【畢業(yè)論文】基于matlab的人臉識(shí)別系統(tǒng)設(shè)計(jì)與仿真

1、<p><b>　　目錄</b></p><p><b>　　第一章 緒論2</b></p><p>　　1.1 研究背景2</p><p>　　1.2 人臉圖像識(shí)別的應(yīng)用前景3</p><p>　　1.3 本文研究的問(wèn)題4</p><p>　　1.4 識(shí)別

2、系統(tǒng)構(gòu)成4</p><p>　　1.5 論文的內(nèi)容及組織6</p><p>　　第二章 圖像處理的Matlab實(shí)現(xiàn)7</p><p>　　2.1 Matlab簡(jiǎn)介7</p><p>　　2.2 數(shù)字圖像處理及過(guò)程7</p><p>　　2.2.1圖像處理的基本操作7</p><p>

3、　　2.2.2圖像類型的轉(zhuǎn)換8</p><p>　　2.2.3圖像增強(qiáng)8</p><p>　　2.2.4邊緣檢測(cè)9</p><p>　　2.3圖像處理功能的Matlab實(shí)現(xiàn)實(shí)例9</p><p>　　2.4 本章小結(jié)13</p><p>　　第三章 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng)14</p><

4、p><b>　　3.1 引言14</b></p><p>　　3.2系統(tǒng)基本機(jī)構(gòu)15</p><p>　　3.3 人臉檢測(cè)定位算法15</p><p>　　3.4 人臉圖像的預(yù)處理22</p><p>　　3.4.1 仿真系統(tǒng)中實(shí)現(xiàn)的人臉圖像預(yù)處理方法23</p><p>　　第四

5、章 基于直方圖的人臉識(shí)別實(shí)現(xiàn)26</p><p>　　4.1識(shí)別理論26</p><p>　　4.2 人臉識(shí)別的matlab實(shí)現(xiàn)26</p><p>　　4.3 本章小結(jié)27</p><p><b>　　第五章 總結(jié)28</b></p><p><b>　　致謝29</

6、b></p><p><b>　　參考文獻(xiàn)30</b></p><p><b>　　附錄32</b></p><p><b>　　第一章 緒論</b></p><p>　　本章提出了本文的研究背景及應(yīng)用前景。首先闡述了人臉圖像識(shí)別意義；然后介紹了人臉圖像識(shí)別研究中存在

7、的問(wèn)題；接著介紹了自動(dòng)人臉識(shí)別系統(tǒng)的一般框架構(gòu)成；最后簡(jiǎn)要地介紹了本文的主要工作和章節(jié)結(jié)構(gòu)。</p><p><b>　　1.1 研究背景</b></p><p>　　自70年代以來(lái).隨著人工智能技術(shù)的興起.以及人類視覺(jué)研究的進(jìn)展.人們逐漸對(duì)人臉圖像的機(jī)器識(shí)別投入很大的熱情，并形成了一個(gè)人臉圖像識(shí)別研究領(lǐng)域，.這一領(lǐng)域除了它的重大理論價(jià)值外，也極具實(shí)用價(jià)值。</

8、p><p>　　在進(jìn)行人工智能的研究中，人們一直想做的事情就是讓機(jī)器具有像人類一樣的思考能力，以及識(shí)別事物、處理事物的能力，因此從解剖學(xué)、心理學(xué)、行為感知學(xué)等各個(gè)角度來(lái)探求人類的思維機(jī)制、以及感知事物、處理事物的機(jī)制，并努力將這些機(jī)制用于實(shí)踐，如各種智能機(jī)器人的研制。人臉圖像的機(jī)器識(shí)別研究就是在這種背景下興起的，因?yàn)槿藗儼l(fā)現(xiàn)許多對(duì)于人類而言可以輕易做到的事情，而讓機(jī)器來(lái)實(shí)現(xiàn)卻很難，如人臉圖像的識(shí)別，語(yǔ)音識(shí)別，自然語(yǔ)言

9、理解等。如果能夠開(kāi)發(fā)出具有像人類一樣的機(jī)器識(shí)別機(jī)制，就能夠逐步地了解人類是如何存儲(chǔ)信息，并進(jìn)行處理的，從而最終了解人類的思維機(jī)制。</p><p>　　同時(shí)，進(jìn)行人臉圖像識(shí)別研究也具有很大的使用價(jià)依。如同人的指紋一樣，人臉也具有唯一性，也可用來(lái)鑒別一個(gè)人的身份?，F(xiàn)在己有實(shí)用的計(jì)算機(jī)自動(dòng)指紋識(shí)別系統(tǒng)面世，并在安檢等部門得到應(yīng)用，但還沒(méi)有通用成熟的人臉自動(dòng)識(shí)別系統(tǒng)出現(xiàn)。人臉圖像的自動(dòng)識(shí)別系統(tǒng)較之指紋識(shí)別系統(tǒng)、DNA鑒

10、定等更具方便性，因?yàn)樗臃奖?，可以不接觸目標(biāo)就進(jìn)行識(shí)別，從而開(kāi)發(fā)研究的實(shí)際意義更大。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;以及外在的成像過(guò)程中的光照，圖像尺寸，旋轉(zhuǎn)，姿勢(shì)變化等。使得同一個(gè)人，在不同的環(huán)境下拍攝所得到的人臉圖像不同，有時(shí)更會(huì)有很大的差別，給識(shí)別帶來(lái)很大難度。因此在各種干擾條件下實(shí)現(xiàn)人臉圖像的識(shí)別，也就更具有挑戰(zhàn)性。</p><p>　　國(guó)外對(duì)于人臉圖像識(shí)別的研究較早

11、，現(xiàn)己有實(shí)用系統(tǒng)面世，只是對(duì)于成像條件要求較苛刻，應(yīng)用范圍也就較窄，國(guó)內(nèi)也有許多科研機(jī)構(gòu)從事這方而的研究，并己取得許多成果。</p><p>　　1.2 人臉圖像識(shí)別的應(yīng)用前景</p><p>　　人臉圖像識(shí)別除了具有重大的理論價(jià)值以及極富挑戰(zhàn)性外，還其有許多潛在的應(yīng)用前景，利用人臉圖像來(lái)進(jìn)行身份驗(yàn)證，可以不與目標(biāo)相接觸就取得樣本圖像，而其它的身份驗(yàn)證手段，如指紋、眼睛虹膜等必須通過(guò)與目標(biāo)

