钢架连栋大棚
基于matlab的⼈脸识别系统设计与仿真
第⼀章绪论
本章提出了本⽂的研究背景及应⽤前景。⾸先阐述了⼈脸图像识别意义；然后介绍了⼈脸图像识别研究中存在的问题；接着介绍了⾃动⼈脸识别系统的⼀般框架构成；最后简要地介绍了本⽂的主要⼯作和章节结构。 1.1 研究背景
⾃70年代以来.随着⼈⼯智能技术的兴起.以及⼈类视觉研究的进展.⼈们逐渐对⼈脸图像的机器识别投⼊很⼤的热情，并形成了⼀个⼈脸图像识别研究领域，.这⼀领域除了它的重⼤理论价值外，也极具实⽤价值。
在进⾏⼈⼯智能的研究中，⼈们⼀直想做的事情就是让机器具有像⼈类⼀样的思考能⼒，以及识别事物、处理事物的能⼒，因此从解剖学、⼼理学、⾏为感知学等各个⾓度来探求⼈类的思维机制、以及感知事物、处理事物的机制，并努⼒将这些机制⽤于实践，如各种智能机器⼈的研制。⼈脸图像的机器识别研究就是在这种背景下兴起的，因为⼈们发现许多对于⼈类⽽⾔可以轻易做到的事情，⽽让机器来实
现却很难，如⼈脸图像的识别，语⾳识别，⾃然语⾔理解等。如果能够开发出具有像⼈类⼀样的机器识别机制，就能够逐步地了解⼈类是如何存储信息，并进⾏处理的，从⽽最终了解⼈类的思维机制。
同时，进⾏⼈脸图像识别研究也具有很⼤的使⽤价依。如同⼈的指纹⼀样，⼈脸也具有唯⼀性，也可⽤来鉴别⼀个⼈的⾝份。现在⼰有实⽤的计算机⾃动指纹识别系统⾯世，并在安检等部门得到应⽤，但还没有通⽤成熟的⼈脸⾃动识别系统出现。⼈脸图像的⾃动识别系统较之指纹识别系统、DNA鉴定等更具⽅便性，因为它取样⽅便，可以不接触⽬标就进⾏识别，从⽽开发研究的实际意义更⼤。并且与指纹图像不同的是，⼈脸图像受很多因素的⼲扰:⼈脸表情的多样性；以及外在的成像过程中的光照，图像尺⼨，旋转，姿势变化等。使得同⼀个⼈，在不同的环境下拍摄所得到的⼈脸图像不同，有时更会有很⼤的差别，给识别带来很⼤难度。因此在各种⼲扰条件下实现⼈脸图像的识别，也就更具有挑战性。
国外对于⼈脸图像识别的研究较早，现⼰有实⽤系统⾯世，只是对于成像条件要求较苛刻，应⽤范围也就较窄，国内也有许多科研机构从事这⽅⽽的研究，并⼰取得许多成果。
1.2 ⼈脸图像识别的应⽤前景
⼈脸图像识别除了具有重⼤的理论价值以及极富挑战性外，还其有许多潜在的应⽤前景，利⽤⼈脸图像来进⾏⾝份验证，可以不与⽬标相接触就取得样本图像，⽽其它的⾝份验证⼿段，如指纹、眼睛虹
膜等必须通过与⽬标接触或相当接近来取得样⽊，在某些场合，这些识别⼿段就会有不便之处。
就从⽬前和将来来看，可以预测到⼈脸图像识别将具有⼴阔的应⽤前景，如表1-1中所列举就是其中已经实现或逐步完善的应⽤。
表1-1 ⼈脸识别的应⽤游泳馆水处理
应⽤优点存在问题
信信⽤卡、汽车驾照、护照以及个⼈⾝份验证等图像摄取可控图像分割可控图像质量好需要建⽴庞⼤的数据库
嫌疑犯照⽚匹配图像质量不统⼀多幅图像可⽤潜在的巨⼤图像库
互联⽹应⽤视频信息价值⾼多⼈参与存在虚假
银⾏/储蓄安全监控效果好图像分割不可控图像质量较差
⼈监测图像质量⾼可利⽤摄像图像图像分割⾃由图像质量低、实时性
1.3 本⽂研究的问题
本⽂介绍了⼈脸图像识别中所应⽤MATLAB对图像进⾏预处理，应⽤该⼯具箱对图像进⾏经典图像处理，通过实例来应⽤matlab图像处理功能，对某⼀特定的⼈脸图像处理，进⽽应⽤到⼈脸识别系统。本⽂在总结分析⼈脸识别系统中⼏种常⽤的图像预处理⽅法基础上，利⽤MATLAB实现了⼀个集多种预处理⽅法于⼀体的通⽤的⼈脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌⼊在⼈脸识别系统中，并利⽤灰度图像的直⽅图⽐对来实现⼈脸图像的识别判定。
其中涉及到图像的选取，脸部定位，特征提取，图像处理和识别⼏个过程。
1.4 识别系统构成
⼈类似乎具有“与⽣俱来”的⼈脸识别能⼒，赋予计算机同样的能⼒是⼈类的梦想之⼀，这就是所谓的“⼈脸识别”系统。假设我们把照相机、摄像头、扫描仪等看作计算机的“眼睛”，数字图像可以看作计算机观察到的“影像”，那么AFR赋予计算机根据其所“看到”的⼈脸图⽚来判断⼈物⾝份的能⼒。
