【正文】 模板匹配的方法一般是人為地先定義一個標(biāo)準(zhǔn)人臉模板，計(jì)算輸入圖像與模板的似然度；然后，確定一個似然度閾值，用以判斷該輸入圖像中是否包含人臉河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識別計(jì)算機(jī)系統(tǒng) 13 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(yàn)它是否符合知識庫中關(guān)于人臉的先驗(yàn)知識。 表 基于顯示特征方法的特點(diǎn) 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(shí)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(jì)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?；谌斯ど窠?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(dú)特的優(yōu)勢。但是直接使用 SVM 方法進(jìn)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(jì)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(jì)算量過高。 以上四種方法的優(yōu)缺點(diǎn) 比較見表 表 基于隱式特征方法的特征 檢測方法 優(yōu)點(diǎn) 缺點(diǎn)與需要改進(jìn)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(yùn)算不涉及迭代耗費(fèi)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(fèi)時間多，但網(wǎng)絡(luò)監(jiān)測錯誤報警數(shù)目多 支撐向量機(jī)機(jī)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(jìn)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(yùn)算復(fù)雜度大 基于積分圖像分析法 檢測速度快，基本滿足 實(shí)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(yùn)用 matlab 仿真進(jìn)行人臉檢測定位實(shí)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)處理方河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識別計(jì)算機(jī)系統(tǒng) 17 法基礎(chǔ)上，設(shè)計(jì)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(shí)現(xiàn)圖像的灰度校正和灰度歸一化，仿真系統(tǒng)同時還實(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。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(qiáng)度、成像系統(tǒng)等方面的任意性和差異性，不能單獨(dú)采用某種單一的濾波、灰度變換和邊緣檢測方法。 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(shí)際人臉識別 系統(tǒng)中所必須的步驟。下面對本文實(shí)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(jìn)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(xì)節(jié)對特征提取影響較小，所以這種濾波方法最受歡迎。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 人臉圖像識別計(jì)算機(jī)系統(tǒng) 18 灰度變換是圖像增強(qiáng)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(jì)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)化三種方法。 三種灰度變換方法，均能在一定程度上消除由于光照條件不同而對人臉識別帶來的影響。 對輸入人臉圖像進(jìn)行邊緣檢測是很多人臉識別系統(tǒng)在人臉粗定位及人臉主要器官（眼睛、鼻子、嘴巴）定位時采用的預(yù)處理方法。每種算子對不同方向邊緣的檢測能力和抑制噪聲的能力都不同。圖像類型轉(zhuǎn)換、圖像二值化、尺寸歸一化也是一些人臉識別系統(tǒng)中經(jīng)常使用的預(yù)處理方法。在本仿真系統(tǒng)中通過調(diào)用 MATLAB 中提供的各種圖像類型轉(zhuǎn)換函數(shù)來實(shí)現(xiàn) TIF、 JPG 轉(zhuǎn)換為 BMP 格式及彩色到灰度圖像的轉(zhuǎn)換；對圖像二值化，采用了 graythresh()函數(shù)來自動選擇閾值的二值化方法 [1]；尺寸歸一化采用的算法是對人臉圖像進(jìn)行剪裁和尺寸縮放，實(shí)現(xiàn) 去除大部分頭發(fā)、服飾和背景的干擾并將人臉圖像大小統(tǒng)一。人臉識別程序及效果圖如下。clear all J1=imread(39。)。G:\張迎 \標(biāo)準(zhǔn)測試圖像庫 1\39。 J1=rgb2gray(J1)。 J1fft = fft2(J1)。 J1fftShift = fftshift(J1fft)。 J1Power = abs(J1fftShift)。 J2fftConjugate = conj(J2fftShift)。%互能量譜 imshow(uint8(J1fft))。imshow(uint8(J2fft))。 