基于matlab的人臉識別系統(tǒng)設(shè)計與仿真

PAGEPAGE1基于Matlab的人臉識別系統(tǒng)設(shè)計與仿真摘要人臉識別即指利用分析比對人臉視覺特征信息從而達(dá)到身份鑒別效果的計算機(jī)技術(shù)。人臉識別是一項當(dāng)下十分熱門的計算機(jī)技術(shù)的研究領(lǐng)域，該項技術(shù)可以人臉明暗偵測，并且自動調(diào)整動態(tài)曝光補償，同時對人臉追蹤偵測，并自動調(diào)整影像放大；這項技術(shù)屬于生物特征識別技術(shù)的一種，是利用生物體（一般指人）本身的生物特征從而達(dá)到區(qū)分生物體個體的目的。人臉識別技術(shù)目前主要用做身份識別。由于視頻監(jiān)控的飛速普及，使這項應(yīng)用迫切的需要一種能實現(xiàn)在用戶非配合狀態(tài)下、遠(yuǎn)距離的進(jìn)行快速身份識別的技術(shù)，以求能在遠(yuǎn)距離之下快速識別人員身份，從而實現(xiàn)智能預(yù)警的功能。最佳的選擇無疑是人臉識別技術(shù)。采用快速人臉檢測識別技術(shù)可以從視頻監(jiān)控圖象中實時捕獲到人臉信息，并與人臉數(shù)據(jù)庫中的已存信息進(jìn)行實時比對，從而達(dá)到快速身份識別的效果。報告利用MATLAB軟件來實現(xiàn)人臉信息檢測與識別，利用YCbCr空間以及灰度圖像來實現(xiàn)人臉的邊緣分割,將真彩圖像轉(zhuǎn)換為灰度圖像，并根據(jù)膚色在YCbCr色度空間上的分布范圍，來設(shè)定門限閥值，從而實現(xiàn)人臉區(qū)域與非人臉區(qū)域的分割，通過圖像處理等一系列的操作來剔除干擾因素，再通過長寬比和目標(biāo)面積等方法在圖像中定位出人臉區(qū)域，經(jīng)試驗，該方法能夠排除面部表情、衣著背景、發(fā)型等干擾因素，從而定位出人臉區(qū)域。關(guān)鍵詞：Matlab軟件；灰度圖像；邊緣分割；人臉區(qū)域AbstractFacerecognitionespeciallyusecomparativeanalysisfacevisualfeatureinformationforidentificationofcomputertechnology.Facerecognitionisahotresearchfieldcomputertechnology,facedetection,lightandshadecanbeautomaticallyadjusteddynamicallyexposurecompensation,humanfacetrackingdetection,automaticadjustmentofimagemagnification;Itbelongstothebiometricidentificationtechnology,itisoforganisms(generallyreferstoaperson)individualbiologicalcharacteristicstodistinguishbetweentheorganismitself.Facerecognitionismainlyusedforidentification.Becauseofthevideomonitoringisfastpopularization,manyofthevideomonitoringapplicationisanurgentneedtoalongdistance,theusernotcooperateconditionofrapididentificationtechnology,inorder.Facerecognitiontechnologyisundoubtedlythebestchoice,thefastfacedetectiontechnologytomonitorinreal-timevideoimagesearchfromface,andwithreal-timethanfacedatabase,soastorealizerapididentification.ReportusingMATLABsoftwaretorealizefaceinformationdetectionandrecognition,usingYCbCrspaceandgrayimagetorealizethefaceedgesegmentation,thetruecolorimageisconvertedtoagrayscaleimage,andaccordingtothecolorofskininYCbCrchromaspacedistribution,tosetthethresholdthreshold,soastorealizethesegmentationoffaceregionwiththefaceregion,throughaseriesofoperationssuchasimageprocessingtoeliminateinterferencefactors,andthroughsuchmeansasaspectratioandthetargetarealocatethefaceregionintheimage,theexperiment,thismethodcaneliminatefacialexpressions,clothes,hairbackgroundinterferencefactors,soastolocatethefaceregion.Keywords：Matlab；Grayimage；edgesegmentation；faceregion第2章圖像處理的Matlab實現(xiàn)2.1識別系統(tǒng)構(gòu)成人臉識別技術(shù)系統(tǒng)主要可分為四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識別。