【正文】 致謝 .............................................................................................................................. 26 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 緒論 1 1 緒論 當(dāng)前，人臉檢測(cè)越來(lái)越受到大家的關(guān)注，他作為生物特征識(shí)別中一個(gè)非常重要的一個(gè)分支，已成為計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域中非常活躍的一個(gè)研究領(lǐng)域。而本文先對(duì)圖像進(jìn)行處理，然后在對(duì)圖像進(jìn)行人臉檢測(cè)，人臉定位。 研究背景 自 70 年代以來(lái) .隨著人工智能技術(shù)的興起 .以及人類視覺(jué)研究的進(jìn)展 .人們逐漸對(duì)人臉圖像的機(jī)器識(shí)別投入很大的熱情，并形成了一個(gè)人臉圖像識(shí)別研究領(lǐng)域，這一領(lǐng)域除了它的重大理論價(jià)值外，也極具實(shí)用價(jià)值。人臉圖像的機(jī)器識(shí)別研究就是在這種背景下興起的，因?yàn)槿藗儼l(fā)現(xiàn)許多對(duì)于人類而言可以輕易做到的事情，而讓機(jī)器來(lái)實(shí)現(xiàn)卻很難，如人臉圖像的識(shí)別，語(yǔ)音識(shí)別，自然語(yǔ)言理解等。 同時(shí)，進(jìn)行人臉圖像識(shí)別研究也具有很大的使用價(jià)依?，F(xiàn)在己有實(shí)用的計(jì)算機(jī)自動(dòng)指紋識(shí)別系統(tǒng)面世，并在安檢等部門得到應(yīng)用，但還沒(méi)有通用成熟的人臉自動(dòng) 識(shí)別系統(tǒng)出現(xiàn)。并且與指紋圖像不同的是，人臉圖像受很多因素的干擾 :人臉表情的多樣性 。使得同一個(gè)人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時(shí)更會(huì)有很大的差別，給識(shí)別帶來(lái)很大難度。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 緒論 2 國(guó)外對(duì)于人臉圖像識(shí)別的研究較早，現(xiàn)己有實(shí)用系統(tǒng)面世，只是對(duì)于成像條件要求較苛刻，應(yīng)用 范圍也就較窄，國(guó)內(nèi)也有許多科研機(jī)構(gòu)從事這方而的研究，并己取得許多成果。并且發(fā)展很快，已經(jīng)由原來(lái)的靜態(tài)識(shí)別到現(xiàn)在動(dòng)態(tài)識(shí)別，有單向多張臉識(shí)別，還有從最初的二維臉識(shí)別到現(xiàn)在的三維立體識(shí)別。該實(shí)驗(yàn)室的高文教授，陳曦林教授，山世光教授，直到今天，都一直活躍在人臉識(shí)別領(lǐng)域，更可貴的是，在 IEEE 上面發(fā)表了很多 paper。后來(lái)該實(shí)驗(yàn)室，成為上海銀 晨的研發(fā)中心，專門為上海銀晨做技術(shù)研發(fā)和技術(shù)支持。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(shí)別方面的研究工作。該研究團(tuán)隊(duì)，首先提出了基于近紅外線的人臉識(shí)別技術(shù)，并將該人臉識(shí)別技術(shù)用于 08年的北京奧運(yùn)會(huì)。接著是清華大學(xué)的丁曉晴教授。不過(guò)最近幾年轉(zhuǎn)行做人臉識(shí)別，也是非常有成就的。由此可見(jiàn)，在國(guó)內(nèi)人臉識(shí)別領(lǐng)域來(lái)說(shuō)，他們的算法在 3D 領(lǐng)域，絕對(duì)排名第一。在人臉識(shí)別領(lǐng)域中，國(guó)際上逐步形成了以下幾個(gè)研究方向：基于幾何特征的方法、基于膚色模型的方法、基于模板匹配的方法、基于 KL變換的特征臉?lè)椒?、基于隱馬爾可夫模型的方法和神經(jīng)網(wǎng)絡(luò)識(shí)別方法等等 。 發(fā)展至今，人臉識(shí)別的方法越來(lái)越多，最有代表的是基于 Haar 特征的人臉識(shí)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(cè)率，同時(shí)也能夠滿足實(shí)時(shí)檢測(cè)的基本要求。但是此方法只能用于檢測(cè)正面無(wú)旋轉(zhuǎn)的人臉。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(cè)取得長(zhǎng)足進(jìn)步之后，基于 Haar 特征的人臉檢測(cè)方法備受專家學(xué)者的青睞，國(guó)內(nèi)外相關(guān)研究成果也是層出不窮。 就從目前和將來(lái)來(lái)看，可以預(yù)測(cè)到人臉圖像識(shí)別將具有廣闊的應(yīng)用前景，如表 11 中所列舉就是其中已經(jīng)實(shí)現(xiàn)或逐步完善的應(yīng)用。