【正文】 陣。 我們就是用這個 n*q 的投影矩陣來“代表”樣本矩陣 A（ n*k），從而實(shí)現(xiàn)了降維。 主成分分析法在人臉識別中的應(yīng)用 根據(jù) PCA的原理，可以將將每一張圖像看成是一個高維的向量，所有的圖像就可以看成是這個高維空間中的一點(diǎn)， PCA 要做的就是找出另外一個能盡可能多的反應(yīng)圖像特征的 低維空間。 根據(jù)上述過程，首先求出矩陣 A的協(xié)方差矩陣，然后求出協(xié)方差矩陣的特征值，選取前 m 個最大的特征值，然后求出對應(yīng)的特征向量，組成一個特征矩陣。然后可以將每一張圖片投影到該子空間，得到了每一張圖像的投影矩陣（ 1*m）。然而有可能該人臉不是人臉庫中的，所以最相似的人臉也不一定就是同一個人臉，還需要設(shè)置一個閾值判斷待識別人臉是否是人臉庫中的。 L2 范式計(jì)算過程簡單，然而在樣本特征值較大的情況下，計(jì)算數(shù)據(jù)會比較大，所以樣本量大的情況下不適合用歐氏距離。 PCA 人臉識別優(yōu)缺點(diǎn)分析 PCA 人臉識別方法是一種簡潔、迅速、應(yīng)用性強(qiáng)的基于系數(shù)變換的特征提取的方法，它的主要優(yōu)點(diǎn)有： (1)圖像的原始灰度數(shù)據(jù)直接用于訓(xùn)練和 識別，沒必要別的任何中間的處理； (2)不需要人臉的幾何和反射知識； (3)由于是通過低維子空間表示的，可以對圖像的數(shù)據(jù)進(jìn)行一定地壓縮，從而減少了計(jì)算量，提高運(yùn)行速度； (4)與其它人臉識別的方法相比較， PCA 人臉識別法簡單且有效。 所以，為了提高識別率，減少外界環(huán)境和姿態(tài)對識別結(jié)果的影響，實(shí)際應(yīng)用的系統(tǒng)中，往往需要結(jié)合其它的方法，例如小波變換， Gabor 算法，神經(jīng)網(wǎng)絡(luò)算法等等，單獨(dú)使 用 PCA 方法開發(fā)的系統(tǒng)難以應(yīng)用于實(shí)際，但是與其它方法結(jié)合會取得很好的效果，現(xiàn)在人臉識別系統(tǒng)的產(chǎn)品中大多數(shù)都是幾種方法相結(jié)合的。在下一小節(jié)中將會詳細(xì)說明 PCA的代碼實(shí)現(xiàn)，以及實(shí)驗(yàn)結(jié)果，并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。識別系統(tǒng)的基本流程圖： 從電腦導(dǎo)入圖像 從攝像頭拍照 圖像大小歸一化，彩色圖轉(zhuǎn)換成灰度圖 圖像降噪 人臉檢測 訓(xùn)練圖像 人臉識別 人臉圖像采集模塊 圖像預(yù)處理模塊 人臉信息庫 歐式距離判斷 輸出基本信息 結(jié)束 否 是 識別模塊 湖南大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 16 頁 系統(tǒng)功能介紹 主菜單界面 主菜單有 四個按鈕：錄入信息，訓(xùn)練圖像，開始識別，退出系統(tǒng)。點(diǎn)擊“開始識別”按鈕則彈出識別界面的對話框。接著拍照，拍照時攝像頭中必須只有一個人臉頭像，如果沒有或有多個目標(biāo)則會有相應(yīng)的提示。每次拍完之后就要保存一次，保存的時候會對獲取到的人臉頭像進(jìn)行處理，處理完成之后再保存為圖像文件，以供訓(xùn)練時計(jì)算。拍攝保存完畢之后點(diǎn)擊“退出”按鈕即可退出錄入界面。在人臉數(shù)量多的情況下，訓(xùn)練會比較慢，識別過程也比較復(fù)雜，所以本系統(tǒng)只針對小樣本的人臉庫。同時 xml文件讀取和寫入也很方便。得到頭像之后根據(jù)訓(xùn)練的數(shù)據(jù)把獲得的頭像也投影，得到一個單列的特征矩陣，最后得到的特征矩陣與訓(xùn)練的 xml 文件中的特征矩陣計(jì)算“距離”，這里的距離就是上文提到的歐式距離，找出最小的距離，然后與閾值相比較，比閾值小則說明是圖像庫中的人臉，與之距離最小的也就是最后得到的識別結(jié)果；如果最小距離比閾值大，則說明不是圖像庫中的已知人臉，給出相應(yīng)的提示。還有一個類是 CvvImage 類，是 opencv 低版本的，可以更方便的實(shí)現(xiàn)IplImage 圖像在 MFC 的 picture 控件上顯示，所以這里在網(wǎng)上下載了該類，并添加到項(xiàng)目中來。 