【正文】 最后，我要感謝我的父母和家人，他們這么多年來一直給我以無私的關(guān)愛和支持，濃濃的親情和期盼都是我學(xué)習(xí)的動(dòng)力和源泉。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 參考文獻(xiàn) 25 參考文獻(xiàn) [1] 祝磊 ,朱善安 .人臉識別的一種新的特征提取方法 [J].計(jì)算機(jī)學(xué)報(bào) ,2020,34 [2] 何東風(fēng) ,凌捷 .人臉識別技術(shù)綜述 [J].計(jì)算機(jī)學(xué)報(bào) ,2020,(13):127578 [3] Younus FazleBasit Javed 和 Usman Qayyum” ,采用直方圖的人臉識別和處理” ,第三階段僅相關(guān)新興技術(shù)研報(bào)告 [4] 何國輝 ,甘俊英 .PCALDA算法在性別鑒別中的應(yīng)用 [J].中國圖像圖形學(xué)報(bào)，2020,32(19):208211 [5] 王聃 ,賈云偉 ,林福嚴(yán) .人臉識別系統(tǒng)中的特征提取 [J].自動(dòng)化學(xué)報(bào) ,2020,21 [6] 張儉鴿 ,王世卿 ,盛光磊 .基于小波和 DFBPCA的人臉識別算法研究 [J].自動(dòng)化學(xué)報(bào)， 2020， 23（ 21） [7] 曹林 ,王東峰 ,劉小軍 ,鄒謀炎 .基于二維 Gabor 小波的人臉識別算法 [J].電子學(xué)報(bào) ,2020,28(3):490494 [8] 焦峰，山世光，崔國勤，高文，李錦濤 .基于局部特征分析的人臉識別方法 [J].自動(dòng)化學(xué)報(bào) ,2020,15(15):358 [9] Wangmeng Zuo,Kuanquan Wang,David Zhang,Hongzhi of two novel LDAbased methods for face recognition[C].Proceedings of the IEEE,2020:735742 [10] 徐倩 ,鄧偉 .一種融合兩種主成分分析的人臉識別方法 [J].計(jì)算機(jī)學(xué)報(bào)， 2020,43(25):195197 [11] 劉貴喜 ,楊萬海 .基于小波分解的圖像融和方法及性能評價(jià) [J].自動(dòng)化科學(xué) 2020,28(6):927934 [12] 周嬪 ,馬少平 ,蘇中 .多分類器合成方法綜獻(xiàn) [J].自動(dòng)化學(xué)報(bào) ,2020,28(1). [13] 王蘊(yùn)紅 ,范偉 ,譚鐵牛 .融合全局與局部特征的子空間人臉識別算法 [J].電子學(xué)報(bào) ,2020,28(10):16571662 [14] 莊哲民 ,張阿妞 ,李芬蘭 .基于優(yōu)化的 LDA算法人臉識別研究 [J].中國圖像圖形學(xué)報(bào) ,2020,29(9):20472049 [15] 鐘向陽 .基于 Gabor小波的人臉識別系統(tǒng)的實(shí)現(xiàn) [J].中國圖像圖形學(xué)報(bào) 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 致謝 26 致謝 在河南城建學(xué)院 的學(xué)習(xí)生活即將結(jié)束，在做畢業(yè)設(shè)計(jì)的這段時(shí)間里，我的老師、同學(xué)、朋友和家人給予了我無微不至的關(guān)心，毫無保留的指導(dǎo)和耐心細(xì)致的幫助，借此畢業(yè)論文完成之際，謹(jǐn)向他們致以我最真誠的感謝！ 首先，我衷心感謝我的曹延生指導(dǎo)老師。 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)。 該系統(tǒng)的主要功能模塊共有二個(gè)：（ 1）數(shù)字圖像處理的基本方法；（ 2）人臉識別。相關(guān)性不等于因果性，也不是簡單的個(gè)性化，相關(guān)性所涵蓋的范圍和領(lǐng)域幾乎覆蓋了我們所見到的方方面面，相關(guān)性在不同的學(xué)科里面的定義也有很大的差異。利用傅里葉變換的方法進(jìn)行人臉識別，要在頻域內(nèi)進(jìn)行，實(shí)際運(yùn)用還有一定的難度。 本文同時(shí)還利用了傅里葉變換及相關(guān)性的運(yùn)用，實(shí)現(xiàn)了頻譜圖，更好的進(jìn)行人臉識別。imshow(uint8(J2fft))。 J2fftConjugate = conj(J2fftShift)。 J1fftShift = fftshift(J1fft)。 J1=rgb2gray(J1)。)。人臉識別程序及效果圖如下。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。 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。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。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識別計(jì)算機(jī)系統(tǒng) 18 灰度變換是圖像增強(qiáng)技術(shù)中的一種。 （ 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。 （ 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。 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。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。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。EdgeColor39。 hold on。 if pmx amp。 BB2=cell2mat(BB1)。 BB = regionprops(L, 39。 y2=y2+c。s2=y2。 if pr=100 BW(x1:x2, y1:y2)=0。y2=c。 x1=1。 BW=im2bw(I)。 以上四種方法的優(yōu)缺點(diǎn)比較見表 表 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(cuò)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(cuò)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 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(cuò)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?