基于人臉識別的門禁系統(tǒng)設(shè)計(jì)與仿真計(jì)算機(jī)專業(yè)

1、目錄摘 要3第一章 緒論51.1 什么是人臉識別61.2人臉識別技術(shù)的國內(nèi)外發(fā)展?fàn)顩r及意義61.3人臉識別技術(shù)的優(yōu)缺點(diǎn)81.4 門禁系統(tǒng)9第二章 人臉識別算法簡介102.1基于主成分分析的人臉識別算法102.2基于線性判別分析的人臉識別算法112.3 基于核主成分分析的人臉識別算法112.4基于獨(dú)立成分分析的人臉識別算法12第三章 人臉圖像預(yù)處理以及在MATLAB中的實(shí)現(xiàn)133.1概述133.2 MATLAB的簡介133.3圖像轉(zhuǎn)化153.4圖像增強(qiáng)163.5邊緣檢測203.6人臉定位25L = bwlabel(BW,8);27第四章 特征提取及模式識別304.1 概述304.2人臉特征提取的

2、方法314.3模式識別354.4模式識別的方法36第五章 系統(tǒng)整體設(shè)計(jì)與仿真385.1 系統(tǒng)流程圖385.2 GUI人機(jī)界面設(shè)計(jì)395.3系統(tǒng)設(shè)計(jì)41完整識別結(jié)果43第六章 總結(jié)與展望436.1 總結(jié)436.2展望44參考文獻(xiàn)44摘 要人臉識別技術(shù)是一種生物識別技術(shù)，因其實(shí)用性強(qiáng)、用途廣泛、方便快捷成為現(xiàn)在人們最為關(guān)注的識別技術(shù)之一。本文主要介紹基于人臉識別技術(shù)的門禁系統(tǒng)設(shè)計(jì)與仿真，完成這一課題的主要工作有：(1)人臉數(shù)圖像據(jù)庫建立 (2)人臉圖像獲取(3)人臉圖像預(yù)處理(4)人臉圖像特征提取(5)判別是否與數(shù)據(jù)庫匹配(6)判斷門禁系統(tǒng)是否啟動。這一課題是在matlab的工作環(huán)境下進(jìn)行設(shè)計(jì)和仿

3、真的，使用現(xiàn)在比較常見的主成成分分析算法，最終的設(shè)計(jì)結(jié)構(gòu)人機(jī)界面良好、系統(tǒng)運(yùn)行方便快捷、識別結(jié)果簡單易懂，但是因?yàn)槿四樧R別技術(shù)和主成分分析有著很難避免的局限性所以整個(gè)系統(tǒng)也存著這識別率不是非常高、人臉識別系統(tǒng)不可避免的誤配準(zhǔn)錯誤的魯棒性問題以及很難滿足實(shí)際應(yīng)用中的時(shí)性要求等不足。關(guān)鍵詞：matlab軟件；人臉識別；主成成分分析；門禁系統(tǒng)ABSTRACTThe technology of face recognition is a biological recognition technology, because of its strong practicality ,wide applica

4、tion ,convenient become one of the most concern identification technology for people. This article mainly introduces the design and simulation of access control system based on face recognition such work as bellows:(1) Build face database (2) Face image acquisition(3) Face image preprocessing(4) Fac

5、e image feature extraction (5) To judge whether to match the database(6) To determine whether a entrance guard system star upThis subject is to design and simulation in MATLAB ,using common principal component analysis algorithm is proposed.This design has many advantages,such as excellent man-machi

6、ne interface,system is convenient and quick,easy identification results.Because face recognition technology and the principal component analysis is hard to avoid the limitation of so the recognition rate of the whole system is not very high.There is robust problem of error registration error of the

7、face recognition system.The face recognition system is very difficult to meet the real-time requirement of practical application.Key words : MATLAB；face recognition；principal component analysis；Access Control system第一章 緒論1.1 什么是人臉識別人臉識別，就是通過提取人臉照片或者圖像的臉部特征信息進(jìn)行來進(jìn)行身份識別的一種相對比較高級的生物識別技術(shù)。因?yàn)槿四樀奶卣餍畔⑴c指紋、虹膜、

8、人體DNA等生物特性一樣與生俱來，這個(gè)唯一且不可復(fù)制的良好特性使得人臉有了可以進(jìn)行身份識別的前提條件。人臉識別，利用用攝像機(jī)或攝像頭采集含有人臉的圖像，并在圖像中檢測、跟蹤和定位人臉，進(jìn)而對檢測到的人臉進(jìn)行數(shù)據(jù)、圖像等處理的一系列相關(guān)技術(shù)，有時(shí)又稱作人像識別或者面部識別。1.2人臉識別技術(shù)的國內(nèi)外發(fā)展?fàn)顩r及意義1.2.1人臉識別技術(shù)國際發(fā)展現(xiàn)狀自動的機(jī)器人臉識別技術(shù)研究開始于上世紀(jì)九十年代的PRI研究人員的工作，日本是研究這一課題的幾乎是最早的國家，在九十年代研制的人像識別機(jī)，可在很短的時(shí)間內(nèi)中從大量的人臉數(shù)據(jù)庫中識別到你要找的人。這在當(dāng)時(shí)是十分了不得的技術(shù)。上世紀(jì)九十年代，美國國防部高級研究

9、項(xiàng)目署 (Advanced Research Projects Agency)和美國陸軍研究實(shí)驗(yàn)室(Army Research Laboratory)聯(lián)合成立了一個(gè)人臉識別技術(shù)研究的項(xiàng)目組，這個(gè)項(xiàng)目組的科研人員建立了一個(gè)龐大的包含了各種人種、膚色、姿態(tài)、環(huán)境的人臉照片的人臉數(shù)據(jù)庫，因?yàn)檫@個(gè)數(shù)據(jù)庫的十分的復(fù)雜，所以這兩個(gè)組織利用這個(gè)龐大的數(shù)據(jù)庫來測試全世界的人們開發(fā)出來的人臉識別算法的性能。通過對c+開發(fā)，以及利用計(jì)算機(jī)仿真軟件，美國陸軍實(shí)驗(yàn)室也能夠成功的實(shí)現(xiàn)人臉識別，并且FAR(基于生物特征身份識別模式識別中表示識別率的一個(gè)重要參數(shù))高達(dá)五成。在整個(gè)美國的進(jìn)行的公開人臉識別的測試中FAR超過了

