【正文】 ......................................................................................................... 25 致謝 .............................................................................................................................. 26 河南城建學院本科畢業(yè)設計（論文） 緒論 1 1 緒論 當前，人臉檢測越來越受到大家的關注，他作為生物特征識別中一個非常重要的一個分支，已成為計算機視覺與模式識別領域中非?；钴S的一個研究領域。而本文先對圖像進 行處理，然后在對圖像進行人臉檢測，人臉定位。 研究背景 自 70 年代以來 .隨著人工智能技術的興起 .以及人類視覺研究的進展 .人們逐漸對人臉圖像的機器識別投入很大的 熱情，并形成了一個人臉圖像識別研究領域，這一領域除了它的重大理論價值外，也極具實用價值。人臉圖像的機器識別研究就是在這種背景下興起的，因為人們發(fā)現(xiàn)許多對于人類而言可以輕易做到的事情，而讓機器來實現(xiàn)卻很難，如人臉圖像的識別，語音識別，自然語言理解等。 同時，進行人臉圖像識別研究也具有很大的使用價依。現(xiàn)在己有實用的計算機自動指紋識別系統(tǒng)面世，并在安檢等部門得到應用，但還沒有通用成熟的人臉自動識別系統(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 。使得同一個人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時更會有很大的差別，給識別帶來很大難度。 河南城建學院本科畢業(yè)設計（論文） 緒論 2 國外對于人臉圖像識別的研究較早，現(xiàn)己有實用系統(tǒng)面世，只是對于成像條件要求較苛刻，應用范圍也就較窄，國內(nèi)也有許多科研機構從事這方而的研究，并己取得許多成果。并且發(fā)展很快，已經(jīng)由原來的靜態(tài)識別到現(xiàn)在動態(tài)識別，有 單向多張臉識別，還有從最初的二維臉識別到現(xiàn)在的三維立體識別。該實驗室的高文教授，陳曦林教授，山世光教授，直到今天，都一直活躍在人臉識別領域，更可貴的是，在 IEEE 上面發(fā)表了很多 paper。后來該實驗室，成為上海銀晨的研發(fā)中心，專門為上海銀晨做技術研發(fā)和技術支持。李子清教授，當年在微軟亞洲研究所的時候，就從事人臉識別方面的研究工作。該研究團隊，首先提出了基于近紅外線的人臉識別技術，并將該人臉識別技術用于 08 年的北京奧運會。接著是清華大學的丁曉晴教授。不過最近幾年轉(zhuǎn)行做人臉識別，也是非常有成就的。由此可見，在國內(nèi)人臉識別領 域來說，他們的算法在 3D領域，絕對排名第一。在人臉識別領域中，國際上逐步形成了以下幾個研究方向：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 變換的特征臉方法、基于隱馬爾可夫模型的方法和神經(jīng)網(wǎng)絡識別方法等等。 發(fā)展至今，人臉識別的方法越來越多，最有代表的是基于 Haar 特征的人臉識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率，同時也能夠 滿足實時檢測的基本要求。但是此方法只能用于檢測正面無旋轉(zhuǎn)的人臉。自從以上幾位學者運用河南城建學院本科畢業(yè)設計（論文） 緒論 3 基于 Haar 特征和 Adaboost 算法進行人臉檢測取得長足進步之后，基于 Haar 特征的人臉檢測方法備受專 家學者的青睞，國內(nèi)外相關研究成果也是層出不窮。 就從目前和將來來看，可以預測到人臉圖像識別將具有廣闊的應用前景，如表 11中所列舉就是其中已經(jīng)實現(xiàn)或逐步完善的應用。本文在總結分析人臉識別系統(tǒng)中幾種常用的圖像預處理方法基礎上，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。 河南城建學院本科畢業(yè)設計（論文） 緒論 4 識別系統(tǒng)構成 人類似乎具有“與生俱來”的人臉識別能力，賦予計算機同樣的能力是人類的夢想之一，這就是所謂的“人臉識別”系統(tǒng)。 廣義的講，自動人臉識別系統(tǒng)具有如圖 所示的一般框架并完成相應功能的任務。 (2)人臉 的檢測 人臉檢測的任務是判斷靜態(tài)圖像中是否存在人臉。而人臉跟蹤則需要進一步輸出所檢測到的人臉位置、大小等狀態(tài)隨時間的連續(xù)變化情況。 根據(jù)人臉特征點檢測與標定的結果，通過某些運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)計特征等）。通過將輸入人臉圖像與人臉數(shù)據(jù)庫中的所有已知原型人臉圖像計算相似度并對其排序來給出輸入人臉的身份信息。 (5)基于人臉圖像比對的身份驗證 河南城建學院本科畢業(yè)設計（論文） 緒論 5 即人臉確認 (Face Verification)問題。 