12、接觸或相當(dāng)接近來(lái)取得樣木，在某些場(chǎng)合，這些識(shí)別手段就會(huì)有不便之處。</p><p>　　就從目前和將來(lái)來(lái)看，可以預(yù)測(cè)到人臉圖像識(shí)別將具有廣闊的應(yīng)用前景，如表1-1中所列舉就是其中已經(jīng)實(shí)現(xiàn)或逐步完善的應(yīng)用。</p><p>　　表1-1 人臉識(shí)別的應(yīng)用</p><p>　　1.3 本文研究的問(wèn)題</p><p>　　本文介紹了人臉圖像識(shí)別中所應(yīng)

13、用MATLAB對(duì)圖像進(jìn)行預(yù)處理，應(yīng)用該工具箱對(duì)圖像進(jìn)行經(jīng)典圖像處理,通過(guò)實(shí)例來(lái)應(yīng)用matlab圖像處理功能，對(duì)某一特定的人臉圖像處理，進(jìn)而應(yīng)用到人臉識(shí)別系統(tǒng)。本文在總結(jié)分析人臉識(shí)別系統(tǒng)中幾種常用的圖像預(yù)處理方法基礎(chǔ)上，利用MATLAB實(shí)現(xiàn)了一個(gè)集多種預(yù)處理方法于一體的通用的人臉圖像預(yù)處理仿真系統(tǒng)，將該系統(tǒng)作為圖像預(yù)處理模塊可嵌入在人臉識(shí)別系統(tǒng)中，并利用灰度圖像的直方圖比對(duì)來(lái)實(shí)現(xiàn)人臉圖像的識(shí)別判定。</p><p>

14、;　　其中涉及到圖像的選取，臉部定位，特征提取，圖像處理和識(shí)別幾個(gè)過(guò)程。</p><p>　　1.4 識(shí)別系統(tǒng)構(gòu)成</p><p>　　人類似乎具有“與生俱來(lái)”的人臉識(shí)別能力，賦予計(jì)算機(jī)同樣的能力是人類的夢(mèng)想之一，這就是所謂的“人臉識(shí)別”系統(tǒng)。假設(shè)我們把照相機(jī)、攝像頭、掃描儀等看作計(jì)算機(jī)的“眼睛”，數(shù)字圖像可以看作計(jì)算機(jī)觀察到的“影像”，那么AFR賦予計(jì)算機(jī)根據(jù)其所“看到”的人臉圖片來(lái)判斷

15、人物身份的能力。</p><p>　　廣義的講，自動(dòng)人臉識(shí)別系統(tǒng)具有如圖1.1所示的一般框架并完成相應(yīng)功能的任務(wù)。</p><p>　　圖1.1 人臉識(shí)別系統(tǒng)一般框架</p><p>　　(1)人臉圖像的獲取</p><p>　　一般來(lái)說(shuō)，圖像的獲取都是通過(guò)攝像頭攝取，但攝取的圖像可以是真人，也可以是人臉的圖片或者為了相對(duì)簡(jiǎn)單，可以不考慮通過(guò)

16、攝像頭來(lái)攝取頭像，而是直接給定要識(shí)別的圖像。</p><p><b>　　(2)人臉的檢測(cè)</b></p><p>　　人臉檢測(cè)的任務(wù)是判斷靜態(tài)圖像中是否存在人臉。若存在人臉，給出其在圖像中的坐標(biāo)位置、人臉區(qū)域大小等信息。而人臉跟蹤則需要進(jìn)一步輸出所檢測(cè)到的人臉位置、大小等狀態(tài)隨時(shí)間的連續(xù)變化情況。</p><p><b>　　(3)

17、特征提取</b></p><p>　　通過(guò)人臉特征點(diǎn)的檢測(cè)與標(biāo)定可以確定人臉圖像中顯著特征點(diǎn)的位置（如眼睛、眉毛、鼻子、嘴巴等器官），同時(shí)還可以得到這些器官及其面部輪廓的形狀信息的描述。</p><p>　　根據(jù)人臉特征點(diǎn)檢測(cè)與標(biāo)定的結(jié)果，通過(guò)某些運(yùn)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(jì)特征等）。</p><p>　　(4

18、)基于人臉圖像比對(duì)的身份識(shí)別</p><p>　　即人臉識(shí)別(Face Identification)問(wèn)題。通過(guò)將輸入人臉圖像與人臉數(shù)據(jù)庫(kù)中的所有已知原型人臉圖像計(jì)算相似度并對(duì)其排序來(lái)給出輸入人臉的身份信息。這包括兩類識(shí)別問(wèn)題：一類是閉集(Close Set)人臉識(shí)別問(wèn)題，即假定輸入的人臉一定是人臉庫(kù)中的某個(gè)個(gè)體；另一類是開(kāi)集(Open Set)識(shí)別，即首先要對(duì)輸入人臉是否在已知人臉庫(kù)中做出判斷，如果是，則給出其

19、身份。</p><p>　　(5)基于人臉圖像比對(duì)的身份驗(yàn)證</p><p>　　即人臉確認(rèn)(Face Verification)問(wèn)題。系統(tǒng)在輸入人臉圖像的同時(shí)輸入一個(gè)用戶宣稱的該人臉的身份信息，系統(tǒng)要對(duì)該輸入人臉圖像的身份與宣稱的身份是否相符作出判斷。</p><p>　　1.5 論文的內(nèi)容及組織</p><p>　　第二章主要介紹人臉識(shí)別

20、系統(tǒng)中所用到的仿真軟件Matlab，介紹了在人臉圖像識(shí)別過(guò)程中所需要的圖像處理技術(shù)，包括：一些基本操作、格式轉(zhuǎn)換、圖像增強(qiáng)等。并做了一個(gè)Matlab圖像處理功能的實(shí)例</p><p>　　第三章主要始涉三個(gè)方面：首先是對(duì)人臉識(shí)別系統(tǒng)的構(gòu)成做詳細(xì)論述；其次就是對(duì)人臉識(shí)別過(guò)程中的關(guān)鍵環(huán)節(jié)人臉檢測(cè)、特征提取和圖像預(yù)處理做詳細(xì)介紹；最后就是Matlab在人臉識(shí)別系統(tǒng)中的具體應(yīng)用，即人臉圖像識(shí)別的具體技術(shù)，并用Matlab

21、進(jìn)行仿真試驗(yàn)并得到結(jié)果。</p><p>　　第四章是對(duì)人臉圖像識(shí)別體系構(gòu)架的設(shè)計(jì)，并給出了人臉識(shí)別用到的理論知識(shí)即直方圖差異對(duì)比，并編寫matlab代碼實(shí)現(xiàn)人臉圖像識(shí)別。</p><p>　　第五章總結(jié)了全文的工作并對(duì)以后的需要進(jìn)一步研究的問(wèn)題進(jìn)行了展望。</p><p>　　第二章 圖像處理的Matlab實(shí)現(xiàn)</p><p>　　2.1