1 2 3 4 5 6 7 1 1+0i + + 2 + + + + 3 + + + + + + 4 + + + + + + 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 實(shí)驗(yàn)結(jié)果與分析 23 4 實(shí)驗(yàn)結(jié)果與分析 本文利用 人臉圖像識別中所應(yīng)用 MATLAB 對圖像進(jìn)行預(yù)處理，應(yīng)用該工具箱對圖像進(jìn)行經(jīng)典圖像處理 ,通過實(shí)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(jìn)而應(yīng)用到人臉識別系統(tǒng)。 本文同時還利用了傅里葉變換及相關(guān)性的運(yùn)用，實(shí)現(xiàn)了頻譜圖，更好的進(jìn)行人臉識別。在不同的研究領(lǐng)域，傅里葉變換具有多種不同的變體形式，如連續(xù)傅里葉變換和離散傅里葉變換。 利用傅里葉變換的方法進(jìn)行人臉識別，要在頻域內(nèi)進(jìn)行， 實(shí)際運(yùn)用還有一定的難度。 相關(guān)性分析是指對兩個或多個具備相關(guān)性的變量元素進(jìn)行分析，從而衡量兩個變量因素的相關(guān)密切程度。相關(guān)性不等于因果性，也不是簡單的個性化，相關(guān)性所涵蓋的范圍和領(lǐng)域幾乎覆蓋了我們所見到的方方面面，相關(guān)性在不同的學(xué)科里面的定義也有很大的差異。對各種圖像處理方法以及人臉識別系統(tǒng)的學(xué)習(xí)、理解、運(yùn)用有待進(jìn)一步的提高。 該系統(tǒng)的主要功能模塊共有二個：（ 1） 數(shù)字圖像處理的基本方法；（ 2）人臉識別。僅就這一部分而言，就有很多可以繼續(xù)完成的工作，可將其它一些數(shù)字圖像處理方法進(jìn)一步加以實(shí)現(xiàn)，如圖像的平滑，圖像矩陣的變換（ KL變換、 Fourier 變換、小波變換等），圖像的膨脹腐蝕、圖像的幾何變換（平移、旋轉(zhuǎn)、縮放等），以及各種編碼圖像的讀寫與顯示。 關(guān)于“人臉識別”，在了解了人臉識別的各種方法后 ，選擇了圖像直方圖差值比較進(jìn)行了實(shí)現(xiàn)。而在現(xiàn)實(shí)生活中采集到的人臉圖像則會受到很多因素的影響，識別率就未必能達(dá)到要求了。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 參考文獻(xiàn) 25 參考文獻(xiàn) [1] 祝磊 ,朱善安 .人臉識別的一種新的特征提取方法 [J].計(jì)算機(jī)學(xué)報 ,2020,34 [2] 何東風(fēng) ,凌捷 .人臉識別技術(shù)綜述 [J].計(jì)算機(jī)學(xué)報 ,2020,(13):127578 [3] Younus FazleBasit Javed 和 Usman Qayyum” ,采用直方圖的人臉識別和處理” ,第三階段僅相關(guān)新興技術(shù)研報告 [4] 何國輝 ,甘俊英 .PCALDA算法在性別鑒別中的應(yīng)用 [J].中國圖像圖形學(xué)報，2020,32(19):208211 [5] 王聃 ,賈云偉 ,林福嚴(yán) .人臉識別系統(tǒng)中的特征提取 [J].自動化學(xué)報 ,2020,21 [6] 張儉鴿 ,王世卿 ,盛光磊 .基于小波和 DFBPCA的人臉識別算法研究 [J].自動化學(xué)報， 2020， 23（ 21） [7] 曹林 ,王東峰 ,劉小軍 ,鄒謀炎 .基于二維 Gabor 小波的人臉識別算法 [J].電子學(xué)報 ,2020,28(3):490494 [8] 焦峰，山世光，崔國勤，高文，李錦濤 .基于局部特征分析的人臉識別方法 [J].自動化學(xué)報 ,2020,15(15):358 [9] Wangmeng Zuo,Kuanquan Wang,David Zhang,Hongzhi of two novel LDAbased methods for face recognition[C].Proceedings of the IEEE,2020:735742 [10] 徐倩 ,鄧偉 .一種融合兩種主成分分析的人臉識別方法 [J].計(jì)算機(jī)學(xué)報， 2020,43(25):195197 [11] 劉貴喜 ,楊萬海 .基于小波分解的圖像融和方法及性能評價 [J].自動化 科 學(xué) 2020,28(6):927934 [12] 周嬪 ,馬少平 ,蘇中 .多分類器合成方法綜獻(xiàn) [J].自動化學(xué)報 ,2020,28(1). [13] 王蘊(yùn)紅 ,范偉 ,譚鐵牛 .融合全局與局部特征的子空間人臉識別算法 [J].電子學(xué)報 ,2020,28(10):16571662 [14] 莊哲民 ,張阿妞 ,李芬蘭 .基于優(yōu)化的 LDA算法人臉識別研究 [J].中國圖像圖形學(xué)報 ,2020,29(9):20472049 [15] 鐘向陽 .基于 Gabor小波的人臉識別系統(tǒng)的實(shí)現(xiàn) [J].中國圖像圖形學(xué) 報 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 致謝 26 致謝 在河南城建學(xué)院的學(xué)習(xí)生活即將結(jié)束，在做畢業(yè)設(shè)計(jì)的這段時間里，我的老師、同學(xué)、朋友和家人給予了我無微不至的關(guān)心，毫無保留的指導(dǎo)和耐心細(xì)致的幫助，借此畢業(yè)論文完成之際，謹(jǐn)向他們致以我最真誠的感謝！ 首先，我衷心感謝我的曹延生指導(dǎo)老師。論文進(jìn)展并不順利時，是曹老師以仁愛胸懷對我表示了理解，不僅幫我指正了論文的方向，而且為我提供了大量的參考文獻(xiàn)和網(wǎng)頁論壇，曹老師勤勉的敬業(yè)精神和一絲不茍的工作態(tài)度使我深深感動，這將是我一生工作和學(xué)習(xí)的好榜樣。 最后，我要感謝我的父母和家人，他們這么多年來一直給我以無私的關(guān)愛和支持， 濃濃的親情和期盼都是我學(xué)習(xí)的動力和源