一般人臉識別系統(tǒng)構(gòu)架如圖2.1所示：人臉圖像采集及檢測人臉圖像采集及檢測人臉圖像預(yù)處理人臉圖像特征提取匹配與識別圖2.1人臉識別系統(tǒng)構(gòu)架（1）人臉圖像采集及檢測人臉圖像采集：人臉圖像信息都能通過攝像鏡頭采集記錄下來，比如不同位置、不同表情、靜態(tài)圖像、動態(tài)圖像等方面都能得到很好的采集。當(dāng)目標(biāo)在采集設(shè)備拍攝的范圍內(nèi)時，采集設(shè)備會自動搜索并采集目標(biāo)的人臉圖像;人臉檢測：在實際中主要應(yīng)用于人臉識別的預(yù)處理，即在采集到的圖像中準(zhǔn)確定位出人臉的位置。人臉圖像中包含的模式特征非常豐富，如模板特征、結(jié)構(gòu)特征、直方圖特征、顏色特征等。人臉檢測就是挑出這其中有用的特征信息，并利用這些特征來實現(xiàn)人臉識別。（2）人臉圖像預(yù)處理人臉圖像預(yù)處理：所謂人臉圖像預(yù)處理，就是基于人臉檢測結(jié)果，并對人臉圖像進(jìn)行處理，最終服務(wù)于人臉特征提取的過程。系統(tǒng)獲取的原始人臉圖像由于受到隨機(jī)干擾和各種條件的限制，通常不能直接使用，所以必須在人臉圖像處理過程中要先對它進(jìn)行灰度圖像、噪聲過濾等圖像預(yù)處理。而對于人臉圖像，預(yù)處理的過程主要涉及灰度變換、人臉圖像的光線補償、幾何校正、直方圖均衡化、歸一化、濾波以及銳化等。（3）人臉圖像特征提取人臉圖像特征提?。喝四樧R別系統(tǒng)通常會使用的特征分為視覺特征、人臉圖像變換系數(shù)特征、像素統(tǒng)計特征以及人臉圖像代數(shù)特征等。所謂人臉特征提取即針對人臉的某些特征進(jìn)行的提取。人臉特征提取，也被稱為人臉表征，是對人臉特征進(jìn)行建模的過程。人臉特征提取的方法總結(jié)起來可以分為兩大類：一種是基于統(tǒng)計學(xué)習(xí)或代數(shù)特征的表征方法；另一種是基于知識的表征方法。（4）匹配與識別人臉圖像的匹配與識別：將提取到的圖像特征數(shù)據(jù)與數(shù)據(jù)庫中已存的特征模板進(jìn)行搜索匹配，設(shè)定一個閾值，當(dāng)相似度超過這一閾值時，則把匹配所得到的結(jié)果輸出。人臉識別就是將待識別的人臉特征與已存儲的人臉特征模板進(jìn)行比對，依據(jù)相似度對該人臉圖像的身份信息進(jìn)行判別。這一過程主要分為兩步：第一步是確認(rèn)，就是一對一進(jìn)行圖像比較的過程，第二步是辨認(rèn)，就是一對多進(jìn)行圖像匹配對比的過程。2.2人臉圖像的讀取與顯示人臉圖像的讀取和顯示可通過imread()和imshow()指令來實現(xiàn);圖像的輸出可以用imwrite()函數(shù)，很方便快捷的將圖像輸出到電腦硬盤上;另外還可以通過imcrop()、imrisize()、imrotate()等函數(shù)來實現(xiàn)圖像的裁剪、縮放與旋轉(zhuǎn)等功能。2.3圖像類型的轉(zhuǎn)換Matlab支持多種圖像類型,在很多圖像操作處理中,對圖像的類型有要求,所以就涉及到了對圖像的類型進(jìn)行轉(zhuǎn)換。Matlab7.0圖像處理工具箱包含了不同圖像類型之間相互轉(zhuǎn)換的大量函數(shù),如rgb2gray()可以將顏色映像表或RGB圖像轉(zhuǎn)換為灰度圖像，通過mat2gray()函數(shù)能實現(xiàn)矩陣轉(zhuǎn)換為灰度圖像的功能。在類型轉(zhuǎn)換的處理過程中,我們還會經(jīng)常遇到數(shù)據(jù)類型不匹配的問題,針對這一問題,Matlab7.0工具箱中為我們提供了各種數(shù)據(jù)類型之間相互轉(zhuǎn)換的函數(shù),例如double()函數(shù)的功能就是將數(shù)據(jù)轉(zhuǎn)換為雙精度數(shù)據(jù)類型。因為后續(xù)的圖像增強(qiáng)、邊緣檢測等都是針對灰度圖像進(jìn)行的,而原圖像是RGB圖像,所以我們首先要對原圖像進(jìn)行類型轉(zhuǎn)換。實現(xiàn)過程代碼如下:i=imread('F:\2.JPG');j=rgb2gray(i);imshow(j);imwrite(j,'F:\2.tif')轉(zhuǎn)換后的灰度圖像如圖2.2所示：圖2.2灰度圖像2.4圖像增強(qiáng)圖像增強(qiáng)的目的是改善圖像的視覺效果,或者使圖像更適合于人或機(jī)器進(jìn)行分析處理。通過圖像增強(qiáng)，可以減少圖像中的噪聲，提高目標(biāo)與背景的對比度，也可以強(qiáng)調(diào)或抑制圖像中的某些細(xì)節(jié)。