22、Matlab簡(jiǎn)介</p><p>　　由Math Work公司開(kāi)發(fā)的Matlab語(yǔ)言語(yǔ)法限制不嚴(yán)格,程序設(shè)計(jì)自由度大,程序的可移植性好。Matlab還推出了功能強(qiáng)大的適應(yīng)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(hào)處理工具箱。利用這些工具箱,我們可以很方便的從各個(gè)方面對(duì)圖像的性質(zhì)進(jìn)行深入的研究。Matlab圖像處理工具箱支持索引圖像、RGB圖像、灰度圖像、二進(jìn)制圖像并能操作.bmp、

23、.jpg、.tif等多種圖像格式文件。</p><p>　　2.2 數(shù)字圖像處理及過(guò)程</p><p>　　圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段。利用計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論、方法和技術(shù)稱為數(shù)字圖像處理。數(shù)字圖像處理技術(shù)已經(jīng)成為信息科學(xué)、計(jì)算機(jī)科學(xué)、工程科學(xué)、地球科學(xué)等諸多方面的學(xué)者研究圖像的有效工具。數(shù)字圖像處理主要包括圖像變換、圖像增強(qiáng)、

24、圖像編碼、圖像復(fù)原、圖像重建、圖像識(shí)別以及圖像理解等內(nèi)容。</p><p>　　2.2.1圖像處理的基本操作</p><p>　　讀取和顯示圖像可以通過(guò)imread()和imshow()來(lái)實(shí)現(xiàn);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;另外還可以用imcrop()、imrisize()、imrotate()等來(lái)實(shí)現(xiàn)圖像的裁剪、縮放和旋轉(zhuǎn)等功能。</p>

25、<p>　　2.2.2圖像類型的轉(zhuǎn)換</p><p>　　Matlab支持多種圖像類型,但在某些圖像操作中,對(duì)圖像的類型有要求,所以要涉及到對(duì)圖像類型進(jìn)行轉(zhuǎn)換。Matlab7.0圖像處理工具箱為我們提供了不同圖像類型相互轉(zhuǎn)換的大量函數(shù),如mat2gray()函數(shù)可以將矩陣轉(zhuǎn)換為灰度圖像,rgb2gray()轉(zhuǎn)換RGB圖像或顏色映像表為灰度圖像。在類型轉(zhuǎn)換的時(shí)候,我們還經(jīng)常遇到數(shù)據(jù)類型不匹配的情況,針

26、對(duì)這種情況,Matlab7.0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)。</p><p><b>　　2.2.3圖像增強(qiáng)</b></p><p>　　圖像增強(qiáng)的目的是為了改善圖像的視覺(jué)效果,提高圖像的清晰度和工藝的適應(yīng)性,以及便于人與計(jì)算機(jī)的分析和處理,以滿足圖像復(fù)制或再現(xiàn)的要求。圖像增強(qiáng)的方法分為空域法和

27、頻域法兩大類,空域法主要是對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行操作;而頻域法是在圖像的某個(gè)變換域內(nèi)對(duì)整個(gè)圖像進(jìn)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(jìn)行反變換,便可得到處理后的圖像。下面以空域增強(qiáng)法的幾種方法加以說(shuō)明。</p><p>　　(1).灰度變換增強(qiáng)</p><p>　　有多種方法可以實(shí)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。這種方

28、法是一種使輸出圖像直方圖近似服從均勻分布的變換算法。Matlab7.0圖像處理工具箱中提供了圖像直方圖均衡化的具體函數(shù)histeq(),同時(shí)我們可以用函數(shù)imhist()函數(shù)來(lái)計(jì)算和顯示圖像的直方圖。</p><p>　　(2).空域?yàn)V波增強(qiáng)</p><p>　　空域?yàn)V波按照空域?yàn)V波器的功能又可分為平滑濾波器和銳化濾波器。平滑濾波器可以用低通濾波實(shí)現(xiàn),目的在于模糊圖像或消除噪聲;銳化濾波器

29、是用高通濾波來(lái)實(shí)現(xiàn),目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié)。在Matlab中,各種濾波方法都是在空間域中通過(guò)不同的濾波算子實(shí)現(xiàn),可用fspecial()函數(shù)來(lái)創(chuàng)建預(yù)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(duì)圖像進(jìn)行濾波。</p><p><b>　　2.2.4邊緣檢測(cè)</b></p><p>　　數(shù)字圖像的邊緣檢測(cè)是圖像分割、目

30、標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ),也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。邊緣檢測(cè)算子可以檢查每個(gè)像素的鄰域并對(duì)灰度變化率進(jìn)行量化,也包括對(duì)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。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()函數(shù)可以進(jìn)行邊緣檢測(cè),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)。</p><

31、;p>　　2.3圖像處理功能的Matlab實(shí)現(xiàn)實(shí)例</p><p>　　本文通過(guò)運(yùn)用圖像處理工具箱的有關(guān)函數(shù)對(duì)一人臉的彩色圖像進(jìn)行處理。</p><p><b>　　1)圖像類型的轉(zhuǎn)換</b></p><p>　　因后面的圖像增強(qiáng),邊緣檢測(cè)都是針對(duì)灰度圖像進(jìn)行的,而我們的原圖是RGB圖像,所以首先我們要對(duì)原圖類型進(jìn)行轉(zhuǎn)換。實(shí)現(xiàn)過(guò)程代碼如下

32、:</p><p>　　i=imread('f:\face1.jpg');j=rgb2gray(i);</p><p>　　imshow(j);imwrite(j,'f:\face1.tif')</p><p><b>　　效果圖2.1</b></p><p><b>　　圖2.

