【正文】 目標(biāo)接觸或相當(dāng)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。 表 11 人臉識別的應(yīng)用 應(yīng)用 優(yōu)點 存在問題 信信用卡、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(zhì)量好 需要建立龐大的數(shù)據(jù)庫 嫌疑犯照片匹配 圖像質(zhì)量不統(tǒng)一 多幅圖像可用 潛在的巨大圖像庫 4 互聯(lián)網(wǎng)應(yīng)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(zhì)量較差 人群監(jiān)測 圖像質(zhì)量高 可利用攝像圖像 圖像分割自由 圖像質(zhì)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(yīng)用 MATLAB 對圖像進行預(yù)處理，應(yīng)用該工具箱對圖像進行經(jīng)典圖像處理 ,通過實例來應(yīng)用 matlab 圖像處理功能，對某一特定的人臉圖像處理，進而應(yīng)用到人臉識別系統(tǒng)。 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。假設(shè)我們把照相機、攝像頭、掃描儀等看作計算機的“眼睛”，數(shù)字圖像可以看作計算機觀察到的“影像”，那么 5 AFR 賦予計算機根據(jù)其所“看到”的人臉圖片來判斷人物身份的能力。 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。若存在人臉，給出其在圖像中的坐標(biāo)位置、人臉區(qū)域大小等信息。 (3)特征提取 通過人臉特征點的檢測與標(biāo)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。 (4)基于人臉圖像比對的身份識別 即人臉識別 (Face Identification)問題。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。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。并做了一個 Matlab 圖像處理功能的實例 第三章主要始涉三個方面：首先是對人臉識別系統(tǒng)的構(gòu)成做詳細論述；其次就是對人臉 識別過程中的關(guān)鍵環(huán)節(jié)人臉檢測、特征提取和圖像預(yù)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(yīng)用，即人臉圖像識別的具體技術(shù)，并用 Matlab 進行仿真試驗并得到結(jié)果。 7 第五章總結(jié)了全文的工作并對以后的需要進一步研究的問題進行了展望。 Matlab 還推出了功能強大的適應(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。 Matlab 圖像處理工具箱支持索引圖像、 RGB 圖像、灰度圖像、二進制圖像并能操作 .bmp、 .jpg、 .tif 等多種圖像格式文件。利用計算機對圖像進行去除噪聲、增強、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、圖像編碼、圖像復(fù)原、圖像重建、圖像識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 ,對圖像的類型有要求 ,所以要涉及到對圖像類型進行轉(zhuǎn)換。在類型轉(zhuǎn)換的時候 ,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)。圖像增強的方法分為空域法和頻域法兩大類 ,空域法主要是對圖像中的各個像素點進行操作 。下面以空域增強法的幾種方法加以說明。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。 (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。銳化濾波器是用高通濾波來實現(xiàn) ,目的在于強調(diào)圖像被模糊的細節(jié)。 邊緣檢測 數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ) ,也是圖像識別中提取圖像特征的一個重要屬性。常用的有 Sobel 算子 ,Prewitt 算子 ,Roberts 算子 ,Log算子等。 圖像處理功能的 Matlab 實現(xiàn)實例 本文通過運用圖像處理工具箱的有關(guān)函數(shù)對一人臉的彩色圖像進行處理。實現(xiàn)過程代碼如下 : i=imread(39。)。 10 imshow(j)。f:\39。該部分的程序代碼如下 : i=imread(39。)。imshow(j)。 subplot(1,2,2),imhist(j) 執(zhí)行后的效果圖如圖 和圖 : 11 圖 均衡化后的灰度圖像 圖 均衡化前后的直方圖對比圖 (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)用于實現(xiàn)中值濾波 ,wiener2()實現(xiàn)對圖像噪聲的自適應(yīng)濾波。銳化處理的目的在于強調(diào)圖像被模糊的細節(jié) ,在本實例中采用了預(yù)定義高斯濾波器的方法對圖像進行銳化濾波。f:\39。 j=imnoise(i,39。,0,)。 j1=wiener2(j)。 h=fspecial(39。,2,)。figure,subplot(1,2,1),imshow(i) subplot(1,2,2),imshow(j2) 12 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 3)邊緣檢測 圖像處理工具箱提供了 edge()函數(shù)實現(xiàn)邊緣檢測 ,還 13 有各種方法算子供選擇 ,在本實例中采用了 canny算子來進行邊緣檢 測 , 程序代碼如下 : i=imread(39。)。canny39。 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(jié) 以上實例只是對 Matlab 圖像處理工具箱函數(shù)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。 14 第三章 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(lǐng)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(yīng)用，已成為當(dāng)前模式識別、計算機視覺領(lǐng)域的研究熱點。