下面詳細(xì)介紹個各類功能的實(shí)現(xiàn)。利用 opencv 函數(shù)cvCaptureFromCAM()和 cvQueryFrame()可以獲取到攝像頭的每一幀，然后利用定時器，每隔一段時間將獲取到的幀顯示在 MFC 的 picture 控件上，這樣便可以獲取到連續(xù)的圖像，即可以顯示攝像頭，在 OnTimer 函數(shù)中實(shí)現(xiàn)該功能。這里編寫了一個將IplImage 類型的圖像顯示到 picture 控件上的函數(shù)，函數(shù)原型是： void CAddinfoDlg::DrawPicToHDC(IplImage* ipimg, UINT ID)。由于自己訓(xùn)練出好的分類器需要采集大量的圖像比較耗費(fèi)時間，為了方便這里使用的分類器是 opencv 自帶的，檢測的效果也比較好。如果有多個目標(biāo)也會輸出。最后一個參數(shù) do_pyramids 是控制是否將圖片縮小的標(biāo)志，按比例縮小圖像之后檢測目標(biāo)更加快，圖像不大的情況下也可以不縮小。所有圖片需要大小統(tǒng)一，格式統(tǒng)一。 實(shí)現(xiàn)該功能。 實(shí)現(xiàn)了該功能。在本系統(tǒng)中為了圖像管理方便，給每一個人都建立了一個文件夾存放頭像。 同時限制了每個人拍攝照片數(shù)不多于 5張 。這些信息保存在 xml 文件中，文件名“ ”。數(shù)據(jù)存儲完成之后提示訓(xùn)練完成。 數(shù)據(jù)庫操作 本系統(tǒng)用的是 組件的 ADO 方法，用的是 MicroSoft SQL Server2021 數(shù)據(jù)庫。數(shù)據(jù)庫一般的操作過程是：打開數(shù)據(jù)庫，打開數(shù)據(jù)集，然后對數(shù)據(jù)集信息進(jìn)行查找，插入等操作。數(shù)據(jù)庫中只有一張表。 Img_src：圖片的路徑和名稱，為了方便找到圖像而添加的一列； Per_name：圖片上人物的姓名 Per_id：圖片上人物的學(xué)號 Per_tel：圖片上人物的電話 識別過程 識別過程首先是圖像采集，人臉檢測，圖像預(yù)處理等，與錄入信息過程類似，此處不再贅述。然后計(jì)算待識別人臉與圖像庫中的人臉的歐式距離，找出最小的距離，該過程對應(yīng)于函數(shù) findNearest(float * projectedTestFace)，如果最小距離大于閾值，則說明該圖像不是圖像庫中的圖像；如果最小距離小于閾值，則與之距離最小的人臉就是識別的結(jié)果，然后根據(jù)圖像的編號，在數(shù)據(jù)庫中查詢該圖像上人物的基本信息，并將結(jié)果輸出到對話框中，函數(shù) getPersonInfo(int nearest)實(shí)現(xiàn)了上述功能 。例如：假設(shè)只有 2 個點(diǎn)，用 1維的線坐標(biāo)即可區(qū)分兩個點(diǎn)；假如只有 3個點(diǎn)，在 2維平面上的坐標(biāo)也完全可以區(qū)分這三個點(diǎn)，而不必選擇三維坐標(biāo)系。 關(guān)于距離閾值的選擇，有很多種方法。 湖南大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 22 頁 實(shí)驗(yàn)結(jié)果 實(shí)驗(yàn)有 6個人的頭像，每個人 35張，總共有 24張照片。其中 5人是在寢室光照強(qiáng)的時候采集的圖像， 1 人在寢室光照暗時采集的圖像。同時在數(shù)據(jù)庫中也記錄了各位同學(xué)的基本信息。然而在與采集圖像不同光照的情況下，識別率非常低，只有 10%左右。 對于距離閾值的選擇，我找了不在人臉庫中的同學(xué)測試，最后經(jīng)過多次的試驗(yàn)，選擇最大距離的九分之一作為閾值，可以區(qū)分人臉庫中的人臉和非人臉庫中的人臉。在某些期刊中提到了自適應(yīng)閾值法，但是未能利用到本系統(tǒng)中。然而上述識別結(jié)果已基本上能夠反映出系統(tǒng)的識別功能，大體上滿足了人臉識別的要求。在實(shí)際應(yīng)用中，如果涉及到大量的人員和數(shù)據(jù)信息，運(yùn)行效率會更差，主要原因還是 PCA方法效率不夠高，如 果要達(dá)到實(shí)際應(yīng)用的需要，必須與其它方法相結(jié)合才能得到比較好的識別效果和運(yùn)行效率。