33、1</b></p><p><b>　　2)圖像增強(qiáng)</b></p><p>　　(1)灰度圖像直方圖均衡化</p><p>　　通過(guò)比較原圖和直方圖均衡化后的圖像可見(jiàn),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。該部分的程序代碼如下:</p><p>　　i=imread('f:\f

34、ace1.tif');</p><p>　　j=histeq(i);imshow(j);</p><p>　　figure,subplot(1,2,1),imhist(i);</p><p>　　subplot(1,2,2),imhist(j)</p><p>　　執(zhí)行后的效果圖如圖2.2和圖2.3:</p><p

35、>　　圖2.2均衡化后的灰度圖像 圖2.3均衡化前后的直方圖對(duì)比圖</p><p>　　(2)灰度圖像平滑與銳化處理</p><p>　　平滑濾波器的目的在于模糊圖像或消除噪聲,Matlab7.0圖像處理工具箱提供了medfilter2()函數(shù)用于實(shí)現(xiàn)中值濾波,wiener2()實(shí)現(xiàn)對(duì)圖像噪聲的自適應(yīng)濾波。在本文實(shí)例中,為了使濾波效果更明顯,我們事先為圖像認(rèn)為

36、增加濾波,然后用自適應(yīng)濾波方法對(duì)圖像進(jìn)行濾波。銳化處理的目的在于強(qiáng)調(diào)圖像被模糊的細(xì)節(jié),在本實(shí)例中采用了預(yù)定義高斯濾波器的方法對(duì)圖像進(jìn)行銳化濾波。功能實(shí)現(xiàn)的代碼如下:</p><p>　　i=imread('f:\fae1.tif');</p><p>　　j=imnoise(i,'guassian',0,0.02);</p><p>

37、　　subplot(1,2,1),imshow(j);</p><p>　　j1=wiener2(j);subplot(1,2,2),imshow(j1);</p><p>　　h=fspecial('gaussian',2,0.05);j2=imfilter(i,h);figure,subplot(1,2,1),imshow(i)</p><p>

38、　　subplot(1,2,2),imshow(j2)</p><p>　　得到的效果圖如圖2.4和圖2.5:</p><p>　　加入噪聲的圖像 濾波后的圖像</p><p>　　圖2.4 平滑濾波效果</p><p>　　原灰度圖像 銳化后

39、的圖像</p><p>　　圖2.5 銳化濾波效果圖</p><p><b>　　3)邊緣檢測(cè)</b></p><p>　　Matlab7.0圖像處理工具箱提供了edge()函數(shù)實(shí)現(xiàn)邊緣檢測(cè),還</p><p>　　有各種方法算子供選擇,在本實(shí)例中采用了canny算子來(lái)進(jìn)行邊緣檢</p><p>

40、<b>　　測(cè),</b></p><p><b>　　程序代碼如下:</b></p><p>　　i=imread('f:face.tif');</p><p>　　j=edge(i,'canny',[0.04,0.25],1.5);</p><p><b>

41、;　　imshow(j)</b></p><p><b>　　效果圖如圖2.6:</b></p><p>　　原灰度圖像 邊緣檢測(cè)后的圖像</p><p>　　圖2.6 邊緣檢測(cè)效果圖</p><p><b>　　2.4 本章小結(jié)</b>&

42、lt;/p><p>　　以上實(shí)例只是對(duì)Matlab圖像處理工具箱函數(shù)的一小部分運(yùn)用,從這些功能的運(yùn)用可以看出,Matlab語(yǔ)言簡(jiǎn)潔,可讀性強(qiáng)。作為人臉識(shí)別系統(tǒng)中圖像預(yù)處理工具，有非常好的處理功能。</p><p>　　第三章 人臉圖像識(shí)別計(jì)算機(jī)系統(tǒng)</p><p><b>　　3.1 引言</b></p><p>　　計(jì)算機(jī)

43、人臉識(shí)別是一個(gè)非?；钴S的研究領(lǐng)域，因其在公安刑偵破案、銀行密碼系統(tǒng)、計(jì)算機(jī)安全系統(tǒng)以及動(dòng)態(tài)監(jiān)視系統(tǒng)等方面都有廣泛應(yīng)用，已成為當(dāng)前模式識(shí)別、計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。人臉識(shí)別系統(tǒng)一般包括人臉檢測(cè)與定位、人臉圖像預(yù)處理、特征提取和匹配識(shí)別四個(gè)組成部分。其中，人臉圖像預(yù)處理，作為特征提取和識(shí)別的前提步驟，是計(jì)算機(jī)人臉識(shí)別系統(tǒng)中的必要環(huán)節(jié)。其目的是在去除噪聲，加強(qiáng)有用信息，對(duì)輸入設(shè)備或其他因素造成的退化現(xiàn)像進(jìn)行復(fù)原，為后續(xù)的特征提取和識(shí)別作準(zhǔn)備

44、。</p><p>　　不同的人臉識(shí)別系統(tǒng)根據(jù)其采用的圖像來(lái)源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。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(cè)、尺寸歸一化、灰度歸一化等。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)處理方法，但一旦庫(kù)中采集到的原始圖像質(zhì)量發(fā)生較大變化（如人臉大小、光照強(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的

45、。</p><p>　　鑒于此，作者在總結(jié)分析了灰度變換、濾波去噪、邊緣檢測(cè)三種廣泛應(yīng)用于不同人臉識(shí)別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個(gè)通用的人臉圖像預(yù)處理仿真系統(tǒng)。該系統(tǒng)可對(duì)不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。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(cè)算子檢測(cè)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(shí)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

46、。</p><p><b>　　3.2系統(tǒng)基本機(jī)構(gòu)</b></p><p>　　人臉識(shí)別是一個(gè)復(fù)雜的過(guò)程，一個(gè)計(jì)算機(jī)人臉識(shí)別的流程如圖3-1所示。它包括幾個(gè)步驟：對(duì)采集到的圖像，首先進(jìn)行人臉檢測(cè)（在輸入圖像中尋找人臉），給出人臉有無(wú)的結(jié)果；然后進(jìn)行人臉定位，確定人臉的位置并提取出來(lái)。對(duì)人臉的定位在輸入是圖像序列時(shí)一般也稱之為人臉跟蹤。通常檢測(cè)和定位結(jié)合進(jìn)行。對(duì)提取出來(lái)

47、的人臉借助人臉描述就可以進(jìn)行（狹義的）人臉識(shí)別，即通過(guò)提取特征來(lái)確定其身份。</p><p>　　圖3.1 基本框架圖</p><p>　　3.3 人臉檢測(cè)定位算法</p><p>　　人臉檢測(cè)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。</p><p>　　所謂顯式特征是指對(duì)人類肉眼來(lái)說(shuō)直觀可見(jiàn)的特征，如膚色、臉部輪

48、廓、臉部結(jié)構(gòu)等?；陲@式特征的方法是指由人通過(guò)肉眼觀察，總結(jié)出人臉區(qū)別于“非人臉”區(qū)域的特征，然后根據(jù)被檢測(cè)區(qū)域是否滿足這些“人臉特征”，來(lái)判定該區(qū)域是否包含人臉。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法分以下三類：基于膚色模型的方法、模板匹配的方法、基于先驗(yàn)知識(shí)的方法。</p><p>　　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(cè)人臉是很自然的想法。Yang等在考察了不同種族、不同個(gè)體的