10、50%。不久之后，由美國空軍首先領(lǐng)導(dǎo)進(jìn)行的這一研究項(xiàng)目被美國國防部高級研究項(xiàng)目署重新接管，并且進(jìn)行了更加深入和系統(tǒng)的研究。這個(gè)研究項(xiàng)目署的科學(xué)家利用半自動的算法進(jìn)行人臉識別，但是半自動的算法有很多的不足，例如這些算法不能夠自己發(fā)現(xiàn)人臉圖像中的某些特征，需要人工或自動指出圖像中人臉的一下重要特征，像人的兩眼之間的中心坐標(biāo)，然后才能進(jìn)行人臉識別。國外對于人臉識別就是的研究主要是放在公安、刑事偵查等公用方面，其中以卡內(nèi)基梅隆大學(xué)為首，麻省理工大學(xué)、雷丁大學(xué)、哈佛大學(xué)等國外的高校的研究最為先進(jìn)。這主要是因?yàn)樵跈C(jī)場展開的系統(tǒng)測試中，發(fā)出了太多的錯誤警報(bào)。在民用方面例如小區(qū)的進(jìn)出安全、公司的考勤、考試驗(yàn)證

11、系統(tǒng)、家用門禁系統(tǒng)等方面的研究國外并不主流。1.2.2人臉識別技術(shù)國內(nèi)發(fā)展現(xiàn)狀我國對于這人臉識別方面的研究也取得了較好的成就，主要是因?yàn)槲覈诋?dāng)今熱點(diǎn)科研領(lǐng)域人臉識別這一課題上掌握了一定的核心技術(shù)，并且國家863項(xiàng)目“面像檢測與識別核心技術(shù)”取得了一定的成功而且在市場上進(jìn)行了初步應(yīng)用。20上世紀(jì)初，北京一家科研公司研究出了一種非常有效人臉識別系統(tǒng)，這個(gè)系統(tǒng)能自動先對人臉圖像進(jìn)行預(yù)處理，例如：光線補(bǔ)償、圖像均衡化、圖像銳化等，這些預(yù)處理消除了在拍照過程中因相機(jī)造成的影響，預(yù)處理完了之后再對圖像進(jìn)行特征提取和人臉識別。這一點(diǎn)對于人臉識別非常有意義，因?yàn)榇蠖鄶?shù)的人臉識別系統(tǒng)只能識別出用戶的正面照片，

12、就是那些環(huán)境簡單的照片例如證件照等，但是一個(gè)有效的高級人臉識別系統(tǒng)不僅要能做到這一點(diǎn)，還要求識別不同時(shí)期拍攝的人臉照片，識別出使用的不同相機(jī)拍攝的人臉照片，有的照片拍攝的并不一定是正面照，這還需要進(jìn)行人臉定位等處理，還要盡量消除因拍攝角度、燈光、引入噪聲等各種因素所造成的影響的影響。這一系統(tǒng)甚至可以識別很久之前的差別比較大照片，并且識別率依舊能保持很高，在計(jì)算機(jī)中首先建立一個(gè)較為龐大的人臉正面照片的數(shù)據(jù)庫，每人一張照片，使用相距年份較久的照片、差別比較大的照片去查詢，首選率幾乎接近一半，也就是說有近一半的可能識別出來，看起來似乎識別率并不高，但是因?yàn)檎掌顒e較大，所以能達(dá)到這一水平已經(jīng)極為不易

13、。如果輸入很多的張照片中包含有與數(shù)據(jù)庫中的某一人照片為同一人的照片，那么這一的識別的成功概率可達(dá)70% 。 清華大學(xué)電子系人臉識別課題組負(fù)責(zé)人蘇光大教授主持承擔(dān)的國家"十五"攻關(guān)項(xiàng)目人臉識別系統(tǒng)在2005年1月18日通過了由公安部主持的專家鑒定。鑒定委員會認(rèn)為，該項(xiàng)技術(shù)處于國內(nèi)領(lǐng)先水平和國際先進(jìn)水平。1.2.3人臉識別的意義近年來，科學(xué)技術(shù)的飛速發(fā)展以及互聯(lián)網(wǎng)技術(shù)得到廣泛應(yīng)用，一個(gè)有效的身份識別技術(shù)就變得非常重要。有很多地方都迫切需要一個(gè)有效的人臉識別系統(tǒng)，例如：單位的出入安全和考勤、居民居住的小區(qū)的出入安全、網(wǎng)絡(luò)登錄安全與檢測、家用的門禁、駕駛證的考核和檢測、計(jì)

14、算機(jī)登錄以及計(jì)算機(jī)中信息的閱讀提取，還有很多比較重要的部門例如銀行、海關(guān)邊檢、軍隊(duì)安全等都需要可靠的身份鑒別技術(shù)。如何有效快速的身份的識別，并且盡可能保證識別結(jié)果的正確已經(jīng)成為人們?nèi)粘Ｉ钪薪?jīng)常遇到的一個(gè)基本問題。傳統(tǒng)的身份識別方法比較簡單，最關(guān)鍵的是這些傳統(tǒng)的方法因?yàn)槭褂脮r(shí)間太久很多不法分子已經(jīng)找到了方法瞞過身份識別這一關(guān)。傳統(tǒng)的身份識別主要基于身份標(biāo)識物品例如駕駛證、身份證、學(xué)生證等來進(jìn)行識別身份，人機(jī)幾乎100%都是使用這種方式進(jìn)行身份識別的，這在過去的很長一段時(shí)期里是非?？煽亢头奖愕淖R別方法，并且在日常生活、工作、出行等很多方面得到了廣泛、全面的應(yīng)用。但是，隨著網(wǎng)絡(luò)、通信、交通等技術(shù)的

15、飛速發(fā)展，人們對于日常活動空間的需求不斷加大，尤其是虛擬空間的需求的加大，例如以前人們的生活需求可能就是公司、家等少數(shù)幾個(gè)地方，但是現(xiàn)在生活水平的大大提高人們的活動空間再也不是僅限于這些滿足人們基本生活的地方，這些大量的改變使得需要身份認(rèn)證的場合也變得無處不在，而且身份認(rèn)證的方法也有了全新的要求。如果依舊使用傳統(tǒng)的身份識別方法就非常的不合適，因?yàn)槿藗冃枰獢y帶的能夠進(jìn)行身份標(biāo)識物品越來越多，例如身份證、駕駛證、員工卡、學(xué)生證等，可能同一個(gè)人因?yàn)樯矸莸淖兓托枰煌纳矸葑R別的標(biāo)識物品，而且身份識別所需要的標(biāo)識知識也變得越來越復(fù)雜和冗長。這些標(biāo)識知識極容易因其復(fù)雜和冗長的特性而被遺忘或者記憶混淆。

16、在這種情況下，傳統(tǒng)的身份識別方式的弊端日益彰顯，例如身份標(biāo)識物品（身份證、駕駛證、學(xué)位證等）容易被丟失和偽造，身份標(biāo)識知識容易被遺忘、竊取和破解，而且這些身份標(biāo)識的重要性又使得一旦丟失了這些身份標(biāo)識或者這些身份標(biāo)識物品被他人仿造和利用，就會給標(biāo)識的所有者甚至整個(gè)社會帶來重大的甚至難以彌補(bǔ)的損失。這就意味著一個(gè)全新的、有效的身份識別方式在現(xiàn)在社會中有著非常重要的作用。所以人臉識別就孕育而生。通過人臉進(jìn)行身份識別就幾乎接近了傳統(tǒng)的身份識別的所有弊端，人臉識別不需要攜帶身份標(biāo)識物品，因?yàn)槟愕哪樉褪恰皹?biāo)識物品”，這一技術(shù)也沒有復(fù)雜和冗長的標(biāo)識知識需要記憶，所以人臉識別技術(shù)是當(dāng)今社會非常重要的身份識別的