其中，人臉圖像預(yù)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)。 不同的人臉識別系統(tǒng)根據(jù)其采用的圖像來源和識別算法需要不同，采用的預(yù)處理方法也不同。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)處理方法，但一旦庫中采集到的原始圖像質(zhì)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(yù)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。該系統(tǒng)可對不同條件下的原始圖像進行相應(yīng)的預(yù)處理。 15 系統(tǒng)基本機構(gòu) 人臉識別是一個復(fù)雜的過程，一個計算機人臉識別的流程如圖 31 所示。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。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。 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 16 部結(jié)構(gòu)等。根據(jù)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。 Yang 等在考察了不同種族、不同個體的膚色后，認(rèn)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。除了RGB 顏色空間，還有諸如 HIS， LUV， GLHS 等其它顏色空間被使用。 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(jù)橢圓長短軸的比率判斷是否為人 臉。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)。在檢測中，首先抽取這些灰度、邊緣等信息，然后檢驗它是否符合知識庫中關(guān)于人臉的先驗知識。 17 表 31 基于顯示特征方法的特點 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”的方法來實現(xiàn)人臉檢測。 特征臉法（ eigenface）把單個圖像看成一維向量，眾多的一維向量形成了人臉圖像特征空間，再將其變換到一個新的相對簡單的特征空間，通過計算矩陣的特征值和特征向量，利用圖像的代數(shù)特征信息，尋找“人臉”、“非人臉”兩種模式在該特征空間中的分布規(guī)律?；谌斯ど?經(jīng)網(wǎng)絡(luò)的方法對于復(fù)雜的、難以顯式描述的模式，具有獨特的優(yōu)勢。但是直接使用 SVM 方法進行人臉識別有兩方面的困難：第一，訓(xùn)練時需要求解二次規(guī)劃問題計算復(fù)雜度高，內(nèi)存需求量巨大；第二，在非人臉樣本不受限制時，需要極大規(guī) 模的訓(xùn)練集合，得到的支持向量會很多，使得分類器的計算量過高。 以上四種方法的優(yōu)缺點比較見表 32 表 32 基于隱式特征方法的特征 檢測方法 優(yōu)點 缺點與需要改進的地方 本征臉法 標(biāo)準(zhǔn)人臉模板能抽象人臉全部信息，運算不涉及迭代耗費時間短 但模板檢測效率低，多模板提高了效率也增加了檢測時間 神經(jīng)網(wǎng)絡(luò)法 檢測效率高，錯誤報警數(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)練耗費時間多，但網(wǎng)絡(luò)監(jiān)測錯誤報警數(shù)目多 支撐向量機機法 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，運算復(fù)雜度大 19 基于積分圖像分析法 檢測速度快，基本滿足實時檢測要求，檢測效率可以與神經(jīng)網(wǎng)絡(luò)法比較 錯誤報警數(shù)目少時，檢測率不高 運用 matlab 仿真進行人臉檢測定位實例： 人臉檢測定位程序： %%%%% Reading of a RGB image i=imread(39。)。 BW=im2bw(I)。 r=floor(n1/10)。 x1=1。 s=r*c。y2=c。 [o p]=size(loc)。 if pr=100 BW(x1:x2, y1:y2)=0。r2=x2。s2=y2。 end imshow(BW)。 y2=y2+c。 x2=x2+r。 BB = regionprops(L, 39。)。 BB2=cell2mat(BB1)。 mx=0。 if pmx amp。 j=k。 hold on。Position39。EdgeColor39。r39。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。鑒于此，作者在總結(jié)分析了濾波去噪、邊緣檢測、灰度變換三種廣泛應(yīng)用于不同人臉識別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計了一個通用的人臉圖像預(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、不同的邊緣檢測算子檢測人臉邊緣、選擇不同的灰度變換算法實現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時還實現(xiàn)了尺寸歸一化、二值化等其他常用的圖像預(yù)處理算法。作為通用人臉圖像預(yù)處理模塊，要能夠充分適應(yīng)不同人臉庫中圖像在人臉大小、光照強度、成像系統(tǒng)等方面的任意性和差異性，不能單獨采用某種單一的濾波、灰度變換和邊緣檢測方法。 1)濾波去噪 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際人臉識別系統(tǒng)中所必須的步驟。下面對本文 24 實現(xiàn)的濾波方法及其選擇依據(jù)加以說明。 （ 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。對掃描得到的人臉圖像根據(jù)其噪聲類型一般采用此種濾波方法。 （ 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行排序，然后選擇該組的中間值作為輸出像素值。對于使用基于整體的人臉識別算法的系統(tǒng)中，由于失掉小區(qū)域的細節(jié)對特征提取影響較小，所以這種濾波方法最受歡迎。 2)灰度變換 灰度變換是圖像增強技術(shù)中的一種。只有這樣，不同圖像在特征提取和識別時才具有可比性。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)