例如，消除照片中的劃痕，改善光照不均勻圖像，突出目標(biāo)的邊緣等。實現(xiàn)圖像的灰度轉(zhuǎn)換的方法有很多,其中最常用到的是直方圖變換的方法,即直方圖的均衡化。該種方法是使輸出圖像直方圖近似服從均勻分布的變換方法。Matlab7.0圖像處理工具箱中為我們提供了圖像直方圖均衡化的函數(shù)histeq(),我們也可以通過imhist()函數(shù)計算和顯示圖像的直方圖。通過原圖與直方圖均衡化后圖像對比可以發(fā)現(xiàn),圖像變得更加清晰,并且均衡化后的直方圖相對于原直方圖的形狀更為理想。實現(xiàn)過程代碼如下:i=imread('F:\2.tif');j=histeq(i);imshow(j);figure,subplot(1,2,1),imhist(i);subplot(1,2,2),imhist(j)執(zhí)行后得到的圖像如下所示：圖2.3均衡化后的灰度圖像圖2.4均衡化前后的直方圖對比圖2.5灰度圖像平滑與銳化處理平滑濾波器的作用是模糊圖像或者消除噪聲,Matlab7.0圖像處理工具箱為我們提供了wiener2()來實現(xiàn)對圖像噪聲的自適應(yīng)濾波，medfilter2()函數(shù)用來實現(xiàn)中值濾波。在本文案例中,為使濾波效果更加明顯,我們預(yù)先為人臉圖像人為增加噪聲,然后用自適應(yīng)濾波方法對圖像進(jìn)行濾波處理。銳化處理的作用是用來強(qiáng)調(diào)圖像中被模糊的細(xì)節(jié),在本案例中，采用了預(yù)定義高斯濾波器的方法對圖像進(jìn)行銳化濾波。實現(xiàn)過程的代碼如下:i=imread('F:\2.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);j2=imfilter(i,h);figure,subplot(1,2,1),imshow(i)subplot(1,2,2),imshow(j2)執(zhí)行上述代碼后得到的圖像如下所示：圖2.5平滑濾波效果圖圖2.6銳化濾波效果圖圖2.5中，第一個為加入噪聲的圖像，第二個為濾波后的圖像；圖2.6中，第一個為原灰度圖像，第二個為銳化后的圖像。2.6邊緣檢測數(shù)字圖像的邊緣檢測是目標(biāo)區(qū)域識別、圖像分割、區(qū)域形狀提取等圖像分析過程中十分重要的基礎(chǔ)步驟,也是人臉圖像識別中用來實現(xiàn)提取圖像特征的一個重要步驟。通過計算一階導(dǎo)數(shù)或二階導(dǎo)數(shù)可以快捷地檢測出圖像中每個像素在其鄰域內(nèi)的灰度變化，從而檢測出邊緣。常用的有梯度算子,,Roberts算子，canny算子,Log算子等。Matlab7.0工具箱中為我們提供的edge()函數(shù)可以用來進(jìn)行邊緣檢測,同時也可以根據(jù)案例所需要的選擇合適的算子及其參數(shù)。Matlab7.0圖像處理工具箱中提供了edge()函數(shù)來實現(xiàn)圖像邊緣檢測,還有各種方法算子供我們選擇,在本案例中采用了canny算子來進(jìn)行圖像邊緣檢測,程序代碼如下:i=imread('F:\2.tif');j=edge(i,'canny',[0.04,0.25],1.5);imshow(j)執(zhí)行上述程序后得到如下圖像：圖2.1原灰度圖像圖2.7邊緣檢測效果圖第3章人臉識別計算機(jī)系統(tǒng)3.1系統(tǒng)基本構(gòu)架人臉識別是一個十分復(fù)雜的過程，一般人臉識別的計算機(jī)系統(tǒng)流程如圖3.1所示。它包括幾個步驟：進(jìn)行圖像采集，對于采集到的圖像，首先進(jìn)行人臉檢測，得出有無人臉的結(jié)果；然后進(jìn)行人臉定位，找出人臉的位置并提取出來。對于人臉定位，在輸入的是圖像序列時，一般也被稱為人臉跟蹤。通常檢測和定位同步進(jìn)行。借助人臉描述對提取出來的人臉就可以進(jìn)行人臉識別，即通過提取人臉特征來確定其身份。開始開始圖像采集檢測定位是否定位成功是否處理成功圖像預(yù)處理人臉識別是否識別成功識別結(jié)果結(jié)束是是是圖3.1基本框架圖3.2人臉檢測定位算法人臉檢測定位算法可分為兩大類：一類是基于隱式特征的方法；另一類是基于顯式特征的方法所謂的顯式特征，即指人類肉眼可以直觀看到的特征，如膚色、臉部結(jié)構(gòu)、臉部輪廓等?；陲@式特征的方法是指通過肉眼的觀察，總結(jié)概括出人臉區(qū)域區(qū)別于“非人臉”區(qū)域的特征，根據(jù)與被檢測區(qū)域的對比，即是否滿足這些人臉特征，從而判定該區(qū)域包含人臉與否。根據(jù)所選擇的“人臉特征”，基于顯式特征的方法可以分為三類：模板匹配的方法、基于膚色模型的方法、基于先驗知識的方法。以上三類方法的優(yōu)缺點概括見表3-1：表3-1優(yōu)缺點對比檢測方法優(yōu)點缺點模板匹配具有較強(qiáng)的直觀性和較好的適應(yīng)性對面部表情的變換敏感；對于模板的選擇、參數(shù)的確定很困難膚色模型檢測速度相對較快陽光、背景光線等會使人臉區(qū)域被分割，導(dǎo)致被漏檢先驗知識的方法對于復(fù)雜圖像中的人臉檢測有較大優(yōu)勢依賴于先驗知識；工作量較大，運算時間較長基于隱式特征的方法就是將人臉區(qū)域看成一類模式，通過“人臉”、“非人臉”樣本、構(gòu)造分類器的使用，判別圖像中全部可能區(qū)域是否符合“人臉模式”的一類方法來實現(xiàn)人臉的檢測。