17、方式，也就決定了這一技術(shù)的重要性和必要性。 1.3人臉識別技術(shù)的優(yōu)缺點(diǎn)1.3.1 優(yōu)點(diǎn)（1） 用戶可以在幾乎無意識的條件下獲取人臉圖像（2） 用戶不需要接觸專門的圖像采集設(shè)備（3） 在實(shí)際應(yīng)用中可以同時(shí)進(jìn)行多個(gè)人臉識別（4） 其輸出結(jié)果簡單易懂且直觀有效1.3.2 缺點(diǎn)（1） 大多數(shù)的人臉識別算法比較復(fù)雜并且在計(jì)算機(jī)的運(yùn)行過程中比較耗時(shí)，這使得基于人臉識別的門禁系統(tǒng)在實(shí)際應(yīng)用中比較難的滿足人們特別需要的的實(shí)時(shí)性的要求。（2） 人臉特征的類內(nèi)變化有時(shí)候大于類間變化。（3） 現(xiàn)在沒有一個(gè)人臉特征描述的算法和高精度核心識別算法能夠滿足所有的需求。（4） 很難避免的誤配準(zhǔn)錯誤的魯棒性問題依然沒有得到很

18、好地解決。（5） 不同的人臉的表情變化、拍攝角度和拍攝環(huán)境的不同、不同種族的膚色等引起的人臉細(xì)節(jié)的 變化非常復(fù)雜。（6） 在圖像獲取過程中相機(jī)的不同，甚至同一相機(jī)焦距的變化、拍攝角度的不同、背景環(huán)境的不同、天氣的變化尤其是光照的變化對成像的影響是非常巨大的，同一個(gè)人因?yàn)檫@些因素的影響可能得到差別很大的照片。 因此如何克服這些影響以及在各種干擾下實(shí)現(xiàn)準(zhǔn)確的人臉識別是很難也非常具有挑戰(zhàn)性。 1.4 門禁系統(tǒng)門禁系統(tǒng)簡稱ACS（Access Control System），門禁系統(tǒng)里的“門”廣義上來說，包括了能夠通過的各種通道，人、車等能夠通過的門，所以門禁系統(tǒng)一般來說不僅能禁人，也要能禁車。在這一

19、課題中整個(gè)系統(tǒng)是基于人臉識別的，所以我們就不討論禁車這一部分。近幾年隨著感應(yīng)卡式的門禁系統(tǒng)、指紋門禁系統(tǒng)、虹膜門禁系統(tǒng)、人臉識別門禁系統(tǒng)等各種技術(shù)的飛快發(fā)展，門禁系統(tǒng)已經(jīng)進(jìn)入成熟階段，門禁系統(tǒng)的應(yīng)用也變得越來越廣泛，越來越多的人們意識到基于人臉識別的門禁系統(tǒng)的方便，因?yàn)檫@些各種各樣的門禁系統(tǒng)在安全性、方便性、實(shí)時(shí)性、易于管理等各個(gè)方面的優(yōu)勢和優(yōu)點(diǎn)。1. 5 本課題研究的主要內(nèi)容首先要做的就是完成人臉數(shù)圖像據(jù)庫建立，因?yàn)闀r(shí)間、精力、技術(shù)、知識等各種因素的限制只能做一個(gè)很簡單是數(shù)據(jù)庫。第二步就是人臉圖像的獲取，獲取的圖像經(jīng)過處理用來與數(shù)據(jù)庫里面的圖片識別對比。獲取圖片后要對這一圖片進(jìn)行預(yù)處理，預(yù)處

20、理包括圖像轉(zhuǎn)化、灰度圖像直方圖均衡化、圖像平滑與銳化處理、邊緣檢測等部分。預(yù)處理完成后就是特征提取，基于主成成分（PCA）的特征提取。然后判別與數(shù)據(jù)庫中的照片是否匹配，如果不匹配則啟動門禁系統(tǒng)，否則不啟動。第2章 人臉識別算法簡介2.1基于主成分分析的人臉識別算法主成分分析（ Principal Component Analysis ,PCA ）也叫主元分析。它是一種基于K-L變換（首先由Karhunen和Leoeve提出，用來處理隨機(jī)過程中連續(xù)信號的去向的相關(guān)問題）的一種從事物主要矛盾中解決問題的統(tǒng)計(jì)分析方法，它可以從多元或者很復(fù)雜的事物中解析出最主要的影響因素，并且提煉出事物的主要矛盾，揭

21、示事物的本質(zhì)，處理核心問題，簡化復(fù)雜的問題。使用基于主成分分析的人臉識別算法首先就要計(jì)算主成分，為了把復(fù)雜的問題簡單化，我們通過將高維度的書籍投影到維度較低的空間中。人們很難清楚、明了、快速的認(rèn)知一個(gè)由很多變量組成的復(fù)雜的事物，那么很顯然我們可以抓住這一復(fù)雜事物的能夠代表這一事物的主要方面進(jìn)行重點(diǎn)分析。如果這一復(fù)雜事物的主要方面剛好體現(xiàn)在很多個(gè)變量中的那幾個(gè)主要變量上，那么很幸運(yùn)我們只需要將這幾個(gè)主要的能夠代表這一復(fù)雜事物的變量分離出來，然后對這幾個(gè)主要變量進(jìn)行詳細(xì)分析，就可以達(dá)到認(rèn)識這一復(fù)雜事物的目的了。但是，在一般情況下，很難或者說幾乎不可能直接找出這樣的關(guān)鍵變量，這時(shí)候就需要使用PCA的

22、方法來解決這一問題，PCA通過把原來的復(fù)雜事物的變量進(jìn)行線性組合，組合的結(jié)果用來表示這個(gè)事物的主要方面。如果一個(gè)復(fù)雜的事物有n個(gè)變量，每個(gè)變量有m個(gè)表達(dá)值，那么這樣就能夠形成一個(gè)高維度的n*m的數(shù)據(jù)矩陣。主成分分析的就是尋找r（ r<n ）個(gè)新變量，這些新的變量能有效地反映這一復(fù)雜事物的主要特征，這樣就能夠壓縮原有數(shù)據(jù)矩陣的規(guī)模，使得認(rèn)識這個(gè)復(fù)雜事物變得相對簡單。但是這些新的變量并不是隨便尋找的，每個(gè)新變量是原有的部分變量的線性組合，這些線性組合出來的新的變量能夠體現(xiàn)原有變量的綜合效果，具有一定的實(shí)際含義。這些線性組合出來的有實(shí)際含義的r個(gè)新變量稱為“主成分”，這些“主成分”可以在很大程