本文在總結(jié)分析人臉識(shí)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(shí)別系統(tǒng)中，并利用灰度圖像的直方圖比對(duì)來(lái)實(shí)現(xiàn)人臉圖像的識(shí)別判定。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 緒論 4 識(shí)別系統(tǒng)構(gòu)成 人類似乎具有“與生俱來(lái)”的人臉識(shí)別能力，賦予計(jì)算機(jī)同樣的能力是人類的夢(mèng)想之一，這就是所謂的“人臉識(shí)別”系統(tǒng)。 廣義的講，自動(dòng)人臉識(shí)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)。 (2)人臉的檢測(cè) 人臉檢測(cè)的任務(wù)是判斷靜態(tài)圖像中是否存在人臉。而人臉跟蹤則需要進(jìn)一步輸出所檢測(cè)到的人臉位置、大小等狀態(tài)隨時(shí)間的連續(xù)變化情況。 根據(jù)人臉特征點(diǎn)檢測(cè)與標(biāo)定的結(jié)果，通過(guò)某些運(yùn)算得到人臉特征的描述（這些特征包括：全局特征和局部特征，顯式特征和統(tǒng)計(jì)特征等）。通過(guò)將輸入人臉圖像與人臉數(shù)據(jù)庫(kù)中的所有已知原型人臉圖像計(jì)算相似度并對(duì)其排序來(lái)給出輸入人臉的身份信息。 (5)基于人臉圖像比對(duì)的身份驗(yàn)證 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 緒論 5 即人臉確認(rèn) (Face Verification)問(wèn)題。 論文的內(nèi)容及組織 第 1 章主要介紹了人臉識(shí)別的研究背景及國(guó)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。并做了一個(gè) Matlab 圖像處理功能的實(shí)例 。 第 4 章是 實(shí)驗(yàn)結(jié)果與分析 ，并給出了人臉識(shí)別用到的理論知識(shí) 。 第 5 章總結(jié)了全文的工作并對(duì)以后的需要進(jìn)一步研究的問(wèn)題進(jìn)行了展望。 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(hào)處理工具箱。 Matlab 圖像處理工具箱支持索引圖像、 RGB 圖像、灰度圖像、二進(jìn)制圖像并能操作 .bmp、 jpg、tif 等多種圖像格式文件。利用計(jì)算機(jī)對(duì)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。數(shù)字圖像處理主要包括圖像變換、圖像增強(qiáng)、圖像編碼、圖像復(fù)原、圖像重建、圖像識(shí)別以及圖像理解等內(nèi)容。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 。 圖像類型的轉(zhuǎn)換 Matlab 支持多種圖像類型 ,但在某些圖像操作中 ,對(duì)圖像的類型有要求 ,所以要涉及到對(duì)圖像類型進(jìn)行轉(zhuǎn)換。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(duì)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)。圖像增強(qiáng)的方法分為空域法和頻域法兩大類 ,空域法主要是對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 圖像處理的 matlab實(shí)現(xiàn) 7 操作而頻域法是在圖像的某個(gè)變換域內(nèi)對(duì)整個(gè)圖像進(jìn)行操作 ,并修改變換后的系數(shù) ,如傅立葉變換、 DCT 變換等的系數(shù) ,然后再進(jìn)行反變換 ,便可得到處理后的圖像。 (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。 histeq(),同時(shí)我們可以用函數(shù) imhist()函數(shù)來(lái)計(jì)算和顯示圖像的直方圖。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 。在 Matlab 中 ,各種濾波方法都是在空間域 中通過(guò)不同的濾波算子實(shí)現(xiàn) ,可用 fspecial()函數(shù)來(lái)創(chuàng)建預(yù)定義的濾波算子 ,然后可以使用 imfilter()或 filter2()函數(shù)調(diào)用創(chuàng)建好的濾波器對(duì)圖像進(jìn)行濾波。邊緣檢測(cè)算子可以檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化 ,也包括對(duì)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。 