這類方法可以分為：神經(jīng)網(wǎng)絡(luò)法、特征臉法、積分圖像法、支持向量法。以上四種方法的優(yōu)缺點比較見表3-2：表3-2優(yōu)缺點對比表檢測方法優(yōu)點缺點神經(jīng)網(wǎng)絡(luò)法效率較高，錯誤報警數(shù)較少，網(wǎng)絡(luò)監(jiān)測速度較快多樣本訓(xùn)練所耗的費時間多，網(wǎng)絡(luò)監(jiān)測錯誤報警數(shù)較多本征臉法能抽象人臉全部信息，運算時間相對較短通過模板測效率較低，多模板雖然增加了效率，但是檢測時間較長積分圖像分析法檢測速度較快，滿足實時檢測的要求，檢測效率相對較高錯誤報警數(shù)與檢測率成反比支撐向量法具有更好的泛化能力“非人臉”的復(fù)雜造成支持向量數(shù)目較多，導(dǎo)致運算復(fù)雜度變大運用matlab軟件仿真進(jìn)行人臉檢測定位實例：人臉檢測定位程序：%%%%%ReadingofaRGBimage原始圖像i=imread('F:\2.JPG');I=rgb2gray(i);BW=im2bw(I);figure,imshow(BW)%%%%%%%%%%%%%%%%%%%%灰度圖像及均衡化灰度圖像[n1n2]=size(BW);r=floor(n1/10);c=floor(n2/10);x1=1;x2=r;s=r*c;fori=1:10y1=1;y2=c;forj=1:10if(y2<=c|y2>=9*c)|(x1==1|x2==r*10)loc=find(BW(x1:x2,y1:y2)==0);[op]=size(loc);pr=o*100/s;ifpr<=100BW(x1:x2,y1:y2)=0;r1=x1;r2=x2;s1=y1;s2=y2;pr1=0;endimshow(BW);endy1=y1+c;y2=y2+c;endx1=x1+r;x2=x2+r;endfigure,imshow(BW)%%%%%%%%%%%%%%%%%%人臉定位%%%%%%%%%%%%%%%%%%%%%%%L=bwlabel(BW,8);BB=regionprops(L,'BoundingBox');BB1=struct2cell(BB);BB2=cell2mat(BB1);[s1s2]=size(BB2);mx=0;fork=3:4:s2-1p=BB2(1,k)*BB2(1,k+1);ifp>mx&(BB2(1,k)/BB2(1,k+1))<1.8mx=p;j=k;endendfigure,imshow(I);holdon;rectangle('Position',[BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j)],'EdgeColor','r')1.原始圖片2.灰度圖片3.均衡化灰度圖片4.人臉定位3.3匹配與識別人臉人別系統(tǒng)的最后一步是人臉識別。人臉識別，即通過對所采集到的人臉圖像進(jìn)行一系列處理，提取待識別人臉圖像的特征信息，通過與已存人臉數(shù)據(jù)庫信息進(jìn)行匹配識別，確定待識別人臉圖像的基本信息。運行如下代碼：functionvarargout=faceCore(varargin)%FACECOREM-fileforfaceCore.fig%FACECORE,byitself,createsanewFACECOREorraisestheexisting%singleton*.%%H=FACECOREreturnsthehandletoanewFACECOREorthehandleto%theexistingsingleton*.%%FACECORE('CALLBACK',hObject,eventData,handles,...)callsthelocal%functionnamedCALLBACKinFACECORE.Mwiththegiveninputarguments.%%FACECORE('Property','Value',...)createsanewFACECOREorraisesthe%existingsingleton*.Startingfromtheleft,propertyvaluepairsare%appliedtotheGUIbeforefaceCore_OpeningFunctiongetscalled.An%unrecognizedpropertynameorinvalidvaluemakespropertyapplication%stop.AllinputsarepassedtofaceCore_OpeningFcnviavarargin.%%*SeeGUIOptionsonGUIDE'sToolsmenu.Choose"GUIallowsonlyone%instancetorun(singleton)".%%Seealso:GUIDE,GUIDATA,GUIHANDLES%Copyright2002-2003TheMathWorks,Inc.