jié)果可知，對于我們在測試時輸入人臉圖像庫，得出的結(jié)果同數(shù)據(jù)集的中比較，最后結(jié)果28個數(shù)據(jù)測試和數(shù)據(jù)集中結(jié)果不同，因此正確率達(dá)到82%。因此基本達(dá)到本設(shè)計(jì)要求，基本實(shí)現(xiàn)了K近鄰法人臉識別?？梢杂么顺绦?qū)@類數(shù)據(jù)進(jìn)行分類判斷第五章 結(jié)論經(jīng)歷了數(shù)月的設(shè)計(jì)，基本實(shí)現(xiàn)了使用K近鄰算法的人臉識別系統(tǒng)，并且對數(shù)據(jù)測試結(jié)果表明：基本實(shí)現(xiàn)了預(yù)定目標(biāo)，達(dá)到分類的效果。K近鄰分類算法具有主觀性，因?yàn)楸仨毝x一個距離尺度，由于對距離的理解還不是深刻的，而分類的結(jié)果完全依賴使用的距離，這樣對于用一組數(shù)據(jù)，兩個不同的分類算法會產(chǎn)生兩種完全不同的分類結(jié)果，一般需要專家來評測結(jié)果是否有效。由于對結(jié)果的認(rèn)識是往往屬于經(jīng)驗(yàn)性的，這就限制了對各種距離的使用。參考文獻(xiàn)[1] 梁循. 數(shù)據(jù)挖掘算法與應(yīng)用[M]. 北京：北京大學(xué)出版社，2006：3133[2] 王建偉 張璞 .K近鄰分類算法的研究及實(shí)現(xiàn)[J] 黑龍江科技信息[3] [J] 電腦開發(fā)與應(yīng)用 2008,2[4] 周靖,劉晉勝. 采用特征相關(guān)性差異優(yōu)化距離的改進(jìn) [J] 計(jì)算機(jī)工程與設(shè)計(jì)2011, 32,.9 10007024[5] 劉鋒，白凡. 一種改進(jìn)的K近鄰算法在網(wǎng)頁分類中的應(yīng)用[J] 電子技術(shù)設(shè)計(jì)與運(yùn)用[6] 陸微微, 劉晶. 一種提高 K近鄰算法效率的新算法[J] 計(jì)算機(jī)工程與應(yīng)用2008 44 1002 8331[7] 徐建鎖，[R].天津：天津大學(xué)系統(tǒng)工程研究所，2004.[8] 陳安，陳寧，周龍?bào)J，[M].北京：科學(xué)出版社，2006.[9] 張銀奎，廖麗，[M].北京：機(jī)械工業(yè)出版社，2003.[10] 數(shù)據(jù)庫入門經(jīng)典[M].北京：清華大學(xué)出版社，2006：3341.[11]Edgar Anderson. The irises of the Gasp233。 Peninsula. Bulletin of the American Iris Society. 1935, 59: 2–5[12] Fisher, .. The Use of Multiple Measurements in Taxonomic Problems. Annals of Eugenics. 1936, 7: 179–188. 致謝本文從擬定題目到定稿，歷時數(shù)月。在本論文完成之際，首先要向我的導(dǎo)師蔣金山老師致以誠摯的謝意。在論文的寫作過程中，陳老師給了我許許多多的幫助和關(guān)懷。蔣老師學(xué)識淵博、治學(xué)嚴(yán)謹(jǐn)，待人平易近人，在蔣老師的悉心指導(dǎo)中，我不僅學(xué)到了扎實(shí)的專業(yè)知識，也在怎樣處人處事等方面收益很多；同時他對工作的積極熱情、認(rèn)真負(fù)責(zé)、有條不紊、實(shí)事求是的態(tài)度，給我留下了深刻的印象，使我受益非淺。在此我謹(jǐn)向蔣老師表示衷心的感謝和深深的敬意。25