【正文】 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 學習算法及訓練方法、級聯(lián)弱分類器。 支撐向量機（ Support Vector Machine， SVM）法是在統(tǒng)計學習理論基礎上發(fā)展出的一種新的模式識別方法，它基于結構風險最小化的原理，較之于基于經驗風險最小化的人工神經網絡，一些難以逾 越的問題，如：模型選擇和過學習問題、非線性和維數災難問題、局部極小點問題等都得到了很大程度上的解決。 人工神經網絡（ Artificial Neural Network， ANN）的方法是通過訓練一個網絡結構，把模式的統(tǒng)計特性隱含在神經網絡的結構和參數之中。這類方法有：特征臉法、人工神經網絡法、支持向量機法；積分圖像法。 以上三種方法的優(yōu)缺點比較見表 。 基于先驗知識的方法則采用符合人臉生理結構特征 的人臉鑲嵌圖（ mosaic image）模型，并在分析了足夠多的人臉圖像樣本的基礎上，針對人臉的灰度、邊緣、紋理等信息，建立一種關于人臉的知識庫。 Yoo 等利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個區(qū)域，根據橢圓長短軸的比率判斷是否為人臉。除了 RGB 顏色空間，還有諸如 HIS， LUV， GLHS 等其它顏色空間被使用。 Yang 等在考察了不同種族、不同個體的膚色后，認為人類的膚色能在顏色空間中聚成單獨的一類，而影響膚色值變化的最主要因素是亮度變化。根據所選擇的“人臉特征”，基于顯式特征的方法分以下三類：基于膚色模型的方法、模板匹配的方法、基于先驗知識的方法。 所謂顯式特征是指對人類肉眼來說直觀可見的特征，如膚色、臉部輪廓、臉部結構等。對提取出來的人臉借助人臉描述就可以進行（狹義的）人臉識別，即通過提取特征來確定其身份。對人臉的定位在輸入是圖像序列時一般也稱之為人臉跟蹤。 系統(tǒng)基本機構 人臉識別是一個復雜的過程，一個計算機人臉識別的流程如圖 所示。該系統(tǒng)可對不同條件下的原 始圖像進行相應的預處理。用在同一系統(tǒng)中的可能只有其中一種或幾種預處理方法，但一旦庫中采集到的原始圖像質量發(fā)生較大變化（如人臉大小、光照強度、拍攝條件、成像系統(tǒng)等方面變化），原有的預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。 不同的人臉識別系統(tǒng)根據其采用的圖像來源和識別算法需要 不同，采用的預處理方法也不同。其中，人臉圖像預處理，作為特征提取和識別的前提步驟，是計算機人臉識別系統(tǒng)中的必要環(huán)節(jié)。 河南城建學院本科畢業(yè)設計（論文） 人臉圖像識別計算機系統(tǒng) 11 3 人臉圖像識別計算機系統(tǒng) 引言 計算機人臉識別是一個非?；钴S的研究領域，因其在公安刑偵破案、銀行密碼系統(tǒng)、計算機安全系統(tǒng)以及動態(tài)監(jiān)視系統(tǒng)等方面都有廣泛應用，已成為當前模式識別、計算機視覺領域的研究熱點。 imshow(j) 效果圖如圖 : 原灰度圖像 邊緣檢測后的圖像 圖 邊緣檢測效果圖 本章小結 以上實例只是對 Matlab 圖像處理工具箱函數的一小部分運用 ,從這些功能的運用可以看出 ,Matlab 語言簡潔 ,可讀性強。canny39。)。 程序代碼如下 : i=imread(39。 subplot(1,2,2),imshow(j2)。 j2=imfilter(i,h)。gaussian39。subplot(1,2,2),imshow(j1)。 subplot(1,2,1),imshow(j)。gaussian39。)。功能實現(xiàn)的代碼如下 : i=imread(39。在本文實例中 ,為了使濾波效果更明顯 ,我們事先為圖像增加濾波 ,然后用自適應濾波方法對圖像進行濾波。 figure,subplot(1,2,1),imhist(i)。 j=histeq(i)。)。該部分的程序代碼如下 : i=imread(39。f:\39。 imshow(j)。)。