49、膚色后，認(rèn)為人類的膚色能在顏色空間中聚成單獨(dú)的一類，而影響膚色值變化的最主要因素是亮度變化。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(guò)比較像素點(diǎn)的ｒ、ｇ值與膚色范圍來(lái)推斷該像素點(diǎn)及其鄰域是否屬于人臉區(qū)域。除了RGB顏色空間，還有諸如HIS，LUV，GLHS等其它顏色空間被使用。尋找到膚色區(qū)域后，必須進(jìn)行驗(yàn)證，排除類膚色區(qū)域。Yoo等利用膚色像素的連通性分割出區(qū)域，使用橢圓擬合各個(gè)區(qū)域，根據(jù)橢圓長(zhǎng)短軸的比率判斷是否為人

50、臉。</p><p>　　模板匹配的方法一般是人為地先定義一個(gè)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(gè)似然度閾值，用以判斷該輸入圖像中是否包含人臉。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)。</p><p>　　基于先驗(yàn)知識(shí)的方法則采用符合人臉生理結(jié)構(gòu)特征的人臉鑲嵌圖（mosaic image）模型，并在分析了足夠多的人臉圖像樣本的基礎(chǔ)上，針對(duì)人臉的灰度、邊

51、緣、紋理等信息，建立一種關(guān)于人臉的知識(shí)庫(kù)。在檢測(cè)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(shí)庫(kù)中關(guān)于人臉的先驗(yàn)知識(shí)。</p><p>　　以上三種方法的優(yōu)缺點(diǎn)比較見(jiàn)表3-1。</p><p>　　表3-1 基于顯示特征方法的特點(diǎn)</p><p>　　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(guò)判別圖像中

52、所有可能區(qū)域是否屬于“人臉模式”的方法來(lái)實(shí)現(xiàn)人臉檢測(cè)。這類方法有：特征臉?lè)?、人工神?jīng)網(wǎng)絡(luò)法、支持向量機(jī)法；積分圖像法。</p><p>　　特征臉?lè)ǎ╡igenface）把單個(gè)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(gè)新的相對(duì)簡(jiǎn)單的特征空間，通過(guò)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。</p><

53、;p>　　人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）的方法是通過(guò)訓(xùn)練一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，把模式的統(tǒng)計(jì)特性隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)之中?；谌斯ど窠?jīng)網(wǎng)絡(luò)的方法對(duì)于復(fù)雜的、難以顯式描述的模式，具有獨(dú)特的優(yōu)勢(shì)。</p><p>　　支撐向量機(jī)（Support Vector Machine，SVM）法是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種新的模式識(shí)別方法，它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原理，較之于基

54、于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的人工神經(jīng)網(wǎng)絡(luò)，一些難以逾越的問(wèn)題，如：模型選擇和過(guò)學(xué)習(xí)問(wèn)題、非線性和維數(shù)災(zāi)難問(wèn)題、局部極小點(diǎn)問(wèn)題等都得到了很大程度上的解決。但是直接使用SVM方法進(jìn)行人臉識(shí)別有兩方面的困難：第一，訓(xùn)練時(shí)需要求解二次規(guī)劃問(wèn)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(shí)，需要極大規(guī)模的訓(xùn)練集合，得到的支持向量會(huì)很多，使得分類器的計(jì)算量過(guò)高。</p><p>　　基于積分圖像（Integral Imag

55、e）特征的人臉檢測(cè)方法是Viola等新近提出的一種算法，它綜合使用了積分圖像描述方法、Adaboost學(xué)習(xí)算法及訓(xùn)練方法、級(jí)聯(lián)弱分類器。</p><p>　　以上四種方法的優(yōu)缺點(diǎn)比較見(jiàn)表3-2</p><p>　　表3-2 基于隱式特征方法的特征</p><p>　　運(yùn)用matlab仿真進(jìn)行人臉檢測(cè)定位實(shí)例：</p><p><b>

56、;　　人臉檢測(cè)定位程序：</b></p><p>　　%%%%% Reading of a RGB image</p><p>　　i=imread('face1.jpg');</p><p>　　I=rgb2gray(i);</p><p>　　BW=im2bw(I);</p><p>　

57、　figure,imshow(BW)</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　%%%%% minimisation of background portion</p><p>　　[n1 n2]=size(BW);</p><p>　

58、　r=floor(n1/10);</p><p>　　c=floor(n2/10);</p><p>　　x1=1;x2=r;</p><p><b>　　s=r*c;</b></p><p>　　for i=1:10</p><p>　　y1=1;y2=c;</p><p&g

59、t;　　for j=1:10</p><p>　　if (y2<=c | y2>=9*c) | (x1==1 | x2==r*10)</p><p>　　loc=find(BW(x1:x2, y1:y2)==0);</p><p>　　[o p]=size(loc);</p><p>　　pr=o*100/s;</p>

60、<p>　　if pr<=100</p><p>　　BW(x1:x2, y1:y2)=0;</p><p>　　r1=x1;r2=x2;s1=y1;s2=y2;</p><p><b>　　pr1=0;</b></p><p><b>　　end</b></p>

61、<p>　　imshow(BW);</p><p><b>　　end</b></p><p><b>　　y1=y1+c;</b></p><p><b>　　y2=y2+c;</b></p><p><b>　　end</b></p&g

62、t;<p><b>　　x1=x1+r;</b></p><p><b>　　x2=x2+r;</b></p><p><b>　　end</b></p><p>　　figure,imshow(BW)</p><p>　　%%%%%%%%%%%%%%%%%%%%

63、%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　%%%%% detection of face object</p><p>　　L = bwlabel(BW,8);</p><p>　　BB = regionprops(L, 'BoundingBox');</p><p>　　BB1=stru

64、ct2cell(BB);</p><p>　　BB2=cell2mat(BB1);</p><p>　　[s1 s2]=size(BB2);</p><p><b>　　mx=0;</b></p><p>　　for k=3:4:s2-1</p><p>　　p=BB2(1,k)*BB2(1,k+

65、1);</p><p>　　if p>mx & (BB2(1,k)/BB2(1,k+1))<1.8</p><p><b>　　mx=p;</b></p><p><b>　　j=k;</b></p><p><b>　　end</b></p>

66、<p><b>　　end</b></p><p>　　figure,imshow(I);</p><p><b>　　hold on;</b></p><p>　　rectangle('Position',[BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j+1)],

67、'EdgeColor','r' )</p><p>　　原始圖片 灰度圖片</p><p>　　均衡化灰度圖片 人臉定位</p><p>　　3.4 人臉圖像的預(yù)處理</p><p>　　不同的人臉識(shí)別系統(tǒng)根據(jù)