%EdittheabovetexttomodifytheresponsetohelpfaceCore%LastModifiedbyGUIDEv2.528-May-200910:21:26%Begininitializationcode-DONOTEDITgui_Singleton=1;gui_State=struct('gui_Name',mfilename,...'gui_Singleton',gui_Singleton,...'gui_OpeningFcn',@faceCore_OpeningFcn,...'gui_OutputFcn',@faceCore_OutputFcn,...'gui_LayoutFcn',[],...'gui_Callback',[]);ifnargin&&ischar(varargin{1})gui_State.gui_Callback=str2func(varargin{1});endifnargout[varargout{1:nargout}]=gui_mainfcn(gui_State,varargin{:});elsegui_mainfcn(gui_State,varargin{:});end%Endinitializationcode-DONOTEDIT%ExecutesjustbeforefaceCoreismadevisible.functionfaceCore_OpeningFcn(hObject,eventdata,handles,varargin)%Thisfunctionhasnooutputargs,seeOutputFcn.%hObjecthandletofigure%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%varargincommandlineargumentstofaceCore(seeVARARGIN)%ChoosedefaultcommandlineoutputforfaceCorehandles.output=hObject;%Updatehandlesstructureguidata(hObject,handles);%UIWAITmakesfaceCorewaitforuserresponse(seeUIRESUME)%uiwait(handles.figure1);%Outputsfromthisfunctionarereturnedtothecommandline.functionvarargout=faceCore_OutputFcn(hObject,eventdata,handles)%varargoutcellarrayforreturningoutputargs(seeVARARGOUT);%hObjecthandletofigure%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%Getdefaultcommandlineoutputfromhandlesstructurevarargout{1}=handles.output;%Executesonbuttonpressinpushbutton1.functionpushbutton1_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton1(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)globalTrainDatabasePath;TrainDatabasePath=uigetdir(strcat(matlabroot,'\work'),'訓(xùn)練庫路徑選擇...');%Executesonbuttonpressinpushbutton2.functionpushbutton2_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton2(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)globalTestDatabasePath;TestDatabasePath=uigetdir(strcat(matlabroot,'\work'),'測試庫路徑選擇...');%Executesonbuttonpressinpushbutton3.%functionpushbutton3_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton3(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%[filename,pathname]=uigetfile({'*.jpg';'*.bmp'},'');%str=[pathnamefilename];%im=imread(str);%axes(handles.axes1);%imshow(im);%Executesonbuttonpressinpushbutton4.functionpushbutton4_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton4(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