⼴义的讲，⾃动⼈脸识别系统具有如图1.1所⽰的⼀般框架并完成相应功能的任务。
⼈脸图像获取
仿生花⼈脸检测
特征提取
⼈脸识别
图1.1 ⼈脸识别系统⼀般框架
(1)⼈脸图像的获取
⼀般来说，图像的获取都是通过摄像头摄取，但摄取的图像可以是真⼈，也可以是⼈脸的图⽚或者为了相对简单，可以不考虑通过摄像头来摄取头像，⽽是直接给定要识别的图像。
(2)⼈脸的检测
⼈脸检测的任务是判断静态图像中是否存在⼈脸。若存在⼈脸，给出其在图像中的坐标位置、⼈脸区域⼤⼩等信息。⽽⼈脸跟踪则需要进⼀步输出所检测到的⼈脸位置、⼤⼩等状态随时间的连续变化情况。
(3)特征提取
通过⼈脸特征点的检测与标定可以确定⼈脸图像中显著特征点的位置（如眼睛、眉⽑、⿐⼦、嘴巴等器官），同时还可以得到这些器官及其⾯部轮廓的形状信息的描述。
根据⼈脸特征点检测与标定的结果，通过某些运算得到⼈脸特征的描述（这些特征包括：全局特征和局部特征，显式特征和统计特征等）。
(4)基于⼈脸图像⽐对的⾝份识别
即⼈脸识别(Face Identification)问题。通过将输⼊⼈脸图像与⼈脸数据库中的所有已知原型⼈脸图像计算相似度并对其排序来给出输⼊⼈脸的⾝份信息。这包括两类识别问题：⼀类是闭集(Close Set)⼈脸识别问题，即假定输⼊的⼈脸⼀定是⼈脸库中的某个个体；另⼀类是开集(Open Set)识别，即⾸先要对输⼊⼈脸是否在已知⼈脸库中做出判断，如果是，则给出其⾝份。
(5)基于⼈脸图像⽐对的⾝份验证
即⼈脸确认(Face Verification)问题。系统在输⼊⼈脸图像的同时输⼊⼀个⽤户宣称的该⼈脸的⾝份信息，系统要对该输⼊⼈脸图像的⾝份与宣称的⾝份是否相符作出判断。
1.5 论⽂的内容及组织
第⼆章主要介绍⼈脸识别系统中所⽤到的仿真软件Matlab，介绍了在⼈脸图像识别过程中所需要的图像处理技术，包括：⼀些基本操作、格式转换、图像增强等。并做了⼀个Matlab图像处理功能的实例
第三章主要始涉三个⽅⾯：⾸先是对⼈脸识别系统的构成做详细论述；其次就是对⼈脸识别过程中的关键环节⼈脸检测、特征提取和图像预处理做详细介绍；最后就是Matlab在⼈脸识别系统中的具体应⽤，即⼈脸图像识别的具体技术，并⽤Matlab进⾏仿真试验并得到结果。
第四章是对⼈脸图像识别体系构架的设计，并给出了⼈脸识别⽤到的理论知识即直⽅图差异对⽐，并编写matlab代码实现⼈脸图像识别。
第五章总结了全⽂的⼯作并对以后的需要进⼀步研究的问题进⾏了展望。
第⼆章图像处理的Matlab实现
2.1 Matlab简介
由Math Work公司开发的Matlab语⾔语法限制不严格，程序设计⾃由度⼤，程序的可移植性好。Matlab还推出了功能强⼤的适应于图像分析和处理的⼯具箱，常⽤的有图像处理⼯具箱、⼩波分析⼯具箱及数字信号处理⼯具箱。利⽤这些⼯具箱，我们可以很⽅便的从各个⽅⾯对图像的性质进⾏深⼊的研究。Matlab图像处理⼯具箱⽀持索引图像、RGB图像、灰度图像、⼆进制图像并能操作.bmp、.jpg、.tif等多种图像格式⽂件。
2.2 数字图像处理及过程
图像是⼈类获取信息、表达信息和传递信息的重要⼿段。利⽤计算机对图像进⾏去除噪声、增强、复原、分割、提取特征等的理论、⽅法和技术称为数字图像处理。数字图像处理技术已经成为信息科学、计算机科学、⼯程科学、地球科学等诸多⽅⾯的学者研究图像的有效⼯具。数字图像处理主要包括图像变换、图像增强、图像编码、图像复原、图像重建、图像识别以及图像理解等内容。
2.2.1图像处理的基本操作
读取和显⽰图像可以通过imread()和imshow()来实现；图像的输出⽤imwrite()函数就可以很⽅便的把图像输出到硬盘上；另外还可以⽤imcrop()、imrisize()、imrotate()等来实现图像的裁剪、缩放和旋转等功能。
2.2.2图像类型的转换
Matlab⽀持多种图像类型，但在某些图像操作中，对图像的类型有要求，所以要涉及到对图像类型进⾏转换。Matlab7.0图像处理⼯具箱为我们提供了不同图像类型相互转换的⼤量函数，如mat2gray()函数可以将矩阵转换为灰度图像,rgb2gray()转换RGB图像或颜⾊映像表为灰度图像。在类型转换的时候，我们还经常遇到数据类型不匹配的情况，针对这种情况,Matlab7.0⼯具箱中，也给我们提供了各种数据类型之间的转换函数，如double()就是把数据转换为双精度类型的函数。