23、度上反映原來n個(gè)變量對于這個(gè)復(fù)雜事物的影響，并且這些線性組合出來的新變量是互不相關(guān)的，也是正交的。通過對人為的線性組合出來的“主成分”進(jìn)行分析，將復(fù)雜數(shù)據(jù)的特征從高維空間降低到低維空間里，可以壓縮數(shù)據(jù)空間，還能夠直觀地表示出復(fù)雜數(shù)據(jù)的一些特征。例如，一個(gè)基因?qū)嶒?yàn)在多個(gè)時(shí)間點(diǎn)、不同實(shí)驗(yàn)條件下進(jìn)行的，那么得到的基因表達(dá)譜數(shù)據(jù)就是一個(gè)高位的數(shù)據(jù)矩陣，那么主成分分析就是將這個(gè)基因表達(dá)譜的數(shù)據(jù)從高維表示為 3 維空間中的一個(gè)點(diǎn)，即將數(shù)據(jù)的維數(shù)從 降到 。但是在進(jìn)行基因表達(dá)譜數(shù)據(jù)分析時(shí)，確定每個(gè)實(shí)驗(yàn)數(shù)據(jù)是否是獨(dú)立的是一個(gè)十分重要的問題，因?yàn)槊看螌?shí)驗(yàn)數(shù)據(jù)相互之間不是獨(dú)立的，那么基因表達(dá)譜數(shù)據(jù)分析結(jié)果的準(zhǔn)確性

24、就很難保證了。使用PCA處理基因芯片檢測到的基因表達(dá)譜數(shù)據(jù)時(shí)，將不同的條件作為變量進(jìn)行分析就會得到不同的結(jié)果，但是這些結(jié)果并不是錯誤的，因?yàn)椴煌淖兞烤蜁玫讲煌膶?shí)驗(yàn)結(jié)論，如果將基因作為實(shí)驗(yàn)變量使用PCA確定一組主要基因元素，那么分析數(shù)據(jù)的結(jié)果就能夠說明基因特征，同時(shí)也能接受實(shí)驗(yàn)現(xiàn)象。如果實(shí)驗(yàn)條件作為變量，同樣使用PCA進(jìn)行分析，確定了一組主要實(shí)驗(yàn)因素后，那么這些數(shù)據(jù)就可以反應(yīng)出實(shí)驗(yàn)條件的特征，也可以解釋基因行為了。2.2基于線性判別分析的人臉識別算法線性判別分析(Linear Discriminant Analysis， LDA)，也叫Fisher線性判別，在上世紀(jì)九十年代線性判別分析被成

25、功引入人臉識別和人工智能領(lǐng)域，經(jīng)過幾十年發(fā)展，線性判別分析在這些領(lǐng)域有了很重要的地位。線性判別分析是一種特征提取的方法，它的基本思想是，為了得到分類信息并且想要有壓縮特征空間維度的效果，并且保證投影后的模式樣本在子空間有最小的累內(nèi)距離以及最大的類間距離，這就要將維度很高的模式樣本投影到最好的、最有利于識別的矢量空間中，然后就可以得到在這一空間中的最佳的可分離性。運(yùn)用歐氏距離在這一空間中進(jìn)行最鄰近識別，這樣就能夠?qū)崿F(xiàn)非常明顯的維度變化（主要是降維）和得到較高的識別率。無論什么樣的算法都有它的缺點(diǎn)，傳統(tǒng)LDA算法也有兩個(gè)比較明顯的缺點(diǎn)。第一，在處理維度較高的圖像時(shí)很難避免產(chǎn)生“小樣本問題” ， 就

26、是說，訓(xùn)練圖像的個(gè)數(shù)遠(yuǎn)遠(yuǎn)沒有樣本的維度數(shù)高的問題；第二，因?yàn)椤靶颖締栴}”引起的的邊緣類主導(dǎo)特征空間分解的問題。因?yàn)檫@兩個(gè)問題圖像的識別率就會變得比較低，這樣就需要引入核函數(shù)來解決這一問題。2.3 基于核主成分分析的人臉識別算法核主成分分析( Kernel Principal Component Analysis， KPCA)，是一種改進(jìn)的主成分分析的方法，與主成分分析方法不同的是它采用非線性方法來提取主成分,也就是說KPCA是在高維度空間上進(jìn)行PCA分析，那么數(shù)據(jù)是怎么到高維度空間中去的呢？是通過映射函數(shù)把原始向量數(shù)據(jù)映射到高維特征空間中的?；诨诤酥鞒煞址治龇椒ǖ牡那疤崾腔诤朔椒?，而核

27、方法的特征提取理論本質(zhì)上都是基于樣本的的特征提取方法，所以核主成分分析的方法不僅適合于解決非線性特征提取問題，而且與比線性降維方法相比較來說這種方法還提供更多的特征數(shù)目和更好的特征質(zhì)量。一切的的先進(jìn)非線性數(shù)據(jù)處理技術(shù)都叫做核函數(shù)，這些核函數(shù)處理方法的共同特征是這些數(shù)據(jù)處理方法都應(yīng)用了核映射的方式。使用核方法第一步就是采用非線性映射的方法將原始數(shù)據(jù)由數(shù)據(jù)空間映射到特征空間中去，然后在特征空間進(jìn)行數(shù)據(jù)對應(yīng)的線性操作。因?yàn)檫\(yùn)用了非線性映射的方法，而且這種進(jìn)行線性映射后往往是非常復(fù)雜的，所以這種方法增強(qiáng)了非線性數(shù)據(jù)的處理能力。2.4基于獨(dú)立成分分析的人臉識別算法獨(dú)立成分分析（Independent C

28、omponent Analysis，ICA）是最近幾年提出來的十分有效的一種工具，以用來進(jìn)行數(shù)據(jù)分析和處理。把獨(dú)立的信號從混合的、復(fù)雜的數(shù)據(jù)中提取出來是它的主要功能和作用主要作用。獨(dú)立成分分析是一種非常優(yōu)秀的快速尋優(yōu)的迭代算法，這種迭代算法采用的是批處理的方式，這種批處理的方式就是說在每一步的迭代運(yùn)算中都有大量的樣本數(shù)據(jù)參與運(yùn)算，這就是獨(dú)立成分分析算法與普通算法的最大區(qū)別。如果以處理方式來說的話這種算法也算是一種神經(jīng)網(wǎng)絡(luò)算法，因?yàn)樗奶幚矸绞揭彩遣⑿刑幚淼?。ICA算法三種形式：基于四階累積量、基于似然最大、基于負(fù)熵最大。這種算法采用定點(diǎn)迭代算法，這一收斂就會更加快速和穩(wěn)健。第3章 人臉圖像預(yù)處

