【正文】 可表示為： B（ x， y） = f[A（ x， y） ] （式 2） 其中函數 f（ D）被稱為灰度變換（ Gray Scale Transformation ， GST）函數， 它描述了輸入灰度值和輸出灰度值之間的轉換關系，一旦灰度變換函數確定，該點運算就完全被確定下來了。 點運算可以按照預定的方式改變一幅圖的灰度直方圖。 結束退出 輸出 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 18 表 6－ 1 Dib 類的部分功能 二 圖像點處理詳細設計 圖像點運算是一種既簡單又重要的技術，它能讓用戶改變圖像數據占據的灰度范圍，一幅輸入圖像經過點運算后將產生一幅新的輸出圖像，由輸入像素點的灰度值決定相應的輸出像素點的灰度值，點運算與局部運算的差別在 于：后者每個輸出像素的灰度值由對應輸入像素的一個領域內幾個像素的灰度值決定。 對定位好的人臉圖片進行特征提取操作 。 對圖片進行光線 補償 、 將圖片變成灰色 、實現(xiàn)圖片對比度增強，二值化變換等一系列預處理。 輸入 啟動本系統(tǒng)，進入人臉識別系統(tǒng)界面。 第一節(jié) 系統(tǒng)的運行流程圖 圖 61 系統(tǒng)的運行流程圖 第二節(jié) 圖像處理詳細設計 一 位圖詳細設計 1 設備無關位圖（ DIB） VC++沒有提供使用十分方便的 DIB 繪制方法，只好自己去創(chuàng)建一個實用的 DIB類了 。 ? ? ? ?? ?139。然后從庫存中提取出該人相關的信息，并顯示出來。 識別模塊 該模塊通過與庫存中的特征向量進行比較，找出與特征最相近的參數，再對該參數進一步分析。由于眼睛具有對稱性，因此可以很快就能標記出來， 而鼻子是在眼睛下面 ， 且嘴巴在鼻子下面，所以只要眼睛標記好，鼻子和嘴巴也能相應的標記出來。 直方圖均衡 [8] 直方圖均衡化 的 目 的是使一輸入圖像轉換為在每一灰度級上都有相同的象素點數，它的 處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內的均勻分布 ，它的研究思路是： 通過直方圖變換式來進行直方圖的均衡處理，直方圖變換式是 但是 直方圖均衡化存在著兩個缺點： 1）變換后圖像的灰度級減少，某些細節(jié)消失； 2）某些圖像，如直方圖有高峰，經處理后對比度不自然的過分增強。該設計中采用組畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 16 內方差和組外方差來實現(xiàn)二值化。 二值化就是通過一些算法，通過一個閾值改變圖像中的像素顏色，令整幅圖像畫面內僅有黑白二值，該圖像 一般由黑色區(qū)域和白色區(qū)域組成，可以用一個比特表示一個像素，“ 1”表示黑色，“ 0”表示白色，當然也可以倒過來表示，這種圖像稱之為二值圖像。 它 針對原始圖像的每一個像素直接對其灰度進行處理的，其處理過程主要是通過增強函數對像素的灰度級進行運算并將運算結果作為該像素的新灰度值來實現(xiàn)的。 平滑可以通過卷積來實現(xiàn)。處理噪聲的過程稱為平滑。 高斯平滑處理 [5] 高斯平滑將對圖像進行平滑處理，在圖像采集過程中，由于各種因素的影響，圖 像往往會出現(xiàn)一些不規(guī)則的噪聲，入圖像在傳輸、存儲等都有可能產生數據的丟失。因此，盡可能在轉化的過程中用簡單的方式表現(xiàn)圖像復雜的信息。 YcrCB是一種色彩空間， 它用于視頻系統(tǒng)中，在該色彩空間中， Y分量表示像素的亮度， Cr表示紅色分量， Cb表示藍色分量，通常把 Cr和 Cb稱為色度。 光線補償 [3] 因為系統(tǒng)得到的圖片可能會存在光線不平衡的情況，這會影響我們對特征的提取，同時系統(tǒng)中要用到 YcrCB色彩空間，所以有必要對圖像進行光線補償。 圖像預處理模塊 圖像預處理就是對獲取得來的圖像進行適當的處理，使它具有的特征能夠在圖像中明顯的表現(xiàn)出來。 人臉區(qū)域獲取 該系統(tǒng)中圖像里人臉區(qū)域的獲取，主要是根據膚色來進行獲取，通過膚色非線形分段色彩變換來實現(xiàn)。 （一） 應用程序的總體結構設計流程圖如圖 3－ 1 所示： 圖 3－ 1總體結構設計流程圖 用 戶 從“文件”菜單中選擇“打開”選項 在彈出的“打開”對話框中選擇要打開的位圖，點擊“確定”，應用程序顯示所要打開的位圖 顯示識別結果 獲取臉部區(qū)域 圖象預處理 人臉定位 獲取特征參數 識別 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 14 （二） 圖像預處理的層次圖如圖 32 所示： 圖 32 預處理的層次圖 第一節(jié) 各模塊功能概述 以上是該系統(tǒng)的總體結構設計圖以及圖像預處理模塊的層次圖。圖像對比度增強：為了將圖像的 特征一步一步顯現(xiàn)出來，需要進行圖像的對比度增強，它主要 通過對圖像的灰度值進行統(tǒng)計，對于小于 Low 則認為是有關的信息，則將它作為黑色處理，對于處于 High 以上的則認為是一些無關的信息，將它們去掉，而處于兩者之間的，則進行對比度增強，將他們在總的灰度值里面的比例作為新的像素信息保存起來。它的實現(xiàn)主要是利用灰度均衡的轉換式 DB = f （ DA） = A0DMax H（ u） du 。 高斯平滑： 在圖像的采集過程中 ,由于各種因素的影響 ,圖像中往往會出現(xiàn)一些不規(guī)則的隨機 噪聲 ,如數據在傳輸、存儲時發(fā)生的數據丟失和損壞等 ,這些都會影響圖像的質量，因此需要將圖片進行平滑操作以此來消除噪聲。圖像灰度化：圖像灰度化是將圖像變成灰色，本系統(tǒng)中采用以下步驟來實現(xiàn)圖像的灰度化： 彩色轉換成灰度、灰度比例變換、灰度線性變換、灰度線性截斷、灰度取反。實際上就是調整圖片像素的 RGB 值。下面將本系統(tǒng)采用的算法進行介紹： 用戶無需通過繁雜的編程操作，即可完成 Windows 下應用程序的編輯、編譯、測試和細化等工作。 Visual C++ 是Microsoft 公司推出的一種可視化編程工具。 二 圖像文件格式選擇 在設計的過程中，為了定位和特征提取的方便，我們采用的是 24 位位圖。 應用程序充分利用現(xiàn)有的資源，盡量減少不必要的再投資。 采用成熟的技術，保證應用程序的安全性和可靠性。如 Windows 9 Windows Me、Windows 202 Windows NT 等。 運行環(huán)境需求分析 （ 1）、硬件環(huán)境 CPU： 500M 及以上；內存： 64 M 及以上。如： Visual C++ 。 （ 2）運行本軟件所需的硬件資源 CPU： 800M 及以上；內存： 128M 及以上 軟件環(huán)境 （ 1）系統(tǒng)軟件配置原則 能夠滿足該軟件的可靠性，可用性和安全性的要求 （ 2）系統(tǒng)軟件配置方案 ① 配置有持續(xù)工作能力、高穩(wěn)定性、高度可集成的開放式標準的操作系統(tǒng)，如Windows2021， Windows NT， UNIX， Linux 等。 畢業(yè)論文 人臉識別系統(tǒng)的研究與實現(xiàn) 10 二 開發(fā)環(huán)境需求分析 硬件環(huán)境 （ 1）硬件配置原則 具有可靠性，可用性和安全性，具有完善的技術支持。 特征提取功能 ： 該模塊是在定位后的人臉圖片中將眼睛、鼻子、嘴巴的特征值 提取出來。 圖像預處理功能 ： 該模塊主要包括圖像光線補償、圖像變成灰色、高斯平滑、均衡直方圖、實現(xiàn)圖像對比度增強、二值化變換等。預處理這個模塊在整個人臉識別系統(tǒng)的開發(fā)過程中占有很重要的地位，只有預處理模塊做的好，才可能很好的完成后 面的人臉定位和特征提取這兩大關鍵模塊。 因此，從操作可行性來看，只要系統(tǒng)用戶的硬件軟件設備滿足以上條件，即可用該人臉識別軟件進行人臉的識別。安裝有 Windows 9 Windows Me、 Windows 202 Windows NT 等操作系統(tǒng)中的其中一種。 對比度增強：將所要處理的區(qū)域和周圍圖像區(qū)域進一步拉開他們的對比度，使它們更加明顯，主要通過像素的聚集來實現(xiàn)。同樣在進行灰度變換前，我們也要對圖像的信息進行統(tǒng)計，找出一個比較合理的灰度值，才能進行灰度變換。 高斯平滑： 在圖像的采集過程中 ,由于各種因素的影響 ,圖像中往往會出現(xiàn)一些不規(guī)則的隨機噪聲 ,如數據在傳輸、存儲時發(fā)生的數據丟失和損壞等 ,這些都會影響圖像的質量，因此需要將圖片進行平滑操作以此來消除噪聲。