68、其采用的圖像來(lái)源和識(shí)別算法需要不同，采用的預(yù)處理方法也不同。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(cè)、尺寸歸一化、灰度歸一化等。用在同一系統(tǒng)中的可能只有其中一種或幾種預(yù)處理方法，但一旦庫(kù)中采集到的原始圖像質(zhì)量發(fā)生較大變化（如人臉大小、光照強(qiáng)度、拍攝條件、成像系統(tǒng)等方面變化），原有的預(yù)處理模塊便不能滿足特征提取的需要，還要更新，這是極不方便的。鑒于此，作者在總結(jié)分析了濾波去噪、邊緣檢測(cè)、灰度變換三種廣泛應(yīng)用于不

69、同人臉識(shí)別系統(tǒng)中的預(yù)處理方法基礎(chǔ)上，設(shè)計(jì)了一個(gè)通用的人臉圖像預(yù)處理仿真系統(tǒng)。該系統(tǒng)可對(duì)不同條件下的原始圖像進(jìn)行相應(yīng)的預(yù)處理。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(cè)算子檢測(cè)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(shí)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。</p><p>　　3.4.1 仿真系統(tǒng)中實(shí)現(xiàn)的人臉圖像預(yù)處理方法</p>

70、<p>　　根據(jù)所查閱文獻(xiàn)資料，常應(yīng)用于人臉圖像的預(yù)處理方法有：圖像類型轉(zhuǎn)換、濾波去噪、灰度變換、邊緣檢測(cè)及二值化、尺寸歸一化、灰度歸一化等。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(kù)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(cè)方法。所以，在本仿真系統(tǒng)中，對(duì)上述的每種預(yù)處理方法全部加以實(shí)現(xiàn)的同時(shí)，還對(duì)三種最常用預(yù)處理方法：濾波去噪、灰度變換、邊緣檢測(cè)，提

71、供了多種不同的具體算法供用戶比較、選擇之用。</p><p><b>　　1)濾波去噪</b></p><p>　　由于噪聲給圖像帶來(lái)的失真和降質(zhì)，在特征提取之前采用濾波的方式來(lái)去除噪聲是實(shí)際人臉識(shí)別系統(tǒng)中所必須的步驟。濾波的方法有很多，如各種平滑濾波、各種銳化濾波等，關(guān)于各種濾波方法的原理和分類可參考文獻(xiàn)[2]。下面對(duì)本文實(shí)現(xiàn)的濾波方法及其選擇依據(jù)加以說(shuō)明。在人臉圖

72、像預(yù)處理中使用較多的濾波是平滑濾波，方法可分為以下三類：線性濾波、中值濾波、自適應(yīng)濾波。</p><p>　?。?）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(duì)圖像進(jìn)行線性濾波可以去除圖像中某些特定類型的噪聲，如圖像中的顆粒噪聲，高斯噪聲、椒鹽噪聲等。對(duì)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。考慮濾波模板大小對(duì)濾波效果影響較大，仿真系統(tǒng)選擇算法

73、時(shí)對(duì)同種濾波算法提供了不同模板大小的情況。</p><p>　?。?）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(jí)進(jìn)行排序，然后選擇該組的中間值作為輸出像素值。中值濾波方法的最大優(yōu)點(diǎn)是抑制噪聲效果明顯且能保護(hù)邊界。對(duì)于使用基于整體的人臉識(shí)別算法的系統(tǒng)中，由于失掉小區(qū)域的細(xì)節(jié)對(duì)特征提取影響較小，所以這種濾波方法最受歡迎。</p><p>　　（3）自適應(yīng)濾波自適

74、應(yīng)濾波能夠根據(jù)圖像的局部方差來(lái)調(diào)整濾波器的輸出，其濾波效果要優(yōu)于線性濾波，同時(shí)可以更好地保存圖像的邊緣和高頻細(xì)節(jié)信息。</p><p><b>　　2)灰度變換</b></p><p>　　灰度變換是圖像增強(qiáng)技術(shù)中的一種。通過(guò)灰度變換，可對(duì)原始圖像中的光照不均進(jìn)行補(bǔ)償，使得待識(shí)別人臉圖像遵循同一或相似的灰度分布。只有這樣，不同圖像在特征提取和識(shí)別時(shí)才具有可比性。這一過(guò)

75、程，也被稱作灰度歸一化。常用在人臉識(shí)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。直方圖均衡化和直方圖規(guī)定化的灰度變換原理和實(shí)現(xiàn)方法可由matlab仿真來(lái)實(shí)現(xiàn)。</p><p>　　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(duì)人臉識(shí)別帶來(lái)的影響。故在仿真系統(tǒng)中提供了三種灰度變換效果比較及選擇界面，用戶可根據(jù)需要選用。</p>&

76、lt;p><b>　　3)邊緣檢測(cè)</b></p><p>　　對(duì)輸入人臉圖像進(jìn)行邊緣檢測(cè)是很多人臉識(shí)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(shí)采用的預(yù)處理方法。邊緣檢測(cè)的方法有很多，主要有：微分算子法、Sobel算子法、拉普拉斯算子法、canny算子法等。每種算子對(duì)不同方向邊緣的檢測(cè)能力和抑制噪聲的能力都不同。所以，和灰度變換及濾波去噪部分的設(shè)計(jì)思路相同，在仿真系統(tǒng)中

77、，筆者給出了canny、sobel、log、prewitt四種算子在不同灰度閾值下、不同方向的邊緣檢測(cè)算法，使用者可從檢測(cè)結(jié)果中加以比較、選擇合適的算法。圖像類型轉(zhuǎn)換、圖像二值化、尺寸歸一化也是一些人臉識(shí)別系統(tǒng)中經(jīng)常使用的預(yù)處理方法。為了在不修改其他算法的基礎(chǔ)上，擴(kuò)大系統(tǒng)處理圖像的類型和范圍，將輸入圖像首先轉(zhuǎn)換為統(tǒng)一的類型，是多數(shù)人臉圖像預(yù)處理中的第一步。在本仿真系統(tǒng)中通過(guò)調(diào)用MATLAB中提供的各種圖像類型轉(zhuǎn)換函數(shù)來(lái)實(shí)現(xiàn)TIF、JPG

78、轉(zhuǎn)換為BMP格式及彩色到灰度圖像的轉(zhuǎn)換；對(duì)圖像二值化，采用了graythresh()函數(shù)來(lái)自動(dòng)選擇閾值的二值化方法[1]；尺寸歸一化采用的算法是對(duì)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。</p><p>　　第四章 基于直方圖的人臉識(shí)別實(shí)現(xiàn)</p><p><b>　　4.1識(shí)別理論</b></p><