首先是光照影響，在光照強(qiáng)弱變化大時，識別效果會比較差。如果在圖像識別時，額外添加光源，則識別率會大大降低。如果采集圖像的時候，分別在強(qiáng)光和弱光下分別采集，則會減少光照強(qiáng)弱的影響。對于表情，主要是人臉的偏移角度對結(jié)果的影響大，而嘴巴和眼睛等部位的變化對結(jié)果影響不大。而本文中，閾值的選擇是根據(jù)實(shí)驗(yàn)結(jié)果而試探的，只是經(jīng)驗(yàn)總結(jié)，并沒有理論依據(jù)，需要改善，從理論和實(shí)際上選擇更加合理的距離閾值。本章詳細(xì)全面的介紹了人臉識別系統(tǒng)的流程，各 個對話框類的每一項(xiàng)功能，以及實(shí)現(xiàn)的主要函數(shù)接口，并且說明了距離閾值是如何選擇的，同時也補(bǔ)充說明了特征值選擇個數(shù)和樣本圖像數(shù)量的關(guān)系。 湖南大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 25 頁 第五章 全文總結(jié)及展望 全文總結(jié) 人臉識別技術(shù)是隨著可以的發(fā)展而興起的一個課題，是模式識別和計(jì)算機(jī)視覺的一個重要分支。但是由于人臉生物特征的復(fù)雜性，以及復(fù)雜多變的外界環(huán)境和人臉表情，現(xiàn)在的人臉識別系統(tǒng)也不能百分之百的保證識別結(jié)果的準(zhǔn)確性，也存在一定的風(fēng)險，所以這一課題仍然對研究人員而言具有挑戰(zhàn)性。 PCA 人臉識別分成兩個部分：人臉檢測和人臉識別 。在人臉識別部分，采用 PCA（主成分分析法）對采集到的圖像進(jìn)行特征提取，并與存儲的特征信息進(jìn)行匹配，與訓(xùn)練的人臉圖像數(shù)據(jù)計(jì)算歐式距離，最終識別出人的身份。首先利用攝像頭進(jìn)行拍照，然后對圖像進(jìn)行預(yù)處理，并自動建立文件夾，自動保存圖片，方便文件管理。本文在數(shù)據(jù)和人員信息方面的管理比較好。PCA人臉識別就是把每一張圖片看成一行向量，整個樣本當(dāng)做一個矩陣。然后把每一張圖片投影到特征臉空間，這樣就完成了特征提取。 湖南大學(xué)畢業(yè)設(shè)計(jì)（論文） 第 26 頁 (3)本文在 最后給出了人臉識別原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)的方案。 對未來的展望 本文已經(jīng)初步實(shí)現(xiàn)了一個完整的人臉識別系統(tǒng)，在完成的過程中，熟悉了 MFC編程的知識，學(xué)習(xí)了 ADO數(shù)據(jù)庫訪問技術(shù)，并成功應(yīng)用于系統(tǒng)中，對于 opencv 函數(shù)庫，也學(xué)到了不少的知識，由于時間的關(guān)系，只學(xué)習(xí)了跟本系統(tǒng)相關(guān)的知識，今后對 opencv 庫還需要更加全面、系統(tǒng)、深入的學(xué)習(xí)。 (2)進(jìn)一步學(xué)習(xí)圖像處理方面的知識。 (3)在人臉檢測方面，本文利用傳統(tǒng)的 haar 分類器進(jìn)行人臉檢測，檢測效果總體滿意，但是存在一些問題，有時候會錯誤的檢測到非人臉的部分，有時候檢測到的人臉中有非人臉的部 分。 (4)人臉識別系統(tǒng)應(yīng)用廣泛，目前在視頻監(jiān)控，安全檢測，門禁系統(tǒng)，電腦密碼等方面已有應(yīng)用，隨著計(jì)算機(jī)視覺技術(shù)和模式識別技術(shù)的發(fā)展，相信人臉識別技術(shù)將會更加成熟，應(yīng)用范圍將更加廣泛。潘老師治學(xué)嚴(yán)謹(jǐn)、學(xué)識淵博、嚴(yán)謹(jǐn)務(wù)實(shí)、高瞻遠(yuǎn)矚、胸懷寬廣。本論文的完成離不開老師的諄諄教誨和悉心的幫助，由衷的感謝老師在論文完成期間的幫助。剛開始，我在在 MFC 編程和 ADO數(shù)據(jù)庫編程方面遇到困難時，是班上同學(xué)耐心教我。 感謝機(jī)信息學(xué)院老師們對我的的關(guān)懷和培養(yǎng)。 最后，感謝我父母多年來含辛茹苦的養(yǎng)育，他們的辛苦付出時刻激勵