第一章 绪论 1
1.3人脸识别方法的研究 3
1.3.2基于模板匹配的人脸识别方法 4
1.3.3其他方法 6
第二章 图像处理编程语言环境 9
2.1 MATLAB7.0的基本功能简介 9
2.1.1图像采集与导出 10
2.1.2图像分析与增强 10
2.1.3图像处理 10
2.2基于MATLAB7.0的图形用户界面GUI 11
2.2.1控件对象及属性 11
2.2.2控件对象的描述 11
2.2.3控件对象的属性 12
2.3 GUI开发环境 13
2.4 GUI程序设计 15
第三章 系统的整体设计 18
3.1系统的整体分析与设计 18
3.2系统的运行流程图 18
3.3系统的详细图像处理功能 19
3.3.1读取图片功能 19
3.3.2进行增加对比度的功能实现 20
3.3.3进行减小对比度的功能实现 22
3.3.4对图像进行灰度化处理 24
3.3.5二值化处理 25
3.3.6图像直方图的显示 27
3.3.7进行均衡化处理 29
3.3.8恢复原始图像的功能 31
3.3.9退出程序功能： 33
第四章 人脸定位功能的设计与实现 34
4.1人脸定位功能的设计 34
联合签名入口
4.2检测算法的流程图 34
4.3人脸定位功能的实现 35
4.4结论与展望 42
致 谢 43
参考文献 44
附录1：主要英文参考资料及译文 45
第一章 绪论
1.1人脸识别的研究内容及其应用
随着安全入口控制和金融贸易方面应用需要的快速增长，生物统计识别技术得到了新的重视。目前，微电子和视觉系统方面取得的新进展，使该领域中高性能自动识别技术的实现
代价降低到了可以接受的程度。而人脸识别是所有的生物识别方法中应用最广泛的技术之一，人脸识别技术是一项近年来兴起的，但不大为人所知的新技术。人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并出该嫌犯的详细资料和犯罪记录。这并非虚构的情节。在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金 融、网络安全、物业管理以及考勤等领域。
如同人的指纹、虹膜等特征一样，人脸也具有唯一性，可用来鉴别一个人的身份。人脸识别的研究真正开始成为热点是从上世纪80年代开始的，到现在已经取得了一定的研究成果，其表现是全世界相当数量的科研院所提出了各自的人脸识别算法，同时也出现了一批提供人脸识别相关产品的公司。国内中科院计算所物理所先进人机通信技术联合实验室高文博士领导的JDL人脸识别研究组和自动化所研究员李子青带头的研究团队在人脸识别的算法研究方面成果显著，还涌现出了如中科模识银晨科技等公司开始开发相关产品，而人体生物特征识别进展国际学术会议暨中国生物识别学术会议至今已经召开五届了。
比尔·盖茨曾做过这样的断言：生物识别技术将成为未来几年IT产业的重要革新。盖茨言
论的背后支撑是，越来越多的个人、消费者、公司乃至政府机关都承认，现有的基于智能卡、身份号和密码的身份识别系统是远远不够的，生物特征识别技术将在未来提供解决方案方面占据重要的地位。在短期内，生物鉴别法便可与智能卡操作系统结合，用户通过使用个人密码及生物鉴别法以确认身份。根据中国科学院的新闻报道，中国第三代身份证将带指纹等生物识别特征。同其他的生物特征识别技术，如指纹识别、说话人、虹膜识别、DNA识别、步态识别相比，人脸识别具有主动性、非侵犯性和用户友好等许多优点，多年来一直受到许多研究者的关注。
人脸识别应用广泛，可应用于以下的几个方面：
嫌疑犯照片的识别匹配
信用卡、驾驶执照、护照与个人身份的识别
银行、商场安全系统
公众场合监控
门禁系统、计算机登录控制
专家识别系统
基于目击线索的人脸重构
基于父母人脸的小孩脸推导生成
随着年龄增长的人脸估算
这些应用包括了从静态的受控背景的照片到动态的、非控背景的录像等各个方面，各项应用都有着不同的技术难度、处理方式和分析理解方式。它们基本上可以分为两类：静态（非视频）匹配和动态（视频）匹配。本文研究的是前者。
近年来，人脸识别技术研究相当活跃。除了基于代数特征方法取得新的进展之外，人工神经网络、小波变换在人脸识别研究中都得到了很广泛的应用，出现了不少人脸识别的新方法。
1.2人脸识别技术的研究意义
人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。人脸识别技术是一个非常活跃的研究发光管领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实用应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的
千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人并满足无动力风球实时性要求是迫切需要解决的问题。