79、p>　　用灰度直方圖增強(qiáng)圖像對(duì)比度是基于圖像灰度值統(tǒng)計(jì)的一種重要方法,它以概率論為基礎(chǔ)的,常用的實(shí)現(xiàn)算法主要是直方圖均衡化和直方圖規(guī)定化。</p><p>　　直方圖均衡化主要用于增強(qiáng)動(dòng)態(tài)范圍較小的圖像的反差,基本思想是把原始圖的直方圖變換為均勻分布的形式,這樣就增強(qiáng)了像素灰度值的動(dòng)態(tài)范圍,從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。直方圖均衡化的優(yōu)點(diǎn)是能自動(dòng)地增強(qiáng)整個(gè)圖像的對(duì)比度,但它的具體的增強(qiáng)效果不好控制,處理

80、的結(jié)果總是得到全局均衡化的直方圖。實(shí)際中有時(shí)需要變換直方圖使之成為某個(gè)需要的形狀,從而有選擇地增強(qiáng)某個(gè)灰度值范圍內(nèi)的對(duì)比度或使圖像灰度值的分布滿足特定的要求,這時(shí)可以采用比較靈活的直方圖規(guī)定化方法。</p><p>　　4.2 人臉識(shí)別的matlab實(shí)現(xiàn)</p><p>　　實(shí)現(xiàn)結(jié)果如圖4.1和4.2</p><p>　　圖4.1 用戶界面

81、 圖4.2 實(shí)現(xiàn)結(jié)果</p><p><b>　　4.3 本章小結(jié)</b></p><p>　　在過(guò)去十年中基于直方圖方法證其明簡(jiǎn)單性和有用性。 最初這種想法基于顏色直方圖。 此算法提供我們的建議技術(shù)名為"直方圖處理人臉識(shí)別"的第一部分。同時(shí)使用灰度圖像。 第一，每個(gè)灰度級(jí)的頻率是計(jì)算并存儲(chǔ)在媒介作進(jìn)一步處理。 第二，平均從存

82、儲(chǔ)載體的連續(xù)九個(gè)頻率的計(jì)算，并存儲(chǔ)在另一個(gè)載體，供以后使用，在測(cè)試階段。 此均值向量用于計(jì)算平均值的曾受訓(xùn)練的圖像和測(cè)試圖像絕對(duì)差異。 最后確定最小差異的圖像與測(cè)試圖像匹配， 識(shí)別的準(zhǔn)確性是 99.75%</p><p><b>　　第五章 結(jié)語(yǔ)</b></p><p>　　基于matlab數(shù)字圖像處理與識(shí)別系統(tǒng)其實(shí)是一個(gè)范圍很大的應(yīng)用系統(tǒng)，作者在此只是有針對(duì)性

83、、有選擇地進(jìn)行了一些開(kāi)發(fā)和實(shí)現(xiàn)。</p><p>　　該系統(tǒng)的主要功能模塊共有二個(gè)：（1）數(shù)字圖像處理的基本方法；（2）人臉識(shí)別。</p><p>　　在“數(shù)字圖像處理的基本方法”這一部分，用到的一些基本方法和一些最常用的處理方法來(lái)實(shí)現(xiàn)圖像預(yù)處理，如格式轉(zhuǎn)換，灰度變化和濾波銳化。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

84、的變換（K-L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。僅這一部分即可形成一個(gè)專用的圖像處理平臺(tái)。</p><p>　　關(guān)于“人臉識(shí)別”，在了解了人臉識(shí)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)。該方法能較好地實(shí)現(xiàn)人臉的分類，但對(duì)人臉圖像的要求較高，目前僅是采用Orl的標(biāo)準(zhǔn)人臉庫(kù)中的圖像來(lái)進(jìn)行測(cè)試，因此能獲得較高的識(shí)別率。而

85、在現(xiàn)實(shí)生活中采集到的人臉圖像則會(huì)受到很多因素的影響，識(shí)別率就未必能達(dá)到要求了。若要進(jìn)一步提高識(shí)別率和適用范圍，則還需要結(jié)合其它算法，如PCA、神經(jīng)網(wǎng)絡(luò)等。</p><p><b>　　致謝</b></p><p>　　在××大學(xué)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(shí)間里，我的老師、同學(xué)、朋友和家人給予了我無(wú)微不至的關(guān)心，毫無(wú)保留的指導(dǎo)和耐心細(xì)致的

86、幫助，借此畢業(yè)論文完成之際，謹(jǐn)向他們致以我最真誠(chéng)的感謝！</p><p>　　首先，我衷心感謝我的導(dǎo)師林森老師。林老師學(xué)識(shí)淵博、治學(xué)嚴(yán)謹(jǐn)、平易近人，他以其寬廣的視野、敏銳的洞察力、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度在學(xué)術(shù)上給了我悉心的指導(dǎo)。論文進(jìn)展并不順利時(shí)，是林老師以長(zhǎng)者的仁愛(ài)胸懷對(duì)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(yè)論壇，導(dǎo)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(dòng)，這將是我一生工作和

87、學(xué)習(xí)的好榜樣。</p><p>　　其次，我還要特別感謝我的同學(xué)范紅杰以及杜鋒，他們不僅為我提供了部分MATLAB編程代碼，還細(xì)心的給我講解了代碼的含義，讓我對(duì)我的課題有了更加深入的了解。</p><p>　　最后，我要感謝我的父母和家人，他們這么多年來(lái)一直給我以無(wú)私的關(guān)愛(ài)和支持，濃濃的親情和期盼都是我學(xué)習(xí)的動(dòng)力和源泉。</p><p>　　再次真心的感謝所有關(guān)心愛(ài)

88、護(hù)我的良師益友和親人們</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 祝磊，朱善安.人臉識(shí)別的一種新的特征提取方法[J].計(jì)算機(jī)學(xué)報(bào)，2007，34（6）：122-1251 </p><p>　　[2] 何東風(fēng)，凌捷.人臉識(shí)別技術(shù)綜述[J].計(jì)算機(jī)學(xué)報(bào)，2003，13（12）75-78</p>&l

89、t;p>　　[3] ,Younus Fazl-e-Basit Javed和Usman Qayyum”,采用直方圖的人臉識(shí)別和處理”,第三階段僅相關(guān)新興技術(shù)研報(bào)告。</p><p>　　[4] 何國(guó)輝，甘俊英.PCA-LDA算法在性別鑒別中的應(yīng)用[J].中國(guó)圖像圖形學(xué)報(bào)，2006，32（19）：208-211.</p><p>　　[5] 王聃，賈云偉，林福嚴(yán).人臉識(shí)別系統(tǒng)中的特

