1、基于matlab的人臉識別技術論文摘要：隨著計算機技術的飛速發(fā)展，人臉識別技術逐漸發(fā)展壯大起來，并應用到眾多領域。人臉識別是指在人臉檢測的基礎上針對輸入的人臉圖像，通過特征提取與特征匹配，找出與人臉庫中匹配的人臉圖像，從而達到識別效果。當前主要采取的人臉識別方法有：基于幾何特征的方法，基于模板的方法和基于模型的方法。這些方法較適合于人臉信息的驗證，即待識別者是否為預先指定的對象。不足之處在于，需要建立一個擁有龐大人臉信息的訓練樣本庫，因此就降低了輸出結果的時效性和準確性。在應用領域中存在局限性，不適于具有龐大人臉樣本訓練庫的身份鑒別領域。鑒于種種不足，本文提出了一種基于可變?nèi)四槑斓目焖偃四樧R別

2、方法，使人臉識別技術適用于更多的行業(yè)。網(wǎng)絡信息化時代的一大特征就是身份的數(shù)字化和隱性化，如何準確鑒定一個人的身份，保護信息安全是當今信息化時代必須解決的一個關鍵社會問題。正在悄然興起的人臉識別技術正好可以解決這一問題。關鍵詞：模式識別，K-L變換，人臉識別，圖像處理，matlab,圖像增強，邊緣檢測，圖像預處理，灰度直方圖，特征提取1.1識別系統(tǒng)構成自動人臉識別系統(tǒng)具有如圖所示的一半框架并完成相應功能的任務。(1)人臉圖像的獲取：一般來說，圖像的獲取都是通過攝像頭攝取，氮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簡單，可以不考慮通過攝像頭來攝取頭像，而是直接給定要識別的圖像。(2)人

3、臉的檢測：人臉檢測的任務是判斷靜態(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位置，人臉區(qū)域大小等信息。而人臉跟蹤需要進一步輸出所檢測到的人臉位置，大小等狀態(tài)隨時間的連續(xù)變化情況。(3)特征提取通過人臉特征點的檢測與標定可以確定人臉圖像中顯著特征點的位置(如眼睛，眉毛，鼻子，嘴巴等器官)，同時還可以得到這些器官及其面部輪廓的形狀信息的描述。1.人臉特征提取的算法：K-L變換是圖像壓縮中的一種最優(yōu)正交變換，通過它可以把人臉樣本從高維空間表示轉換到低維空間表示，且由低維空恢復的人臉樣本和原人臉樣本具有最小的均方誤差，從而可用人臉樣本在低維空間的變換系數(shù)作為對人臉特征的描述。其中主元分析法(

4、PCA就是基于K-L變換的一種比較流行的算法，它是統(tǒng)計學中分析數(shù)據(jù)的一種有效的方法，其目的是在數(shù)據(jù)間中找到一組向量以盡可能地解釋數(shù)據(jù)的方差，將數(shù)據(jù)從原來的R維空間將維投影到M維空間(R>>M)并保存數(shù)據(jù)的主要信息，從而使數(shù)據(jù)更易于處理.按照K-L變換識別算法流程.從人臉樣本中提取面部特征.是人臉識別中重要步驟.其實質(zhì)是一個從高維圖像空間到低維數(shù)字空間的轉換過程，可表示為：丫=Tx式中:x表示原始數(shù)據(jù),Y表示為特征信息，T表示映射人臉樣本特征提取算法如下：首先計算該庫中所有樣本的平均值(平均臉):1pfTfnPi1式中；P表示照片數(shù).f表示每張照片的線性表示然后構建協(xié)方差矩陣：1TT

5、Cf(f)T=AATPT式中：f)=f-f表示每張照片與樣本平均值的差。A表示差值形成的矩陣接著，進行特征的提取：由于此協(xié)方差矩陣進行求解特征值和特征向量比較困難的，因此采用奇異值分解的方法得到特征矩陣。Y=UTf：式中：U表示的是采用奇異值分解特征向量提取方法。2.基于協(xié)同模式的人臉樣本分類：將人臉樣本進行分類，采用上文所述方法獲取原始圖像的非線性最優(yōu)表示，以消除圖像冗余信息的干擾。在獲得人臉樣本圖像的特征值后，運用協(xié)同模式識別的方式進行人臉樣本的分類。(1)基于人臉圖像對比的身份識別：即人臉識別問題。通過將輸入人臉圖像于人臉數(shù)據(jù)庫中所有已知原型人臉圖像計算相似度并對其排序來給出輸入人臉的身