膚色提取，則對臉部區(qū)域的獲取則比較準確，成功率達到 95%以上，并且速度快，減少很多工作。 一 技術可行性 圖像的處理方法很多，我們可以根據需要，有選擇 地使用各種方法。 在我國以及其他國家都有大量的學者正在研究之中，不斷的更新人臉識別技術，以便系統(tǒng)的識別準確率達到新的高度。 本論文主要對該人臉識別系統(tǒng)進行模塊劃分，并介紹各模塊的功能，重點介紹圖像預處理模塊，對其內的子模塊的功能和算法進行詳細講述，主要介紹光線補償、圖像灰度化、高斯平滑、均衡直方圖、圖像對比度增強，圖像預處理模塊在整個系統(tǒng)中起著極其關鍵的作用，圖像處理的好壞直接影響著后面 的定位和識別工作。 2021年 1月 18日，由清華大學電子系人臉識別課題組負責人蘇光大教授主持承擔的國家 十五 攻關項目《人臉識別系統(tǒng)》通過了由公安部主持的專家鑒定。這對于人臉鑒別特別有價值，因為人臉鑒別通常使用正面照，要鑒別的人臉圖像是不同時期拍攝的，使用的照相機不一樣。我國在這方面也取得了較好的成就， 國家 863項目 “面像檢測與識別核心技術 ”通過成果鑒定并 初步應用， 就 標志著我國在人臉識別這一當今熱點科研領域掌握了一定的核心技術。在機場開展的測試中，系統(tǒng)發(fā)出的錯誤警報太多，國外的一些高校（卡內基梅隆大學（ Carnegie Mellon University）為首，麻省理工大學（ Massachusetts Institute of Technology ）等，英國的雷丁大學（ University of Reading））和公司（ Visionics 公司 Facelt 人臉識別系統(tǒng)、 Viiage 的 FaceFINDER 身份驗證系統(tǒng)、 Lau Tech 公司 Hunter 系統(tǒng)、德國的 BioID 系統(tǒng)等）的工程研究工作也主要放在公安、刑事方面，在考試驗證系統(tǒng)的實現(xiàn)方面深入研究并不多。美國國防部高級研究項目署，利用半自動和全自動算法。 美國陸軍實驗室也是利用 vc++開發(fā)，通過軟件實現(xiàn)的，并且 FAR 為 49%。 一 國外的發(fā)展概況 [1] 見諸文獻的機器自動人臉識別 研究開始于 1966年 PRI的 Bledsoe的工作， 1990年日本研制的人像識別機，可在 1秒鐘內中從 3500人中識別到你要找的人 。而計 算機對使用者身份確認的最直接的應用就是基于特定使用者的環(huán)境設置：如使用者的個性化工作環(huán)境，信息的共享和隱私保護等等。 面部感知系統(tǒng)的重要內容 基于視覺通道信息的面部感知系統(tǒng)，包括人臉檢測和跟蹤、面部特征定位、面部識別、人臉歸類（年齡、種族、性別等的判別）、表情識別、唇讀等分系統(tǒng)，如圖 11 所式，可以看出，繼人臉檢測和跟追之后，面部特征定位通常是面部感知的一個必備環(huán)節(jié)，是后續(xù)工作的基礎，具有重要的意義。實驗表明，本算法對于人臉大小、姿態(tài)和光照的變化，都有較強的適應能力，但在眼部陰影較重的情況下，會出現(xiàn)定位不準。該算法采用了基于區(qū)域增長的搜索策略，在人臉定位算法給出的大致人臉框架中，估計鼻子的初始位置，然后定義兩個初始搜索矩形，分別向左右兩眼所處的大致位置生長。 眼睛是面部最重要的特征，它們的精確定位是識別的關鍵。由于可變形模板要采用優(yōu)化算法在參數空間內進行能量函數極小化，因此算法的主要缺點在于兩點：一、對參數初值的依賴程度高，很容易陷入局部最小；二、計算時間長。 可變形模板的主要思想是根據待檢測人臉特征的先驗的形狀信息，定義一個參數描述的形狀模型，該模型的參數反映了對應特征形狀的可變部分，如位置、大小、角度等，它們最終通過模型與圖像的邊緣、峰、谷和灰度分布特性的動態(tài)地交互適應來得以修正。 面部關鍵特征定位及人臉 2D 形狀檢測技術 在人臉檢測的基礎上，面部關鍵特 征檢測試圖檢測人臉上的主要的面部特征點的位置和眼睛和嘴巴等主要器官的形狀信息。如今，雖然在這方面的研究已取得了一些可喜的成果，但是 FRT 在實用應用中仍面臨著很嚴峻的問題 ,因為人臉五官的分布是非常相似的，而且人臉本身又是一個柔性物體，表情、姿態(tài)或發(fā)型、化妝的千變萬化都給正確識別帶來了 相 當大的 麻煩 。 二 人臉識別技術的研究意義 富有挑戰(zhàn)性的課題