在人脸检测的基础上，面部关键特征检测试图检测人脸上的主要的面部特征点的位置和眼睛和嘴巴等主要器官的形状信息。灰度积分投影曲线分析、模板匹配、可变形模板、Hough变换、毛纺织品Snake算子、基于Gabor小波变换的弹性图匹配技术、主动性状模型和主动外观模型是常用的方法。
可变形模板的主要思想是根据待检测人脸特征的先验的形状信息，定义一个参数描述的形状模型，该模型的参数反映了对应特征形状的可变部分，如位置、大小、角度等，它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。由于模板变形利用了特征区域的全局信息，因此可以较好地检测出相应的特征形状。由于可变形模板要采用优化算法在参数空间内进行能量函数极小化，因此算法的主要缺点在于两点：一、对参数初值的依赖程度高，很容易陷入局部最小；二、计算时间长。针对这两方面的问题，我们采用了一种由粗到细的检测算法：首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点；然后在此基础上，给出了较好的模板的初始参数，从而可以大幅提高算法的
速度和精度。
眼睛是面部最重要的特征，它们的精确定位是识别的关键。基于区域增长的眼睛定位技术，该技术在人脸检测的基础上，充分利用了眼睛是面部区域内脸部中心的左上方和右上方的灰度谷区这一特性，可以精确快速的定位两个眼睛瞳孔中心位置。该算法采用了基于区域增长的搜索策略，在人脸定位算法给出的大致人脸框架中，估计鼻子的初始位置，然后定义两个初始搜索矩形，分别向左右两眼所处的大致位置生长。该算法根据人眼灰度明显低于面部灰度的特点，利用搜索矩形到眼部的边缘，最后定位到瞳孔的中心。实验表明，本算法对于人脸大小、姿态和光照的变化，都有较强的适应能力，但在眼部阴影较重的情况下，会出现定位不准。佩戴黑框眼镜，也会影响本算法的定位结果。
基于视觉通道信息的面部感知系统，包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类（年龄、种族、性别等的判别）、表情识别、唇读等分系统，如图1-1所式，可以看出，继人脸检测和跟追之后，面部特征定位通常是面部感知的一个必备环节，是后续工作的基础，具有重要的意义。尽管人脸识别不能说是其他面部感知模块的必备功能，但是， 可以肯定的是，利用已知的身份信息，结合特定人的先验知识，可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。而计算机对使用者身份确认的最直
接的应用就是基于特定使用者的环境设置：如使用者的个性化工作环境，信息的共享和隐私保护等等。
应用集成
1.3人脸识别方法的研究
1.3.1基于特征的人脸识别方法
一种基于特征的方法是在抽取人脸图像上显著特征的相对位置及其参数的基础上进行识别。Bledso是最早研究人脸识别的学者之一。他用手工的方法确定人脸特征点的位置并将其输入计算机中，在给定待识别人脸的特征点距离后，用最近邻方法或其它分类方法来识别人脸。由于特征点是手工抽取的，因此系统允许较大范围的头部转动、倾斜以及图像的质量和对比度变化。Kelly的工作在Bledso的框架之上，但一个明显的进步是它不需要人的干预。Kelly的方法利用了人的身体和头部图像。其中脸部的测量量包括头部的宽度，眼睛之间的距离，头顶到眼睛的距离，眼睛到鼻子的距离，以及眼睛到嘴巴的距离。同样采用了最近邻分类法。后来有很多学者对这一方法进行了了发展，包括：Y.Kara和K.Kobayashi,I.Craw等，T.Poggio,F.Girosi和R.Brunelli等，而Nicholas Roeder和Xiaobo LI则更为全面地对基于特征的人脸识别方法的准确性进行了研究。他们指出，基于特征的人
脸识别的准确率依赖于脸部特征识别的准确性。然而，这种依赖性的程度和细节还不知道。
另一种基于特征的方法是在抽取代数特征的基础上完成的。这里的代数特征是指经过数学变换得到的特征，是与前面的几何特征相对而言的。典型的代数特征由K-L变换或奇异值分解（SVD）得到。
M.Kirby和L.Sirovich利用K-L变换抽取人脸图像的主成分并以此作为人脸的特征向量。M.A.Turk和工位管理系统A.Pentland提出了特征脸的方法，它根据一组人脸训练图像构造主元子空间，由于主元具有脸的形状，也称为特征脸。识别时将测试图像投影到主元子空间上，得到一组投影系数，和各个已知人的人脸图像比较进行识别。特征脸方法的优点是算法稳健，但它也有一个缺点是它的“扩容性”差，即每增加一个对象，就要将所有数据重新进行计算，当数据库很大时，这种计算的代价非常大。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议