論文的內(nèi)容及組織 第 1 章主要介紹了人臉識別的研究背景及國內(nèi)外的研究現(xiàn)狀，同時還介紹了目的及意義和應用前景。并做了一個 Matlab 圖像處理功能的實例。 第 4 章是實驗結果與分析，并給出了人臉識別用到的理論知識。 第 5 章總結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、復原、分割、提取特征等的理論、方法和技術稱為數(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河南城建學院本科畢業(yè)設計（論文） 圖像處理的 matlab實現(xiàn) 7 操作而頻域法是在圖像的某個變換域內(nèi)對整個圖像進行操作 ,并修改變換后的系數(shù) ,如傅立葉變換、 DCT變換等的系數(shù) ,然后再進行反變換 ,便可得到處理后的圖像。 (1)灰度變換增強 有多種方法可以實現(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(),同時我們可以用函數(shù) imhist()函數(shù)來計算和顯示圖像的直方圖。平滑濾波器可以用低通濾波實現(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不同的濾波算子實現(xiàn) ,可用 fspecial()函數(shù)來創(chuàng)建預定義的濾波算子 ,然后可以使用 imfilter()或 filter2()函數(shù)調(diào)用創(chuàng)建好的濾波器對圖像進行濾波。邊緣檢測算子可以檢查每個像素的鄰域并對灰度變化率進行量化 ,也包括對方向的確定 ,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)可以進行邊緣檢測 ,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 ,邊緣檢測都是針對灰度圖像進行的 ,而我們的原圖是 RGB圖像 ,所以首先我們要對原圖類型進行轉(zhuǎn)換。f:\39。 j=rgb2gray(i)。imwrite(j,39。) 效果如圖 :河南城建學院本科畢業(yè)設計（論文） 圖像處理的 matlab實現(xiàn) 8 圖 對原圖類型進行轉(zhuǎn)換 (1)灰度圖像直方圖均衡化 通過比較原圖和直方圖均衡化后的圖像可見 ,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比圖 河南城建學院本科畢業(yè)設計（論文） 圖像處理的 matlab實 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)用于實現(xiàn)中值濾波 ,wiener2()實現(xiàn)對圖像噪聲的自適應濾波。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)。 得到的效果圖如圖 : 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 河南城建學院本科畢業(yè)設計（論文） 圖像處理的 matlab實 現(xiàn) 10 edge()函數(shù)實現(xiàn)邊緣檢測 ,還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。f:39。 j=edge(i,39。,[,],)。作為人臉識別系統(tǒng)中圖像預處理工具，有非常好的處理功能。人臉識別系統(tǒng)一般 包括人臉檢測與定位、人臉圖像預處理、特征提取和匹配識別四個組成部分。其目的是在去除噪聲，加強有用信息，對輸入設備或其他因素造成的退化現(xiàn)像進行復原，為后續(xù)的特征提取和識別作準備。常用的人臉圖像預處理方法有：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，作者在總結分析了灰度變換、濾波去噪、邊緣檢測三種廣泛應用于不同人臉識別系統(tǒng)中的預處理方法基礎上，設計了一個通用的人臉圖像預處理仿真系統(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處理算法。它包括幾個步驟：對采集到的圖像，首先進行人臉檢測（在輸入圖像中尋找人臉），給出人臉有無的結果；然后進行人臉定位，確定人臉的位置并提取出來。通常檢測和定位結合進行。 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) 12 12 結 束圖 像 采 集 人 臉 檢 測 定 位是 否 定 位 成 功圖 像 與 處 理是 否 處 理 成 功人 臉 識 別是 否 識 別 成 功識 別 結 果開 始是否否是是否否是是否否 圖 基本框架圖 人臉檢測定位算法 人臉檢測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。基于顯式特征的方法是指由人通過肉眼觀察，總結出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測區(qū)域是否滿足這些“人臉特征”，來判定該區(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比較像素點的ｒ、ｇ值與膚