【正文】 主要是將眼睛鼻子嘴巴等提取出來(lái) 5 人臉的識(shí)別 將圖片中提取得到的特征值和已有后臺(tái)數(shù)據(jù)庫(kù)中的值進(jìn)行比較 3233 概要設(shè)計(jì) 系統(tǒng)流程圖 34 程序設(shè)計(jì)與實(shí)驗(yàn) 光線補(bǔ)償 1 算法思路 在對(duì)整個(gè)圖像中所有像素亮度從高到低進(jìn)行排列后取其前 5 的像素若這些像素的數(shù)量很多那么我們就將它們的亮度假定為參考白 Reference White換句話說(shuō)就是將它們的色彩的 RGB分量值都調(diào)整為 255同理這樣處理整幅圖像的其他像素點(diǎn)的色彩值 2 光線補(bǔ)償?shù)暮瘮?shù) LightCompensate 的偽代碼 [7] 下面的循環(huán)對(duì)圖像進(jìn)行光線補(bǔ)償 for i 0i heighti for int j 0j widthj 獲取像素偏移 lOffset this PixelOffset ijwBytesPerLine 得到藍(lán)色分量 lpDatalOffset colorb 綠色分量 colorb lpDatalOffset1 colorb co if colorb 255 colorb 255 lpDatalOffset1 colorb 紅色分量 colorb lpDatalOffset2 colorb co if colorb 255 colorb 255 lpDatalOffset2 colorb 圖像灰度化 1 算法思路 ① 彩色轉(zhuǎn)換成灰度 彩色圖像轉(zhuǎn)化為灰階圖像一般采用如下公式使用 RGB 表示圖像 gray＝ 039 R＋ 050 G＋ 011 B 其中 gray 為灰度值 RGB 分別為紅色綠色和藍(lán)色分量值 ② 灰度比例變換 灰度比例變換是把原像素的灰度控制在 [0255]空間主要通過(guò)乘以一個(gè)縮放因子實(shí)現(xiàn) ③ 灰度線性變換 有時(shí)成像時(shí)會(huì)因曝光不足或曝光過(guò)度而使得對(duì)比度不足從而使圖像中的一些細(xì)節(jié)分辨不清因此要將圖像的灰度進(jìn)行線性擴(kuò)展常用的計(jì)算式為 其中 f是原像素的灰度 g為變換后的灰度這個(gè)變換主要是把屬于 [ab]的灰度級(jí)變換至灰度區(qū)間 [cd]而不屬于 [ab]區(qū)間的像素灰度將保持不變可見(jiàn) a 被映射為 cb 被映射為 d abcdfg 均為 [0255]之間的 整數(shù)值 2 灰度化的偽代碼 獲取分量藍(lán)色綠色紅色分別為 ColorB lpData lOffset ColorG lpData lOffset1 ColorR lpData lOffset2 計(jì)算灰度值 gray ColorG50ColorR39ColorB11 100 顯示灰度圖像 lpData lOffset gray lpData lOffset1 gray lpData lOffset2 gray 其中 lpData 是圖片數(shù)據(jù)區(qū) lOffset 是圖片像素的偏移 gray 是圖像的灰度值 高斯平滑處理 1 圖像的高斯平滑 [] 圖像的高斯平滑鄰域平均的思想簡(jiǎn)單平滑圖像的高斯平滑中圖像鄰域不同位置的像素的權(quán)值模板靠近鄰域中心的位置權(quán)值高更多地保留圖像總體的灰度分布特征把線性存儲(chǔ)的像素轉(zhuǎn)化為二維數(shù)組形式 BYTE CreatImage BYTE image unsigned int width unsigned int height int bt 4 其中 image 表示線性存儲(chǔ)的像素 widthheight 圖像的長(zhǎng)寬獲得圖像灰度 RGB求平均值的方法 BYTE GetAsh BYTE imageBuf0 int x int y 其中 imageBuf為目標(biāo)圖像 xy為要取得像素的坐標(biāo)設(shè)定指定位置的像素灰度void SetPixelXY BYTE imageBuf1 int x int y int a 其中 imageBuf 為目標(biāo)圖像 xy為要設(shè)定像素的坐標(biāo)使用模板對(duì)灰度圖鄰域進(jìn)行運(yùn)算 int TempltExcuteAsh BYTE imageBuf0 int w int h int templt int tw int x int y 其中 imageBuf 為目標(biāo)圖像 wh 為圖像 templt 為模板 tw 為鄰域大小 xy為要取得像素的坐標(biāo) [9] 3 預(yù)測(cè)效果 以墨西哥女郎的照片為例下圖就是高斯平滑的對(duì)比圖 直方圖均衡 1 直方圖均衡的思想 