)globalTrainDatabasePath;globalTestDatabasePath;globalT;T=CreateDatabase(TrainDatabasePath);%[mV_PCAV_FisherProjectedImages_Fisher]=FisherfaceCore(T);%Executesonbuttonpressinpushbutton5.functionpushbutton9_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton5(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)globalim;[filename,pathname]=uigetfile({'*.jpg';'*.bmp'},'選擇測試圖片...');str=[pathnamefilename];im=imread(str);axes(handles.axes1);imshow(im);%Executesonbuttonpressinpushbutton6.functionpushbutton6_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton6(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%T=CreateDatabase(TrainDatabasePath);globalT;globalim;globalTrainDatabasePath;[mV_PCAV_FisherProjectedImages_Fisher]=FisherfaceCore(T);OutputName=Recognition(im,m,V_PCA,V_Fisher,ProjectedImages_Fisher);SelectedImage=strcat(TrainDatabasePath,'\',OutputName);SelectedImage=imread(SelectedImage);axes(handles.axes2);imshow(SelectedImage);%title('EquivalentImage');%Executesonbuttonpressinpushbutton7.functionpushbutton7_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton7(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)clearall;clcclose(gcf);執(zhí)行上述代碼后效果如下圖所示：如上圖所示，當(dāng)我們選擇待識別照片后，點擊圖像匹配，可以快速匹配到與該測試圖像特征信息相符合的訓(xùn)練庫中的人臉圖像，效果圖如下：結(jié)論圖像是人類日常生活和工作中獲取和交換信息的重要來源，人臉圖像的識別技術(shù)已經(jīng)應(yīng)用到了生活中的方方面面?；贛atlab的人臉識別系統(tǒng)的仿真的研究很有意義。目前到處可見攝像頭，監(jiān)控錄像，這些的普及，使人臉識別具有重大商業(yè)價值。在本文圖像處理時，用到如灰度變化、格式轉(zhuǎn)換和濾波銳化等基本方法來實現(xiàn)圖像處理。通過對一些算法，方法的比較，選擇了比較合理的方法進(jìn)行圖像預(yù)處理。在比較人臉識別的幾種方法后，我們最終選擇了通過人臉圖像的直方圖差值進(jìn)行比較從而實現(xiàn)了人臉識別。事實證明，這種方法對人臉能更好的分類，但其對于人臉圖像的像素質(zhì)量等要求較高，而我們只是采用Orl標(biāo)準(zhǔn)的人臉數(shù)據(jù)庫中的圖像完成測試，因此可以得到較高的識別率。在對大量參考文獻(xiàn)資料的閱讀的基礎(chǔ)上，本設(shè)計對基于Matlab的人臉識別這一技術(shù)做了詳細(xì)的綜述。然而，在現(xiàn)實生活中由于受到采集距離、光線明暗、人臉角度等因素的影響，采集到的人臉圖像與人臉庫進(jìn)行匹配識別時，識別率很難可以達(dá)到測試要求。因此，在實際應(yīng)用時還要根據(jù)具體情況進(jìn)行分析。本次基于Matlab的人臉識別系統(tǒng)的仿真設(shè)計到這里就結(jié)束了，在設(shè)計過程中，雖然對幾種方法進(jìn)行了對比選擇，但是還是有很多不足，可能很多問題想的不夠充分，設(shè)計中有些數(shù)據(jù)可能會有偏差，因此在今后的學(xué)習(xí)生活中要更加努力，不斷地提高自己的科學(xué)文化水平和各方面素質(zhì)。致謝在佳木斯大學(xué)的學(xué)習(xí)生活即將結(jié)束，現(xiàn)在想想對母校還是有很多留戀。在做畢業(yè)設(shè)計的這段時間里，我的老師、同學(xué)們對我給予了非常多的幫助，在這里，謹(jǐn)向他們致以最真誠的感謝！尤為感謝的，是我的導(dǎo)師周經(jīng)國老師。周老師學(xué)識淵博，思想敏銳，洞察力超強(qiáng)，治學(xué)態(tài)度嚴(yán)謹(jǐn)，平易近人。