90、征提取[J].自動(dòng)化學(xué)報(bào)，2005，21（7-3）.</p><p>　　[6] 張儉鴿，王世卿，盛光磊.基于小波和DFB-PCA的人臉識(shí)別算法研究[J].自動(dòng)化學(xué)報(bào)，2007，23（2-1）.</p><p>　　[7] 曹林，王東峰，劉小軍，鄒謀炎.基于二維Gabor小波的人臉識(shí)別算法[J].電子學(xué)報(bào)，2006，28（3）490-494</p><p>　　[

91、8] 焦峰，山世光，崔國(guó)勤，高文，李錦濤.基于局部特征分析的人臉識(shí)別方法[J].自動(dòng)化學(xué)報(bào)，2003，15（1）：53-58</p><p>　　[9] Wangmeng Zuo，Kuanquan Wang，David Zhang，Hongzhi Zhang. Combination of two novel LDA-based methods for face recognition[C].Proceedin

92、gs of the IEEE，2007：735-742</p><p>　　[10] 徐倩，鄧偉.一種融合兩種主成分分析的人臉識(shí)別方法[J].計(jì)算機(jī)學(xué)報(bào)，2007，43（25）：195-197</p><p>　　[11] 劉貴喜，楊萬(wàn)海.基于小波分解的圖像融和方法及性能評(píng)價(jià)[J].自動(dòng)化學(xué)報(bào)，2002，28（6）：927-934</p><p>　　[12]

93、周嬪，馬少平，蘇中.多分類器合成方法綜獻(xiàn)[J].自動(dòng)化學(xué)報(bào)，2000，28（1）：122-124 </p><p>　　[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(shí)別算法[J].電子學(xué)報(bào)，2005，28（10）：1657-1662</p><p>　　[14] 莊哲民，張阿妞，李芬蘭.基于優(yōu)化的LDA算法人臉識(shí)別研究[J].中國(guó)圖像圖形學(xué)報(bào)，2007，29（9）：2

94、047-2049 </p><p>　　[15] 鐘向陽(yáng).基于Gabor小波的人臉識(shí)別系統(tǒng)的實(shí)現(xiàn)[J].中國(guó)圖像圖形學(xué)報(bào)，2005，23（3）</p><p>　　[16] 張燕昆，劉重慶.一種新穎的基于LDA的人臉識(shí)別方法[J].自動(dòng)化學(xué)報(bào)，2003，22（5）：327-330</p><p>　　附錄 人臉識(shí)別matlab程序</p>&

95、lt;p>　　function varargout = FR_Processed_histogram(varargin)</p><p>　　%這種算法是基于直方圖處理的方法</p><p>　　%The histogram of image is calculated and then bin formation is done on the</p><p>

96、;　　%basis of mean of successive graylevels frequencies. The training is done on odd images of 40 subjects (200 images out of 400 images) </p><p>　　%The results of the implemented algorithm is 99.75 (recognit

97、ion fails on image number 4 of subject 17)</p><p>　　gui_Singleton = 1;</p><p>　　gui_State = struct('gui_Name', mfilename, ...</p><p>　　'gui_Singleton', gui_Si

98、ngleton, ...</p><p>　　'gui_OpeningFcn', @FR_Processed_histogram_OpeningFcn, ...</p><p>　　'gui_OutputFcn', @FR_Processed_histogram_OutputFcn, ...</p><p>　　'gui_L

99、ayoutFcn', [] , ...</p><p>　　'gui_Callback', []);</p><p>　　if nargin && ischar(varargin{1})</p><p>　　gui_State.gui_Callback = str2func(varargin{1});</p>

100、<p><b>　　end</b></p><p>　　if nargout</p><p>　　[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});</p><p><b>　　else</b></p><p>　

101、　gui_mainfcn(gui_State, varargin{:});</p><p><b>　　end</b></p><p>　　% End initialization code - DO NOT EDIT</p><p>　　%----------------------------------------------------

102、----------------------</p><p>　　% --- Executes just before FR_Processed_histogram is made visible.</p><p>　　function FR_Processed_histogram_OpeningFcn(hObject, eventdata, handles, varargin)</

103、p><p>　　% This function has no output args, see OutputFcn.</p><p>　　% hObject handle to figure</p><p>　　% eventdata reserved - to be defined in a future version of MATLAB</p>

104、<p>　　% handles structure with handles and user data (see GUIDATA)</p><p>　　% varargin command line arguments to FR_Processed_histogram (see VARARGIN)</p><p>　　% Choose default comma

105、nd line output for FR_Processed_histogram</p><p>　　handles.output = hObject;</p><p>　　% Update handles structure</p><p>　　guidata(hObject, handles);</p><p>　　% UIWAIT m

106、akes FR_Processed_histogram wait for user response (see UIRESUME)</p><p>　　% uiwait(handles.figure1);</p><p>　　global total_sub train_img sub_img max_hist_level bin_num form_bin_num;</p>

107、<p>　　total_sub = 40;</p><p>　　train_img = 200;</p><p>　　sub_img = 10;</p><p>　　max_hist_level = 256;</p><p>　　bin_num = 9;</p><p>　　form_bin_num = 29

108、;</p><p>　　%--------------------------------------------------------------------------</p><p>　　% --- Outputs from this function are returned to the command line.</p><p>　　function

109、varargout = FR_Processed_histogram_OutputFcn(hObject, eventdata, handles) </p><p>　　% varargout cell array for returning output args (see VARARGOUT);</p><p>　　% hObject handle to figure</

110、p><p>　　% eventdata reserved - to be defined in a future version of MATLAB</p><p>　　% handles structure with handles and user data (see GUIDATA)</p><p>　　% Get default command line

111、 output from handles structure</p><p>　　varargout{1} = handles.output;</p><p>　　%--------------------------------------------------------------------------</p><p>　　% --- Executes o

112、n button press in train_button. </p><p>　　function train_button_Callback(hObject, eventdata, handles)</p><p>　　% hObject handle to train_button (see GCBO)</p><p>　　% eventdata

113、reserved - to be defined in a future version of MATLAB</p><p>　　% handles structure with handles and user data (see GUIDATA)</p><p>　　global train_processed_bin;</p><p>　　global

114、total_sub train_img sub_img max_hist_level bin_num form_bin_num;</p><p>　　train_processed_bin(form_bin_num,train_img) = 0;</p><p><b>　　K = 1;</b></p><p>　　train_hist_img