29、理以及在MATLAB中的實(shí)現(xiàn) 3.1概述人臉圖像預(yù)處理就是基于圖像檢測結(jié)果，對圖像進(jìn)行一定的處理為后面的特征提取創(chuàng)造條件的過程。我們獲得的圖像一般都不能直接使用，因?yàn)樵趫D像獲取過程中會受到各種限制和各式各樣的干擾，而圖像預(yù)處理就是解決這些問題，對圖像進(jìn)行灰度校正、噪聲過濾等等。人臉圖像的預(yù)處理主要包括了圖像轉(zhuǎn)化、灰度圖像直方圖均衡化、圖像平滑與銳化處理、邊緣檢測等部分。圖 像 預(yù) 處 理直 方 圖 均 衡 化 邊 緣 檢 測 圖 像 銳 化 圖 像 平 滑圖 像 轉(zhuǎn) 換圖3.1 圖像預(yù)處理3.2 MATLAB的簡介MATLAB是Matrix Laboratory(矩陣實(shí)驗(yàn)室)的縮寫，它是由19

30、80年新墨西哥大學(xué)的一位叫Cleve Moler的老師首先提出來的并取名MATLAB,這就是MATLAB的早期雛形。后來，就是在1992年，Math Works公司推出劃時(shí)代意義的MATLAB4.0版，這標(biāo)志著MATLAB時(shí)代的開始。它一種應(yīng)用于計(jì)算機(jī)領(lǐng)域的高級語言，是以線性代數(shù)軟件包LINPACK和特征值計(jì)算軟件包EISPACK中的子程序?yàn)榛A(chǔ)發(fā)展起來的一種開放型程序設(shè)計(jì)語言。它將計(jì)算、可視化、編程和仿真等功能集于一個(gè)易于使用的環(huán)境，具有功能強(qiáng)大、簡答易學(xué)、效率高等特點(diǎn)?，F(xiàn)如今，MATLAB以及成為全世界上最流行的仿真計(jì)算軟件之一。MATLAB有著眾多的功能及特點(diǎn)，主要包括以下幾個(gè)方面：（1

31、） 開發(fā)環(huán)境MATLAB擁有十分方便操作的用戶界面環(huán)境和良好的開發(fā)環(huán)境，用戶同時(shí)方便的控制多個(gè)文件和圖形窗口，在用戶進(jìn)行開發(fā)時(shí)不僅可以按照自己的習(xí)慣來定制桌面環(huán)境，滿足用戶的視覺需求，還可以通過根據(jù)自己的喜好和操作習(xí)慣來定義快捷鍵這樣的方法來提高開發(fā)效率；這個(gè)軟件擁有功能強(qiáng)大的數(shù)組編輯器和方便的工作空間瀏覽器，它還為用戶提供M Lint代碼分析器，可以方便用戶修改代碼。（2） 編程MATLAB不僅支持函數(shù)嵌套，還可以實(shí)現(xiàn)有條件中斷等功能，滿足大多數(shù)程序的需要，它還為用戶提供匿名函數(shù)來定義單行函數(shù)的功能等。（3） 數(shù)值處理MATLAB有著獨(dú)立的整數(shù)算法，這樣可以方便用戶處理更大整數(shù)，它有一個(gè)龐大

32、的算法庫，例如：單精度算法、線性代數(shù)算法、FFT和濾波，使得用戶更加方便的計(jì)算還可以處理更大單精度數(shù)據(jù)；MATLAB有一個(gè)Linsolve函數(shù)，通過這個(gè)函數(shù)用戶可以很快求解線性系統(tǒng)通過自定義系數(shù)矩陣的方式。（4） 圖形化MATLAB的用戶直接在繪圖界面窗口中交互式的創(chuàng)建并編輯圖形而不需要通過輸入M函數(shù)代碼的方式這樣大大簡單了用戶的操作；MATLAB的用戶不僅可以多次重復(fù)的執(zhí)行用戶自定義作圖的操作，也可以很方便的改變圖像的大小，并且可以直接在圖形窗口中生成M代碼文件；MATLAB有著自己的強(qiáng)大的圖形標(biāo)注功能，可以很方便的讀取圖形的信息，它還有很強(qiáng)的圖片處理功能例如灰度化等；MATLAB有獨(dú)立的數(shù)

33、據(jù)探測工具，用戶可以很容易查詢圖形上某一點(diǎn)的坐標(biāo)值。（5） 圖形用戶界面MATLAB的面板和分組按鈕使得用戶可以對用戶界面的控件進(jìn)行分組，它的用戶可以直接在GUIDE中訪問ActiveX控件。（6） 文件I/O和外部應(yīng)用程序接口MATLAB文件I/O函數(shù)支持用戶可以讀大的文本文件，這樣用戶就可以放心的使用較大的文本文件，并且可以向Excel和HDF5中寫入內(nèi)容；MATLAB支持壓縮格式的MAT文件，這樣不僅可以更快的讀取數(shù)據(jù)，還可以使用很少的磁盤空間保存大量的數(shù)據(jù)；3.3圖像轉(zhuǎn)化圖像轉(zhuǎn)化就是解決圖像之間的格式問題。MATLAB是一款支持多種圖像類型的高級仿真軟件,但在某些圖像操作中,對圖像的類

34、型有特殊的要求,所以很多時(shí)候要對對圖像的類型進(jìn)行轉(zhuǎn)換。MATLAB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),有的可以將矩陣轉(zhuǎn)換為灰度圖像,有的可以轉(zhuǎn)換RGB圖像或把顏色映像表為灰度圖像。不僅如此，在圖像類型轉(zhuǎn)換的時(shí)候,針對我們經(jīng)常遇到的數(shù)據(jù)類型不匹配的情況,在MATLAB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)。首先要做的就是先把圖像轉(zhuǎn)換成灰度圖像，因?yàn)楹笃趯D像的處理都是對灰度圖像進(jìn)行處理的，在MATLAB中實(shí)現(xiàn)轉(zhuǎn)換的代碼如下：i=imread('f:1.jpg');j=rgb2gray(i);im

35、show(j);imwrite(j,'f:1.tif')原圖像：圖3.2灰度轉(zhuǎn)換后的圖像：圖3.3 圖像灰度變換圖像灰度轉(zhuǎn)換是后面進(jìn)行圖片處理的基礎(chǔ)。3.4圖像增強(qiáng)3.4.1直方圖均衡化直方圖均衡化也叫灰度均勻化。目的是通過點(diǎn)運(yùn)算使輸入圖像轉(zhuǎn)換為每一灰度級上都有相等數(shù)目像素點(diǎn)的輸出圖像的直方圖成為一水平直線。直方圖的均衡化為了實(shí)現(xiàn)對比度的增強(qiáng)，通過使用累積分布函數(shù)對灰度圖像進(jìn)行調(diào)整的方法來實(shí)現(xiàn)。直方圖均衡化的方法通常用來增加大多數(shù)圖像的局部對比度，當(dāng)圖像數(shù)據(jù)的對比度十分接近的時(shí)候這種方法十分的適合。使用這種方法，直方圖上的亮度分布更加合理，所以就可以增強(qiáng)局部對比度而不怎么影響整