直方圖均衡化處理的是把原始圖像的灰度直方圖從比較集中的灰度區(qū)間全部灰度范圍內(nèi)的均勻分布直方圖均衡化就是圖像非線性拉伸重新分配圖像像素值使一定灰度范圍內(nèi)的像素?cái)?shù)量相同設(shè)原始圖像在 xy 處的灰 度改變后的可表述為將在 xy 處的灰度 f 映射為 g 在灰度直方圖均衡化中圖像的映射函數(shù) g EQ f 映射函數(shù) EQ f 必須滿足兩個(gè)條件 1 EQ f 在 0≤ f≤ L1 其中 L 為圖像的灰度級(jí)數(shù) 范圍內(nèi)是一個(gè)函數(shù)保證處理打亂原始圖像的灰度排列次序 2 對(duì)于 0≤ f≤ L1 必有 0≤ g≤ L1 保證了變換前后灰度值動(dòng)態(tài)范圍的一致性累計(jì)分布函數(shù) [] 累計(jì)分布函數(shù) CDF cumulative distribution function 就能滿足上述兩個(gè)條件并且通過(guò)該函數(shù)可以完成將原圖像 f 的分布轉(zhuǎn)換成 g 的均勻分布此 時(shí)的直方圖均衡化映射函數(shù)為 gk EQ fk nin pf fi k 012L1 求和區(qū)間為 0到 k根據(jù)該方程可以由源圖像的各像素灰度值直接得到直方圖均衡化后各像素的灰度值在實(shí)際處理變換時(shí)一般先對(duì)原始圖像的灰度情況進(jìn)行統(tǒng)計(jì)分析并計(jì)算出原始直方圖分布然后根據(jù)計(jì)算出的累計(jì)直方圖分布求出fk到 gk的灰度映射關(guān)系在重復(fù)上述步驟得到源圖像所有灰度級(jí)到目標(biāo)圖像灰度級(jí)的映射關(guān)系后按照這個(gè)映射關(guān)系對(duì)源圖像各點(diǎn)像素進(jìn)行灰度轉(zhuǎn)換即可完成對(duì)源圖的直方圖均衡化對(duì)于一個(gè)直方圖 設(shè) Pr r 是原 始圖像直方圖 Ps s 是均衡化的直方圖由于其是一個(gè)概率分布函數(shù) 所以有 Ps s ds Pr r dr dsdr 是積分變量 令 Ps s 1 ds Pr r dr1 兩邊積分得 s Pr r dr 由于數(shù)字圖像是離散的因此離散化上式得 sk E j 0k njN 其中左式 kj 是離散量下標(biāo)編輯關(guān)系 E 0k 表示下標(biāo) 0 到 k 的連加符號(hào) N 是象素總數(shù) 由此得出每一象素的 sk 為均衡化后的正規(guī)化灰度即灰度正規(guī)化到 [01] 統(tǒng)計(jì) sk 即可得出均衡化后的直方圖在均衡化過(guò)程中可以對(duì)每一象素映射到新的實(shí)際灰度值 sk255 就實(shí)現(xiàn)了圖像的變換保存原始直方圖 double h new double[255] for i 0i 255i h[i] 00 保存變換后的直方圖 double nh new double[255] for i 0i 255i nh[i] 00 統(tǒng)計(jì)每一灰度級(jí)的象素?cái)?shù)量 long count new long[255] for i 0i 255i count[i] 0 for i 0i Ni count[image[i]] 統(tǒng)計(jì)正規(guī)化灰度概率 for i 0i 255i h[i] count[i] double N 正規(guī)化新灰度圖 double hc for i 0i Ni hc 0 for j 0j image[i]j hc h[j] nh[image[i]] hc 保存新正規(guī)化灰度圖 newimage[i] hc255 保存新圖像灰度索引 隨著畢業(yè)日子的畢業(yè)設(shè)計(jì)也接近尾聲經(jīng)過(guò)奮戰(zhàn)我的畢業(yè)設(shè)計(jì)完成在沒(méi)有做畢業(yè)設(shè)計(jì)前覺(jué)得畢業(yè)設(shè)計(jì)只是對(duì)這幾年來(lái)所學(xué)知識(shí)的總結(jié)但是通過(guò)這次做畢業(yè)設(shè)計(jì)發(fā)現(xiàn)自己的看法有點(diǎn)畢 業(yè)設(shè)計(jì)不僅是對(duì)前面所學(xué)知識(shí)的一種檢驗(yàn)是對(duì)自己能力的一種提高人臉識(shí)別很具有研究和應(yīng)用價(jià)值并且得到了越來(lái)越多的研究機(jī)構(gòu)和公司的親來(lái)在國(guó)家安全計(jì)算機(jī)交互家庭娛樂(lè)等其他很多領(lǐng)域有著舉足輕重的作用對(duì)提高辦事效率防止社會(huì)犯罪等有著重大的經(jīng)濟(jì)和社會(huì)意義因此我很幸運(yùn)能夠接觸這一比較前言的技術(shù)了解其一些原理算法和系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)等在此我得感謝在該方向做研究的我的指導(dǎo)老師 