工具箱中提供的 edge()函數(shù)可以進(jìn)行邊緣檢測(cè) ,在其參數(shù)里面 ,可以根據(jù)需要選擇合適的算子及其參數(shù)。 因后面的圖像增強(qiáng) ,邊緣檢測(cè)都是針對(duì)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(duì)原圖類型進(jìn)行轉(zhuǎn)換。f:\39。 j=rgb2gray(i)。imwrite(j,39。) 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(duì)原圖類型進(jìn)行轉(zhuǎn)換 (1)灰度圖像直方圖均衡化 通過(guò)比較原圖和直方圖均衡化后的圖像可見(jiàn) ,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。f:\39。i=rgb2gray(i)。imshow(j)。 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(duì)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(duì)圖像噪聲的自適應(yīng)濾波。銳化處理的目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié) ,在本實(shí)例中采用了預(yù)定義高斯濾波器的方法 對(duì)圖像進(jìn)行銳化濾波。f:\39。 j=imnoise(i,39。,0,)。 j1=wiener2(j)。 h=fspecial(39。,2,)。figure,subplot(1,2,1),imshow(i)。 得到 的效果圖如圖 和圖 : 加入噪聲的圖像 濾波后的圖像 圖 平滑濾波效果 原灰度圖像 銳化后的圖像 圖 銳化濾波效果圖 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) 10 edge()函數(shù)實(shí)現(xiàn)邊緣檢測(cè) ,還有各種方法算子供選擇 ,在本實(shí)例中采用了 canny 算子來(lái)進(jìn)行邊緣檢測(cè)。f:39。 j=edge(i,39。,[,],)。作為人臉識(shí)別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。人臉識(shí)別系統(tǒng)一般包括人臉檢測(cè)與定位、人臉圖像預(yù)處理、特征提取和匹配識(shí)別四個(gè)組成部分。其目的是在去除噪聲，加強(qiáng)有用信息，對(duì)輸入設(shè)備或其他因素造成的退化現(xiàn)像進(jìn)行復(fù)原，為后續(xù)的特征提取和識(shí)別作準(zhǔn)備。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(cè)、尺寸歸一化、灰度歸一化等。 鑒于此，作者在總結(jié)分析了灰度變換、濾波去噪、邊緣檢測(cè)三種廣泛應(yīng)用于不同人臉識(shí)別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個(gè)通用的人臉圖像預(yù)處理仿真系統(tǒng)。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(cè)算子檢測(cè)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。它包括幾個(gè)步驟：對(duì)采集到的圖像，首先進(jìn)行人臉檢測(cè)（在輸入圖像中尋找人臉），給出人臉有無(wú)的結(jié)果；然后進(jìn)行人臉定位，確定人臉的位置并提取出來(lái)。通常檢測(cè) 和定位結(jié)合進(jìn)行。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng) 12 12 結(jié) 束圖 像 采 集 人 臉 檢 測(cè) 定 位是 否 定 位 成 功圖 像 與 處 理是 否 處 理 成 功人 臉 識(shí) 別是 否 識(shí) 別 成 功識(shí) 別 結(jié) 果開 始是否否是是否否是是否否 圖 基本框架圖 人臉檢測(cè)定位算法 人臉檢測(cè)定位算法大致可分為兩大類：基于顯式特征的方法和基于隱式特征的方法?；陲@式特征的方法是指由人通過(guò)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(cè)區(qū)域是否滿足這些“人臉特征”，來(lái)判定該區(qū)域是否包含人 臉。 在彩色圖像中，顏色是人臉表面最為顯著的特征之一，利用顏色檢測(cè)人臉是很自然的想法。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(guò)比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來(lái)推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域。尋找到膚色區(qū)域后，必須進(jìn)行驗(yàn)證，排除類膚色區(qū)域。