36、體對比度。直方圖均衡化的中心思想就是把原圖的灰度直方圖中比較密集的灰度分布區(qū)域變得均勻，在整個(gè)直方圖中變得均勻。這就要把原圖像的像素點(diǎn)重新分配，使得在灰度范圍內(nèi)的像素分布變得大致相同。簡單來說就是把給定的原來的圖像的直方圖變成“均勻”分布的直方圖，這一久增加了像素灰度值的動態(tài)范圍到達(dá)了增強(qiáng)圖像對比度的效果。直方圖均衡化的算法基礎(chǔ): (3-1)灰度圖像直方圖均衡化在MATLAB中的實(shí)現(xiàn)代碼：i=imread('f:1.tif');j=histeq(i);imshow(j);figure,subplot(1,2,1),imhist(i);subplot(1,2,2),imhist(

37、j)運(yùn)行這一程序后得到的結(jié)果：圖3.4 直方圖均衡化從兩幅直方圖中可以明顯看出原圖像的灰度分度很集中，而直方圖均衡化后的分布就變得均勻很多，這樣就可以增強(qiáng)圖像的對比度了。3.4.2圖像平滑圖像平滑（image smoothing）,是對圖像進(jìn)行低通濾波，不僅可以在空間域?qū)崿F(xiàn)，也可以在頻率域?qū)崿F(xiàn)。在空間域進(jìn)行圖像平滑的方式主要有低通卷積濾波、閾值濾波、中值濾波等。在頻率域進(jìn)行圖像平滑主要方法有：巴特沃斯低通濾波、指數(shù)低通濾波、梯形低通濾波對等。圖像平滑的目的是減少并且盡可能的消除噪聲，改善圖像的質(zhì)量，為后面進(jìn)行圖像的特征提取做好準(zhǔn)備。圖像中的噪聲種類很多例如高斯噪聲、椒鹽噪聲等，這些常見的或者不

38、常見的噪聲對圖像的影響十分復(fù)雜，但是有些噪聲對圖像根本沒有影響，或者說對圖像處理沒有影響，這些噪聲和圖像信號互相獨(dú)立沒有什么相關(guān)性，膽識大多數(shù)的噪聲都會對圖像的處理產(chǎn)生很大影響，這些噪聲和圖像信息是相關(guān)的，有些噪聲本身之間也有些相關(guān)。因此要消除圖像中復(fù)雜的噪聲的影響，必須針對不同的情況采用不同的方法，使用不同的方法才有可能得到相對較為理想的圖像處理的效果。乘性噪聲是一種特殊的噪聲，這種噪聲和圖像信號交織在一起，使得對于噪聲的處理使用一般的方法根本不能做到，對于這種噪聲如果平滑處理不當(dāng)，不僅不能增強(qiáng)圖像的質(zhì)量，反而會使圖像本身的細(xì)節(jié)產(chǎn)生很大的變化，例如邊界輪廓和線條等變得模糊不清，這樣反而降低了

39、圖像質(zhì)量，甚至使得后期的特征提取也很難進(jìn)行下去。所以圖像平滑總是要付出一定的細(xì)節(jié)模糊代價(jià)來提高圖像的質(zhì)量。那么由此可見，圖像平滑技術(shù)的主要問題就是怎么樣在消除噪聲的同時(shí)又能盡可能的保護(hù)圖像的細(xì)節(jié)使之不變得模糊。圖像的平滑處理在MATLAB中的實(shí)現(xiàn)如下：i=imread('f:face1.tif');j=imnoise(i,'gaussian',0,0.02);subplot(1,2,1),imshow(j);j1=wiener2(j);subplot(1,2,2),imshow(j1);h=fspecial('gaussian',2,0.05);

40、j2=imfilter(i,h);figure,subplot(1,2,1),imshow(i)subplot(1,2,2),imshow(j2)圖3.5 圖像平滑結(jié)果3.4.3圖像銳化圖像銳化（image sharpening），它的主要目的就是補(bǔ)償圖像的輪廓，使得圖像的邊緣以及灰度跳變的部分變得更加明顯，增強(qiáng)圖像灰度的對比，使圖像變得更加清晰。因?yàn)閳D像獲取方法的不可避免的影響，還有在圖像處理過程中的影響使得圖像會變得模糊不清，這時(shí)候使用圖像銳化就能夠增強(qiáng)圖像的邊緣，使圖像的灰度反差變大，這樣模糊的圖像就會變得相對清楚一點(diǎn)，這是圖像銳化的第一個(gè)目的。圖像銳化的第二個(gè)目的就是提取物體的邊界，以

41、便于對圖像進(jìn)行分割，最后能夠?qū)崿F(xiàn)區(qū)域識別。對于大多數(shù)的圖像來說，它的能量主要集中在其低頻部分，但是圖像的高頻段包含了圖像的大多數(shù)的噪聲，同時(shí)圖像邊緣信息也主要集中在其高頻部分。在對原始圖像進(jìn)行平滑處理，消除噪聲的過程中，就會使得圖像邊緣和圖像輪廓變得模糊。使用圖像銳化技術(shù)就能夠有效的減少圖像邊緣和圖像輪廓變得模糊這類不利效果的影響，使圖像的邊緣變得清晰。通過對圖像進(jìn)行銳化處理，改善圖像的質(zhì)量，使得圖像變得更加適合人的觀察和使用。在MATLAB中運(yùn)行一下程序就可以實(shí)現(xiàn)圖像的銳化：i=imread('f:face1.tif');j=imnoise(i,'gaussian&#

42、39;,0,0.02);subplot(1,2,1),imshow(j);j1=wiener2(j);subplot(1,2,2),imshow(j1);h=fspecial('gaussian',2,0.05);j2=imfilter(i,h);figure,subplot(1,2,1),imshow(i)subplot(1,2,2),imshow(j2)實(shí)驗(yàn)結(jié)果如下：圖3.6 圖像銳化結(jié)果3.5邊緣檢測邊緣檢測是圖像處理中最常見的也是最基本的問題之一。圖像中灰度發(fā)生急劇變化的區(qū)域，或者說在灰度圖像中周圍像素灰度發(fā)生階躍變化（屋頂變化）的那些像素，這些像素的集合就是圖像的邊緣