周欣老師 通過(guò)這次畢業(yè)設(shè)計(jì)使我學(xué)習(xí)是一個(gè)長(zhǎng)期積累的過(guò)程在以后的工作生活中都應(yīng)該不斷的學(xué)習(xí)努力提高自己知識(shí)和綜合素質(zhì)此外還得出一個(gè)結(jié)論知識(shí)必須通過(guò)應(yīng)用才能 實(shí)現(xiàn)其價(jià)值有些東西以為學(xué)會(huì)了但真正到用的時(shí)候才發(fā)現(xiàn)是兩回事所以我認(rèn)為只有到真正會(huì)用的時(shí)候才是真的學(xué)會(huì)了在這次畢業(yè)設(shè)計(jì)中同學(xué)之間互相幫助有什么不懂的大家在一起商量聽(tīng)聽(tīng)不同的看法對(duì)我們更好的理解知識(shí)所以在這里非常感謝幫助我的同學(xué) Gabor 小波矩陣表征人臉的識(shí)別算法》 計(jì)算機(jī) 工程第 34 期 [9]蔣遂平人臉識(shí)別技術(shù)及應(yīng)用簡(jiǎn)介中國(guó)計(jì)算機(jī)世界出版 Boosting RBF 神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別》 計(jì)算機(jī)科學(xué) 2020 年第 135 期 [5]楊洋曹向峰平衡《基于模型匹配人臉識(shí)別的研究》遼寧大學(xué)學(xué)報(bào)自然科學(xué)版 第 35 卷 [6]謝 永華陳伏兵張生亮楊靜宇 《基于分塊小波變換與奇異值閾值壓縮的人臉特征提取與識(shí)別算法》 計(jì)算機(jī)應(yīng)用與軟件 第 25 卷 [7]張薇廣西工學(xué)院 2020 屆畢業(yè)論文 [8]王耀貴圖像高斯平滑濾波分析山東省濰坊衛(wèi)生學(xué)校盧春雨張長(zhǎng)水李衍達(dá)《人臉自動(dòng)識(shí)別方法綜述》 電子學(xué)報(bào) 2020 年 4 月 [10]百度百科 [11]李武軍王崇駿張煒陳世福 《人臉識(shí)別研究綜述》模式識(shí)別與人工智能 2020 年 2 月 [12]陳北京王蔚宋加濤任小波 《一種融合二值邊緣特征和灰度特征的人臉識(shí)別方法》 致 謝 感謝 附錄 原文及譯文 翻譯原文來(lái)自 Thomas David Heseltine BSc Hons The University of York Department of Computer Science For the Qualification of PhD September 2020 《 Face Recognition TwoDimensional and ThreeDimensional Techniques》 4 Twodimensional Face Recognition 41 Feature Localization Before discussing the methods of paring two facial images we now take a brief look at some at the preliminary processes of facial feature alignment This process typically consists of two stages face detection and eye localisation Depending on the application if the position of the face within the image is known beforehand for a cooperative subject in a door access system for example then the face detection stage can often be skipped as the region of interest is already known Therefore we discuss eye localisation here with a brief discussion of face detection in the literature review section The eye localisation method is used to align the 2D face images of the various test sets used throughout this section However to ensure that all results presented are representative of the face recognition accuracy and not a product of the performance of