實現(xiàn)過程代碼如下 : i=imread(39。 Matlab 實現(xiàn)實例 本文通過運用圖像處理工具箱的有關函數對一人臉的彩色圖像進行處理。常用的有 Sobel 算子 ,Prewitt 算子 ,Roberts 算子 ,Log 算子 等。 邊緣檢測 數字圖像的邊緣檢測是圖像分割、目標區(qū)域識別、區(qū)域形狀提取等圖像分析領域十分重要的基礎 ,也是圖像識別中提取圖像特征的一個重要屬性。銳化濾波器是用高通濾波來實現(xiàn) ,目的在于強調圖像被模糊的細節(jié)。 (2)空域濾波增強 空域濾波按照空域濾波器的功能又可分為平滑濾波器和銳化濾波器。這種方法是一種使輸出圖像直方圖近似服從均勻分布的變換算法。下面以空域增強法的幾種方法加以說明。 圖像增強 圖像增強的目的是為了改善圖像的視覺效果 ,提高圖像的清晰度和工藝的適應性 ,以及便于人與計算機的分析和處理 ,以滿足圖像復制或再現(xiàn)的要求。 圖像處理工具箱為我們提供了不同圖像類型相互轉換的大量函數 ,如 mat2gray()函數可以將矩陣轉換為灰度圖像 ,rgb2gray()轉換 RGB 圖像或顏色映像表為灰度圖像。另外還可以用 imcrop()、imrisize()、 imrotate()等來實現(xiàn)圖像的裁剪、縮放和旋轉等功能。 圖像處理的基本操作 讀取和顯示圖像可以通過 imread()和 imshow()來實現(xiàn) 。數字圖像處理技術已經成為信息科學、計算機科學、工程科學、地球科學等諸多方面的學者研究圖像的有效工具。 數字圖像處理及過程 圖像是人類獲取信息、表達信息和傳遞信息的重要 手段。利用這些工具箱 ,我們可以很方便的從各個方面對圖像的性質進行深入的研究。 河南城建學院本科畢業(yè)設計（論文） 圖像處理的 matlab實現(xiàn) 6 2 圖像處理的 Matlab 實現(xiàn) Matlab 簡介 由 Math Work 公司開發(fā)的 Matlab 語言語法限制不嚴格 ,程序設計自由度大 ,程序的可移植性好。實驗過程中的難點與缺點。 第 3 章主要始涉三個方面：首先是對人臉識別系統(tǒng)的構成做詳細論述；其次就是對人臉識別過程中的關鍵環(huán)節(jié)人臉檢測、特征提取和圖像預處理做詳細介紹；最后就是 Matlab 在人臉識別系統(tǒng)中的具體應用，即人臉圖像識別的具體技術，并用 Matlab 進行仿真試驗并得到結果。 第 2 章主要介紹人臉識別系統(tǒng)中所用到的仿真軟件 Matlab，介紹了在人臉圖像識別過程中所需要的圖像處理技術，包括：一些基本操作、 格式轉換、圖像增強等。系統(tǒng)在輸入人臉圖像的同時輸入一個用戶宣稱的該人臉的身份信息，系統(tǒng)要對該輸入人臉圖像的身份與宣稱的身份是否相符作出判斷。這包括兩類識別問題：一類是閉集 (Close Set)人臉識別問題，即假定輸入的人臉一定是人臉庫中的某個個體；另一類是開集 (Open Set)識別，即首先要 對輸入人臉是否在已知人臉庫中做出判斷，如果是，則給出其身份。 (4)基于人臉圖像比對的身份識別 即人臉識別 (Face Identification)問題。 (3)特征提取 通過人臉特征點的檢測與標定可以確定人臉圖像中顯著特征點的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同時還可以得 到這些器官及其面部輪廓的形狀信息的描述。若存在人臉，給出其在圖像中的坐標位置、人臉區(qū)域大小等信息。 特 征 提 取 人 臉 識 別人 臉 圖 像 獲 取 人 臉 檢 測 圖 人臉識別系統(tǒng)一般框 架 (1)人臉圖像的獲取 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。假設我們把照相機、攝像頭、掃描儀等看作計算機的“眼睛”，數字圖像可以看作計算機觀察到的“影像”，那么AFR 賦予計算機根據其所“看到”的人臉圖片來判斷人物身份的能力。 其中涉及到圖像 的選取，臉部定位，特征提取，圖像處理和識別幾個過程。 