43、。邊緣檢測是為了標(biāo)注出圖像中亮度發(fā)生明顯變化的各個(gè)點(diǎn)，在灰度圖像中，這就是說邊緣檢測是表示出了灰度發(fā)生明顯變化的點(diǎn)，這些點(diǎn)連接起來就構(gòu)成了圖像的邊緣。圖像邊緣特征是圖像最基本的一種特征之一，圖像的邊緣特征是圖像的幾乎不會發(fā)生改變的特征，它的這一不變的特點(diǎn)使得圖像邊緣在圖像的分析中起著重要的作用。圖像的邊緣作為圖像的一種基本特征，而且這種特征的不便特性使得它有著非常廣泛的應(yīng)用，尤其在圖像識別、圖像分割、圖像增強(qiáng)以及圖像壓縮等的領(lǐng)域。圖像邊緣檢測目的就是精確定位邊緣，同時(shí)更好地抑制噪聲。邊緣檢測標(biāo)注出了圖像中亮度發(fā)生明顯變化的各個(gè)點(diǎn)，在灰度圖像中，這就是說邊緣檢測是表示出了灰度發(fā)生明顯變化的點(diǎn)，這

44、些點(diǎn)連接起來就構(gòu)成了圖像的邊緣。這些變化明顯的點(diǎn)在圖像中十分重要，它們大多反映了圖像屬性的變化。這些變化包括了顏色（或者說是灰度）深度的不連讀、圖像表面方向的不連續(xù)、物質(zhì)屬性的變化和場景照明的變化。圖像的邊緣檢測能夠保留圖像的必要的結(jié)構(gòu)，消除那些對圖像的處理沒有用處的信息，同時(shí)還能夠很大程度上減少圖像處理的數(shù)據(jù)量。邊緣檢測的方法有很多，總體上可以分為兩大類：基于查找的一類和基于零穿越的一類，也可以叫做是基于搜索和零交叉?；诓檎遥ㄋ阉鳎┑姆椒ň褪且砸浑A導(dǎo)數(shù)為手段進(jìn)行計(jì)算，這種方法對圖像中的各個(gè)像素點(diǎn)使用一階導(dǎo)數(shù)首先計(jì)算出圖像的邊緣強(qiáng)度，找出一階導(dǎo)數(shù)中的最大值和最小值來確定圖像的邊緣，然后利用梯

45、度模來計(jì)算估計(jì)圖像的邊緣的局部方向，還可以找出局部梯度的最大值，最后在確定的圖像的邊緣。第二類方法 ，零穿越或者說零交叉的方法。這種方法的確定圖像邊緣的手段就是二階導(dǎo)數(shù)了，尋找圖像的二階導(dǎo)數(shù)的零穿越點(diǎn)或者非線性差分方程的零交叉點(diǎn)來確定圖像的邊緣，使用的算子通常是拉普拉斯算子。在對圖像進(jìn)行邊緣檢測之前我們通常要對圖像進(jìn)行必要的濾波處理，一般采用高斯濾波，但是這種濾波處理與圖像的平滑濾波是不同的，可以說這兩種濾波處理有著本質(zhì)的區(qū)別。例如，很多邊緣檢測方法依賴于對圖像的梯度進(jìn)行計(jì)算，然后來確定圖像的邊緣，這種方法就是用不同種類的濾波器來估計(jì)X和Y方向的梯度，就是縱軸和橫軸兩個(gè)方向的梯度。圖像的邊緣性

46、質(zhì)是圖像的基本特征之一，對于圖像的處理的本質(zhì)就是為了實(shí)現(xiàn)某一個(gè)目標(biāo)或者任務(wù)，從圖像的大量的數(shù)據(jù)和信息中提取出有用的信息，這一就要求必須要進(jìn)行必要的丟棄，去除那些對實(shí)現(xiàn)目的沒有作用的信息。那么怎么取舍呢？這時(shí)候我們必須盡可能利用圖像的不變性質(zhì)，顯然圖像的邊緣性質(zhì)就是圖像最重要的不變性質(zhì)，所以圖像的邊緣的重要性就非常明顯了，利用圖像的邊緣特性就可以從圖像中提取很多必要的信息，是圖像處理和圖像識別的重要部分。光線、姿態(tài)、拍攝角度、拍攝背景等外界環(huán)境的變化有可能影響了一個(gè)圖像區(qū)域的外觀，但是不能改變圖像的邊緣，而且人的視覺系統(tǒng)也是對圖像的邊緣最敏感的，這樣就利用這些性質(zhì)處理圖像或者利用圖像的邊緣性質(zhì)來

47、達(dá)到人臉識別等功能。邊緣檢測是圖像處理中的必不可少的內(nèi)容,是圖像處理中非常重要的一部分，也是后面進(jìn)行圖像特征提取的前提，圖像的邊緣檢測能大大地減少要處理的信息簡化圖像處理的過程但是又保留了圖像中物體的形狀信息，不影響圖像處理的結(jié)果。圖像上灰度變化最明顯的不封閉就是圖像的邊緣，傳統(tǒng)的邊緣檢測的方法就是利用了這個(gè)圖像邊緣的特點(diǎn)，對圖像各個(gè)像素點(diǎn)進(jìn)行一介微分或求二階微分來確定邊緣像素點(diǎn)，這就是兩種基本的邊緣檢測的方法。對圖像的像素進(jìn)行一階微分時(shí)，求得的峰值，則對應(yīng)著圖像的邊緣點(diǎn)；二階微分計(jì)算時(shí)，得到的的過零點(diǎn)就是對應(yīng)著圖像的邊緣點(diǎn)。我們定義圖像的梯度為梯度算子，它是圖像處理中最常用的一階微分算法。圖

48、像梯度的最重要性質(zhì)是梯度的方向是在圖像灰度最大變化率上，它恰好可以反映出圖像邊緣上的灰度變化。圖像在點(diǎn)處的梯度是一個(gè)向量可表示為 (3-2)在高等數(shù)學(xué)中，梯度向量變化的方向就是函數(shù)變化最大的方向，所以梯度的幅度如下 (3-3)邊緣檢測的具體算法有很多，例如羅伯特算子、拉普拉斯算子、索博爾算子、LOG算子。每一種算子都有不同的特點(diǎn)，適應(yīng)不同的環(huán)境。（1） 羅伯特算子將（3-3）中的和用和這兩個(gè)差分代替，得到 （3-4）根據(jù)公式：對于兩個(gè)實(shí)數(shù)和我們設(shè)，應(yīng)用上面的公式得到其中 （3-5）那么在（3-4）中應(yīng)用（3-5）得到 （3-6）這就是羅伯特邊緣算子。（2） 拉普拉斯算子關(guān)于和的二階偏導(dǎo)數(shù)：組成