2.2.3图像增强
图像增强的⽬的是为了改善图像的视觉效果，提⾼图像的清晰度和⼯艺的适应性，以及便于⼈与计算机的分析和处理，以满⾜图像复制或再现的要求。图像增强的⽅法分为空域法和频域法两⼤类，空域法主要是对图像中的各个像素点进⾏操作;⽽频域法是在图像的某个变换域内对整个图像进⾏操作，并修改变换后的系数，如傅⽴叶变换、DCT变换等的系数，然后再进⾏反变换，便可得到处理后的图像。下⾯以空域增强法的⼏种⽅法加以说明。
(1).灰度变换增强
有多种⽅法可以实现图像的灰度变换，其中最常⽤的就是直⽅图变换的⽅法，即直⽅图的均衡化。这种⽅法是⼀种使输出图像直⽅图近似服从均匀分布的变换算法。Matlab7.0图像处理⼯具箱中提供了图像直⽅图均衡化的具体函数histeq()，同时我们可以⽤函数imhist()函数来计算和显⽰图像的直⽅图。
(2).空域滤波增强
空域滤波按照空域滤波器的功能⼜可分为平滑滤波器和锐化滤波器。平滑滤波器可以⽤低通滤波实现,⽬的在于模糊图像或消除噪声；锐化滤波器是⽤⾼通滤波来实现,⽬的在于强调图像被模糊的细节。在Matlab中，各种滤波⽅法都是在空间域中通过不同的滤波算⼦实现，可⽤fspecial()函数来创建预定义的滤波算⼦，然后可以使⽤imfilter()或filter2()函数调⽤创建好的滤波器对图像进⾏滤波。
2.2.4边缘检测
数字图像的边缘检测是图像分割、⽬标区域识别、区域形状提取等图像分析领域⼗分重要的基础，也是图像识别中提取图像特征的⼀个重要属性。边缘检测算⼦可以检查每个像素的邻域并对灰度变化率进⾏量化，也包括对⽅向的确定，其中⼤多数是基于⽅向导数掩模求卷积的⽅法。常⽤的有Sobel算⼦,Prewitt算⼦,Roberts算⼦,Log算⼦等。Matlab7.0⼯具箱中提供的edge()函数可以进⾏边缘检测，在其参数⾥⾯，可以根据需要选择合适的算⼦及其参数。
实时调试
2.3图像处理功能的Matlab实现实例
本⽂通过运⽤图像处理⼯具箱的有关函数对⼀⼈脸的彩⾊图像进⾏处理。
10.8.0.2541)图像类型的转换
因后⾯的图像增强，边缘检测都是针对灰度图像进⾏的,⽽我们的原图是RGB图像，所以⾸先我们要对原图类型进⾏转换。实现过程代码如下:
i=imread('f:\face1.jpg');j=rgb2gray(i);
imshow(j);imwrite(j,'f:\face1.tif')
效果图2.1
电子蚊香
图2.1
2)图像增强
(1)灰度图像直⽅图均衡化
通过⽐较原图和直⽅图均衡化后的图像可见，图像变得更清晰,⽽且均衡化后的直⽅图⽐原直⽅图的形状更理想。该部分的程序代码如下: i=imread('f:\face1.tif');
j=histeq(i);imshow(j);
figure,subplot(1,2,1),imhist(i);
subplot(1,2,2),imhist(j)
执⾏后的效果图如图2.2和图2.3:
图2.2均衡化后的灰度图像 图2.3均衡化前后的直⽅图对⽐图
(2)灰度图像平滑与锐化处理
平滑滤波器的⽬的在于模糊图像或消除噪声,Matlab7.0图像处理⼯具箱提供了medfilter2()函数⽤于实现中值滤波,wiener2()实现对图像噪声的⾃适应滤波。在本⽂实例中，为了使滤波效果更明显，我们事先为图像认为增加滤波，然后⽤⾃适应滤波⽅法对图像进⾏滤波。锐化处理的⽬的在于强调图像被模糊的细节，在本实例中采⽤了预定义⾼斯滤波器的⽅法对图像进⾏锐化滤波。功能实现的代码如下:
i=imread('f:\fae1.tif');
j=imnoise(i,'guassian',0,0.02);
subplot(1,2,1),imshow(j);
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议