在我做畢業(yè)設(shè)計的這段時間里，常常會被一些難題所困擾，弄得焦頭爛額。是周老師教導(dǎo)我，激勵我，對我給予了細(xì)心地指導(dǎo)和悉心的教誨，讓我擺脫困境，重新找回自信心。同時，我也要感謝教導(dǎo)過我的所有老師。是你們毫無保留的指導(dǎo)和細(xì)致耐心的幫助，我才能順利完成這次畢業(yè)設(shè)計。最后，我還要感謝身邊的朋友和同學(xué)，在大學(xué)生活的四年里，我在你們的陪伴中成長，謝謝你們在做畢業(yè)設(shè)計這段日子里給予我的幫助。真心的感謝所有在生活、學(xué)習(xí)中幫助過我的良師益友，謝謝你們！參考文獻(xiàn)何東健，耿楠，張義寬.數(shù)字圖像處理（第二版）.西安電子科技大學(xué)出版社，2008.5：1-325于萬波.基于MATLAB的圖像處理.清華大學(xué)出版社，2008.3:1-218陳書海，傅錄祥.實用數(shù)字圖像處理.北京科學(xué)出版社，2005崔屹.數(shù)字圖像處理與應(yīng)用.北京：電子工業(yè)出版社，1997何東健，楊青.實用圖像處理技術(shù).陜西科學(xué)技術(shù)出版社，1998呂風(fēng)軍.溯溪圖像處理編程入門.清華大學(xué)出版社，1999章毓晉.圖像工程：圖像處理和分析（上）.清華大學(xué)出版社，1999章毓晉.圖像工程：圖像分析（中）.清華大學(xué)出版社，2005章毓晉.圖像工程：圖像理解與計算機(jī)視覺（下）.清華大學(xué)出版社，2000朱秀昌，劉峰，胡棟.數(shù)字圖像處理與圖像通信.北京郵電大學(xué)出版社，2002韓曉軍.數(shù)字圖像處理技術(shù)與應(yīng)用［M］.北京：電子工業(yè)出版社，2009劉剛.MATLAB數(shù)字圖像處理［M］.北京：機(jī)械工業(yè)出版社，2010徐倩，鄧偉.一種融合兩種主成分分析的人臉識別方法[J].計算機(jī)學(xué)報，2007郭文強(qiáng)，侯勇嚴(yán).數(shù)字圖像處理.西安電子科技大學(xué)出版社，2009張宜華.精通MATLAB5.清華大學(xué)出版社，1999張兆禮.現(xiàn)代圖像處理技術(shù)及MATLAB實現(xiàn).人民郵電出版社，2001WangmengZuo，KuanquanWang，DavidZhang，HongzhiZhang.CombinationoftwonovelLDA-basedmethodsforfacerecognition[C].ProceedingsoftheIEEE，2007何東風(fēng).人臉識別技術(shù)綜述［J］.計算機(jī)學(xué)報，2003TheMathworks.MATLABUserGUIdes[DB/OL].2009附錄1人臉識別的MATLAB源程序（1）色彩空間轉(zhuǎn)換：function[r,g]=rgb_RGB(Ori_Face)R=Ori_Face(:,:,1);G=Ori_Face(:,:,2);B=Ori_Face(:,:,3);R1=im2double(R);%將uint8型轉(zhuǎn)換成double型G1=im2double(G);B1=im2double(B);RGB=R1+G1+B1;row=size(Ori_Face,1);%行像素column=size(Ori_Face,2);%列像素fori=1:rowforj=1:columnrr(i,j)=R1(i,j)/RGB(i,j);gg(i,j)=G1(i,j)/RGB(i,j);endendrrr=mean(rr);r=mean(rrr);ggg=mean(gg);g=mean(ggg);（2）找區(qū)域邊界function[left,right,up,down]=bianjie(A)[mn]=size(A);left=-1;right=-1;up=-1;down=-1;forj=1:n,fori=1:m,if(A(i,j)~=0)left=j;break;end;end;if(left~=-1)break;end;end;forj=n:-1:1,fori=1:m,if(A(i,j)~=0)right=j;break;end;end;if(right~=-1)break;end;end;fori=1:m,forj=1:n,if(A(i,j)~=0)up=i;break;end;end;if(up~=-1)break;end;end;fori=m:-1:1,forj=1:n,if(A(i,j)~=0)down=i;break;end;end;if(down~=-1)break;end;end;（3）模板匹配function[ccorr,mfit,RectCoord]=mobanpipei(mult,frontalmodel,ly,wx,cx,cy,angle)frontalmodel=rgb2gray(frontalmodel);model_rot=imresize(frontalmodel,[lywx],'bilinear');%調(diào)整模板大小model_rot=imrotate(model_rot,angle,'bilinear');%旋轉(zhuǎn)模板[l,r,u,d]=bianjie(model_rot);%求邊界