49、了拉普拉斯算子，根據(jù)二階差分可得從而得到拉布拉斯算子的計(jì)算公式 （3-7）考慮到45度和135度兩個(gè)方向，拉普拉斯算子可進(jìn)一步表示為拉普拉斯算子考慮的方向比較多，以下兩個(gè)算子的模板矩陣可以看出前者計(jì)算了4個(gè)方向，后者考慮了8個(gè)方向,所以邊緣檢測的靈敏度很高，但是邊緣檢測的方向行就一般了，而且加強(qiáng)了圖像的噪聲成分，使噪聲變得敏感。 （3） 索博爾算子記和分別由X和Y兩個(gè)方向上的三個(gè)中心差分加權(quán)和組成，中心加權(quán)和如下X方向：，Y方向：，上述算子的模板為，（4） LOG算子當(dāng)使用一階導(dǎo)數(shù)的邊緣算子進(jìn)行計(jì)算時(shí)，所求得的倒數(shù)大于某一個(gè)特定的閾值時(shí)，就視為邊緣點(diǎn)，所有邊緣點(diǎn)組成邊緣，但是這樣的計(jì)算方法得到

50、的邊緣點(diǎn)可能會很多，影響圖像處理。拉普拉斯算子雖然也是二階導(dǎo)數(shù)算子，但是使用這一算子容易丟失邊緣的方向信息，還會加強(qiáng)噪聲，所以有人將高斯濾波器與拉普拉斯算子結(jié)合組成LGO算法，有效解決很多問題。LOG算子使用一個(gè)墨西哥草帽函數(shù)：作為濾波器。LOG的算子是一個(gè)的模板：這一模板既能夠平滑圖像又能夠降低噪聲。邊緣檢測在MATLAB中的實(shí)現(xiàn)：i=imread('f:1.tif');j=edge(i,'canny',0.04,0.25,1.5);imshow(j)邊緣檢測結(jié)果：圖3.7 邊緣檢測結(jié)果 3.6人臉定位人臉定位就是檢測圖像中是否有人臉，并且能夠?qū)⒋嬖诘娜四槒膱D

51、像的背景中分離出來。一般情況下人臉定位比較簡單，例如拍攝時(shí)比較規(guī)范，例如人的證件照等等，這些情況下人臉定位是比較容易的。但是有一些復(fù)雜的環(huán)境中拍攝的照片就很難定位人臉，例如合影、佩戴眼鏡、留有胡須等。人臉在圖像中的位置偏移的嚴(yán)重或者人臉的角度等都會影響人臉定位。人臉檢測定位算法大致可以分為兩類：(1) 基于顯式特征的方法基于顯式特征的方法就是利用人臉圖像的顏色、輪廓、結(jié)構(gòu)等明顯的肉眼可以看見的特征進(jìn)行人臉定位。通過觀察來分辨哪些特征屬于人臉區(qū)域，哪些特征是非人臉區(qū)域，然后提取待定位的人臉特征看看這些特征是否滿足人臉區(qū)域的特征來定位人臉。(2) 基于隱式特征的方法基于隱式特征的方法就是使用大量的

52、樣本進(jìn)行訓(xùn)練，然后構(gòu)造一個(gè)有效的分類器，對圖像中的所有區(qū)域進(jìn)行判斷，知道找到屬于人臉部分為止。人臉定位在MATLAB中實(shí)現(xiàn)的代碼：i=imread('f:face1.jpg');I=rgb2gray(i);BW=im2bw(I);figure,imshow(BW)n1 n2=size(BW);r=floor(n1/10);c=floor(n2/10);x1=1;x2=r;s=r*c; for i=1:10 y1=1;y2=c; for j=1:10 if (y2<=c | y2>=9*c) | (x1=1 | x2=r*10) loc=find(BW(x1:x2,

53、y1:y2)=0); o p=size(loc); pr=o*100/s; if pr<=100 BW(x1:x2, y1:y2)=0; r1=x1;r2=x2;s1=y1;s2=y2; pr1=0; end imshow(BW); end y1=y1+c; y2=y2+c;end x1=x1+r; x2=x2+r;end figure,imshow(BW);L = bwlabel(BW,8);BB = regionprops(L, 'BoundingBox');BB1=struct2cell(BB);BB2=cell2mat(BB1); s1 s2=size(BB2);

54、mx=0;for k=3:4:s2-1 p=BB2(1,k)*BB2(1,k+1); if p>mx & (BB2(1,k)/BB2(1,k+1)<1.8 mx=p; j=k; endendfigure,imshow(I);hold on;rectangle('Position',BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j+1),'EdgeColor','r' )定位結(jié)果：圖3.8 原始圖像圖3.9灰度圖像圖3.10均衡化圖像圖3.11定位結(jié)果有效的人臉定位是特征提取以及后面的人臉識別的基礎(chǔ)，

55、人臉定位能夠把我們所需要的能夠進(jìn)行人臉識別的部分與圖像的背景分離出來，大大減少了特征提取時(shí)的就算量，簡化了特征提取。第4章 特征提取及模式識別 4.1 概述人臉識別是根據(jù)人臉圖像的特征進(jìn)行的，特征的選擇和提取時(shí)人臉識別的前提也是最關(guān)鍵的部分。特征提取是應(yīng)用子數(shù)字圖像處理以及計(jì)算機(jī)視覺中的技術(shù)，它是使用計(jì)算機(jī)提取出圖像上面的信息然后判斷出這些信息的特征然后分類處理。人臉圖像的特征取很顯然就是提取人臉的面部信息，人臉的特征信息有很多包括:視覺特征、顏色特征、代數(shù)特征、像素特征、變換特征等。但是人臉的二維投影圖像會受到光照、表情、環(huán)境、裝飾、PS等很多因素的影響，同一個(gè)人的不同的照片可能有很大的變化

56、，這就是累內(nèi)變化。還有，對于計(jì)算機(jī)而言，它所能識別的只是圖像轉(zhuǎn)化的灰度矩陣，這些之間轉(zhuǎn)換而來的矩陣維度很大，計(jì)算起來非常復(fù)雜。這一系列的問題都要求我們必須尋找一種使用很少信息就能夠描述人臉的方法，特征提取有效的解決了累內(nèi)變化以及大量計(jì)算的問題。有效的特征提取的方法可以很快區(qū)分不同人臉的特征，并且可以降低圖像中的冗余信息，降低維度，加快運(yùn)算。4.2人臉特征提取的方法人臉圖像的特征提取的方法基本可以分為兩大類：（1）基于知識的特征提取方法基于知識的表征方法，從名字就可以顯然的看出這類方法就是利用人臉的器官形狀來作為特征進(jìn)行人臉描述的一類方法，這類方法通常使用人臉器官的形狀以及這些器官之間的距離進(jìn)行人臉描述。人臉的組成由有眼睛、鼻子、嘴巴等部分，這些器官的之間的位置、歐式距離和它們之間的角度、曲率等幾何特征是進(jìn)行人臉識別的重要特性。人臉的形狀和紋理特征包含了許多重要的識別信息。形狀特征是指人臉的邊緣或者一些關(guān)鍵的可用于人臉識別的坐標(biāo)，這些都是在二維空間中的特征信息，這些信息具有很強(qiáng)的抗干