表 人臉識別的應用 應用 優(yōu)點 存在問題 信用卡、汽車駕照、護照以及個人身份驗證等 圖像攝取可控、圖像分割可控、圖像質量好 需要建立龐大的數據庫 嫌疑犯照片匹配 圖像質量不統(tǒng)一、多幅圖像可用 潛在的巨大圖像庫 互聯(lián)網應用 視頻信息價值高多人參與 存在虛假 銀行 /儲蓄安全 監(jiān)控效果好 圖像分割不可控、圖像質量較差 人群監(jiān)測 圖像質量高、可利用攝 像圖像 圖像分割自由、圖像質量低、實時性 本文研究的問題 本文介紹了人臉圖像識別中所應用 MATLAB 對圖像進行預處理，應用該工具箱對圖像進行經典圖像處理 ,通過實例來應用 matlab 圖像處理功能，對某一特定的人臉圖像處理，進而應用到人臉識別系統(tǒng)。 人臉圖像識別的應用前景 人臉圖像識別除了具有重大的理論價值以及極富挑戰(zhàn)性外，還其有許多潛在的應用前景，利用人臉圖像來進行身份驗證，可以不與目標相接觸就取得樣本圖像，而其它的身份驗證手段，如指紋、眼睛虹膜等必須通過與目標接觸或相當接近來取得樣木，在某些場合，這些 識別手段就會有不便之處。為此， RainerLihart 等人于 2020 年對此方法進行了擴 展，增加了傾斜特征的定義，此后此方法被擴展到全旋轉放縮情況下的人臉檢測?；?Haar 特征的人臉識別方法始于 2020 年 PaulViola 和MichaelJones 兩者撰寫的一篇論文，他們在論文中提出了 Haar 特征和 Adaboost算法，并利用它們進行人臉檢測。它們可以被歸類到基于顯示特征和基于隱式特征的兩大方法中。 國外主要有美國，歐洲國家、日本等著名的科研機構有美國的 MIT 和 CMU,英國的劍橋大學。不說別的，就 只從 FRVT2020（美國國家標準研究所 2020 年全球人臉識別供應商系統(tǒng)性能測試）的測試結果看來，丁曉晴教授的研究團隊是唯一一個完成大規(guī)模 3D 人臉識別性能測試的參賽團隊。丁曉晴教授在 OCR 領域，可謂國內第一人。同時基于近紅外線的人臉識別技術得到了國際上同行業(yè)的專家認可和一致肯定。后來在中科院組建了專門的的人臉識別研究團隊。其次是中科院生物研究所的李子清教授，以及下屬的中科奧森公司。這一點，很值得我們同學學習。 在國內，最早研究人臉識別的當屬于中科院計算所跟哈工大的一個聯(lián)合面像實驗室。 目前，越來越多的國家開始對人臉檢測及其識別的研究。因此在各種干擾條件下實現(xiàn)人臉圖像的識別，也就更具有挑戰(zhàn)性。以及外在的成像過程中的光照，圖像尺寸，旋轉，姿勢變化等。人臉圖像的自動識別系統(tǒng)較之指紋識別系統(tǒng)、 DNA 鑒定等更具方便性，因為它取樣方便，可以不接觸目標就進行識別，從而開發(fā)研究的實際意義更大。如同人的指紋一樣，人臉也具有唯一性，也可用來鑒別一個人的身份。如果能夠開發(fā)出具有像人類一樣的機器識別機制，就能夠逐步地了解人類是如何存儲信息，并進行處理的，從而最終了解人類的思維機制。 在進行人工智能的研究中，人們一直想做的事情就是讓機器具有像人類一樣的思考能力，以及識別事物、處理事物的能力，因此從解剖學、心理學、行為感知學等各個角度來探求人類的思維機制、以及感知事物、處理事物的機制，并努力將這些機制用于實踐 ，如各種智能機器人的研制。 人臉包含很多信息，通過對人臉檢測，人臉定位，我們可以很快知道一個人的部分基本資料，如性別，表情，年齡和身份等基本信息，在現(xiàn)實生活中如在公安、金融、網絡安全、物業(yè)管理、以及考勤都會用到人臉檢測，因此人臉檢測具有很高的學術研究價值和商業(yè)價值，這就引起了在人臉識別方面的廣大科 學研究者的興趣，可以說，人臉識別已經成為當前科學界熱門的一個研究課題之一。而基于人臉檢測更是學術界的一個難點。 利用 MATLAB實現(xiàn)了一個集多種預處理方法于一體的通用的人臉圖像預處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預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現(xiàn)人臉圖像的識別判定。 人臉識別技術在過去的幾十年得到了很大的發(fā)展，但由于人臉的非剛性、表情多 變等因素，使得人臉識別技術在實際應用中面臨著巨大的困難。