；谌斯ど窠?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。 表 基于顯示特征方法的特點(diǎn) 基于隱式特征的方法將人臉區(qū)域看成一類模式，使用大量“人臉”、“非人臉”樣本訓(xùn)練、構(gòu)造分類器，通過判別圖像中所有可能區(qū)域是否屬于“人臉模式”的方法來實(shí)現(xiàn)人臉檢測。 模板匹配的方法一般是人為地先定義一個(gè)標(biāo)準(zhǔn)人臉模板，計(jì)算輸入圖像與模板的似然度；然后，確定一個(gè)似然度閾值，用以判斷該輸入圖像中是否包含人臉河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識別計(jì)算機(jī)系統(tǒng) 13 標(biāo)準(zhǔn) ,人臉模板可以是固定的樣板，也可以是帶參變量的曲線函數(shù)。因此他們采用廣泛使用的 RGB 顏色空間，在濾去亮度值的圖像中通過比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域?；陲@式特征的方法是指由人通過肉眼觀察，總結(jié)出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測區(qū)域是否滿足這些“人臉特征”，來判定該區(qū)域是否包含人臉。通常檢測和定位結(jié)合進(jìn)行。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。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。人臉識別系統(tǒng)一般 包括人臉檢測與定位、人臉圖像預(yù)處理、特征提取和匹配識別四個(gè)組成部分。,[,],)。f:39。figure,subplot(1,2,1),imshow(i)。 h=fspecial(39。,0,)。f:\39。 subplot(1,2,2),imhist(j) 執(zhí)行后的效果圖如圖 和圖 : 圖 均衡化后的灰度圖像圖 均衡化前后的直方圖對比圖 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 圖像處理的 matlab實(shí) 現(xiàn) 9 (2)灰度圖像平滑與銳化處理 平滑濾波器的目的在于模糊圖像 或消除噪聲 , 圖像處理工具箱提供了 medfilter2()函數(shù)用于實(shí)現(xiàn)中值濾波 ,wiener2()實(shí)現(xiàn)對圖像噪聲的自適應(yīng)濾波。i=rgb2gray(i)。) 效果如圖 :河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 圖像處理的 matlab實(shí)現(xiàn) 8 圖 對原圖類型進(jìn)行轉(zhuǎn)換 (1)灰度圖像直方圖均衡化 通過比較原圖和直方圖均衡化后的圖像可見 ,圖像變得更清晰 ,而且均衡化后的 直方圖比原直方圖的形狀更理想。 j=rgb2gray(i)。 因后面的圖像增強(qiáng) ,邊緣檢測都是針對灰度圖像進(jìn)行的 ,而我們的原圖是 RGB圖像 ,所以首先我們要對原圖類型進(jìn)行轉(zhuǎn)換。邊緣檢測算子可以檢查每個(gè)像素的鄰域并對灰度變化率進(jìn)行量化 ,也包括對方向的確定 ,其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。平滑濾波器可以用低通濾波實(shí)現(xiàn) ,目的在于模糊圖像或消除噪聲 。 (1)灰度變換增強(qiáng) 有多種方法可以實(shí)現(xiàn)圖像的灰度變換 ,其中最常用的就是直方圖變換的方法 ,即直方圖的均衡化。在類型轉(zhuǎn)換的時(shí)候 ,我們還經(jīng)常遇到數(shù)據(jù)類型不匹配的情況 ,針對這種情況 , 工具箱中 ,也給我們提供了各種數(shù)據(jù)類型之間的轉(zhuǎn)換函數(shù) ,如 double()就是把數(shù)據(jù)轉(zhuǎn)換為雙精度類型的函數(shù)。圖像的輸出用imwrite()函數(shù)就可以很方便的把圖像輸出到硬盤上 。利用計(jì)算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理。 Matlab 還推出了功能強(qiáng)大的適應(yīng)于圖像分析和處理的工具箱 ,常用的有圖像 處理工具箱、小波分析工具箱及數(shù)字信號處理工具箱。 第 4 章是實(shí)驗(yàn)結(jié)果與分析，并給出了人臉識別用到的理論知識。 論文的內(nèi)容及組織 第 1 章主要介紹了人臉識別的研究背景及國內(nèi)外的研究現(xiàn)狀，同時(shí)還介紹了目的及意義和應(yīng)用前景。通過將輸入人臉圖像與人臉數(shù)據(jù)庫中的所有已知原型人臉圖像計(jì)算相似度并對其排序來給出輸入人臉的身份信息。而人臉跟蹤則需要進(jìn)一步輸出所檢測到的人臉位置、大小等狀態(tài)隨時(shí)間的連續(xù)變化情況。 廣義的講，自動(dòng)人臉識別系統(tǒng)具有如圖 所示的一般框架并完成相應(yīng)功能的任務(wù)。本文在總結(jié)分析人臉識別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用 MATLAB 實(shí)現(xiàn)了一個(gè)集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊可嵌入在人臉識別系統(tǒng)中，并利用灰度圖像的直方圖比對來實(shí)現(xiàn)人臉圖像的識別判定。自從以上幾位學(xué)者運(yùn)用河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 緒論 3 基于 Haar 特征和 Adaboost 算法進(jìn)行人臉檢測取得長足進(jìn)步之后，基于 Haar 特征的人臉檢測方法備受專 家學(xué)者的青睞，國內(nèi)外相關(guān)研究成果也是層出不窮。 發(fā)展至今，人臉識別的方法越來越多，最有代表的是基于 Haar 特征的人臉識別方法是其中較為典型的方法，該方法不僅具有較高的檢測率，同時(shí)也能夠 滿足實(shí)時(shí)檢測的基本要求。由此可見，在國內(nèi)人臉識別領(lǐng) 域來說，他們的算法在 3D領(lǐng)域，絕對排名第一。接著是清華大學(xué)的丁曉晴教授。李子清教授，當(dāng)年在微軟亞洲研究所的時(shí)候，就從事人臉識別方面的研究工作