坐標(biāo)bwmodel_rot=imcrop(model_rot,[lu(r-l)(d-u)]);%選擇模板人臉區(qū)域[modx,mody]=center(bwmodel_rot);%求質(zhì)心[morig,norig]=size(bwmodel_rot);%產(chǎn)生一個覆蓋了人臉模板的灰度圖像mfit=zeros(size(mult));mfitbw=zeros(size(mult));[limy,limx]=size(mfit);%計算原圖像中人臉模板的坐標(biāo)startx=cx-modx;starty=cy-mody;endx=startx+norig-1;endy=starty+morig-1;startx=checklimit(startx,limx);starty=checklimit(starty,limy);endx=checklimit(endx,limx);endy=checklimit(endy,limy);fori=starty:endy,forj=startx:endx,mfit(i,j)=model_rot(i-starty+1,j-startx+1);end;end;ccorr=corr2(mfit,mult)%計算相關(guān)度[l,r,u,d]=bianjie(bwmodel_rot);sx=startx+l;sy=starty+u;RectCoord=[sxsy(r-1)(d-u)];%產(chǎn)生矩形坐標(biāo)附錄2外文參考文獻(xiàn)及翻譯ResearchdevelopmentoffacerecognitionathomeandabroadFacerecognitionisoneofthemostoutstandingabilityinhumanvisual.Itsresearchinvolvespatternrecognition,imageprocessing,biology,psychology,cognitivescience,withotherbiometricidentificamethodbasedonhumanperceptionandcomputerinteractionfieldhasaclosecontact.Asearlyasthesixtiesandseventiesfacerecognitioncausedtheresearchers'interest.Inthe1960s,Bledsoeproposedfacerecognitionsystemofsemi-automaticmodeandfeatureextractionmethod.Inthe70s,thedevelopedcountriessuchasAmerica,Britainbegantoattachgreatimportancetotheresearchoffacerecognitionandmakingprogress.In1972,Harmonwithinteractioniscarriedoutonthefacerecognitionmethodsintheoryandpractice.Thatsameyear,Sakaifaceimageautomaticrecognitionsystemisdesigned.Intheearly80st.MinamidevelopedbetterthanthatofSakaifaceimageautomaticidentificationsystem.Butearlyfacerecognitiontypicallyrequiresomepriorknowledgeofthepeople,can'tgetridoftheinterventionofpeople.Intotheninetys,asaresultofthepartiesfacethepressingneedsofthefacerecognitionsystem,theresearchoffacerecognitionisverypopular.Facerecognitionmethodisamajorbreakthrough,enteredthestageoftherealmachineautomaticidentificationsuchasKarhunenLoevetransform-oranewneuralnetworktechnology.Facerecognitionresearchobtainedtheunprecedentedattention,thenumberofpaperspublishedonfacerecognitionandsoonincreaseddramatically,from1990to1990alone,betweenSCIandEIcanberetrievedasmanyasthousandsofarticles,relatedliteratureaboutfacerecognitionduringtheperiodofthisreviewisalsovisible.Abroad,therearemanyschoolsinfacialrecognitiontechnologyresearch,researchfieldisverywide.Thesestudiesaremilita