6、份信息。這些包括兩類識別問題：一類是閉集，即假定輸入的人臉一定是人臉庫中得某個個體；另一個是開集識別，即首先要對輸入人臉是否在已知人臉庫中做出判斷，如果是，則給出其身份。(2)基于人臉圖像對比的身份驗證：即人臉確認問題。系統(tǒng)在輸入人臉圖像的同時輸入一個用戶宣稱的該人臉的身份信息，系統(tǒng)要對該輸入人臉圖像的身份于宣稱的身份是否相符作出判斷。1.2實現(xiàn)過程：人臉庫的建立(1)照片預處理預處理的主要作用有兩方面：第一，消除噪音；第二，歸一尺度。為了提高識別速度，應該盡量減少入庫照片的冗余信息。因此庫中的照片中涵蓋的信息主要為人臉五官信息，其他與人臉特征提取與比對不相關的信息都視為背景信息，需要剔除經(jīng)過

7、尺度歸一化處理及灰度均衡化處理，樣本照片存儲為像素大小112*92的灰度圖像(2)人臉樣本分類通常的人臉識別方法是將人臉庫視為一個整體進行訓練，得出整個人臉庫的特征值，之后再進行人臉識別。把一個常規(guī)的人臉庫看成是若干個相對較小的人臉庫的集合。進行人臉識別時，按照需求查找相應的子庫，這樣降低了參加訓練的樣本基數(shù)，從而達到了在不降低識別準確性的前提下，降低了人臉識別耗時的效果。(3)數(shù)據(jù)庫的建立數(shù)據(jù)庫起到了輔助的作用，是人臉識別算法與人臉庫連接的一個橋梁。當識別待測樣本時候，首先需要把待測樣本進行人臉分類，在確定了該樣本屬于哪個聚類之后，從數(shù)據(jù)庫中查找與之對應的人臉子庫，進而進行人臉識別工作。該數(shù)

8、據(jù)庫中存儲了人臉庫中的每個照片的數(shù)據(jù)信息，包括：姓名，照片編號，協(xié)同模式分類：存儲該樣本的物理地址等信息2.1 基于matlab圖像處理的基本操作讀取和顯示圖像可以通過imread()和imshow()來實現(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imcrp(),imrisize(),imrotate()等來實現(xiàn)圖像的裁剪，縮放和旋轉。2.2 圖像處理功能的Matlab實現(xiàn)實例可以通過圖像處理工具箱的有關函數(shù)對一人臉的彩色圖像進行處理)圖像類型的轉換因后面的圖像增強，邊緣檢測都是針對灰度圖像進行的，而我們的原圖是RG胸像，所以首先我們要對原圖類型進行轉

9、換，實現(xiàn)代碼如下：i=imread('f:face1.jpg');j=rgb2gray(i);imshow(j);imwrite(j,'f:face1.tif)效果圖如下：2)圖像增強(1)灰度圖像直方圖均衡化，代碼如下：i=imread('f:face1.tif');j=histeq(i);imshow(j);figure,subplot(1,2,1),imhist(i);subplot(1,2,2),imhist(j)效果入下圖：灰度圖像平滑與銳化處理采用了預定義高斯濾波器的方法對圖像進行銳化濾波。功能實現(xiàn)的代碼如下：i=imread('f:

10、face1.tif');j=imnoise(i,'gussian',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)效果圖如下：)邊緣檢測采用canny算子進行邊緣檢測，代碼如下：i=imread('f:face.tif');j=edge(

11、i,'canny',0.04,0.25,1.5);imshow(j)效果如下圖：3.1人臉識別計算機系統(tǒng)人臉識別是一個復雜的過程，一個計算機人臉識別包括幾個步驟：對采集到的圖像，首先進行人臉檢測(在輸入圖像中需找人臉)，給出人臉有無的結果；然后進行人臉定位，確定人臉額位置并提取出來。對人臉的定位在輸入是圖像序列時一般業(yè)稱之為人臉跟蹤。通常檢測和定位結合進行。對提取出來的人臉借助人臉描述就可以進行(狹義的)人臉識別，即通過提取特征來確定其身份。下面是運用matlab仿真進行人臉檢測定位程序：%ReadingofaRGBimagei=imread('face1.jpg

12、9;);I=rgb2gray(i);BW=im2bw(I);figure,imshow(BW)%minimisationofbackgroundportionn1n2=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;s

13、1=y1;s2=y2;pr1=0;endimshow(BW)endy1=y1+c;y2=y2+c;endx1=x1+r;x2=x2+r;endfigure,imshow(BW)%detectionoffaceobjectL=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)<1.8

14、mx=p;j=k;endendfigure,imshow(I);holdon;rectangle('Position',BB2(1,j-1),BB2(1,j+1),'EdgeColor','r')效果如下圖：4.1結束語基于matlab的人臉識別，很具有研究和應用價值，并且得到了越來越多的研究機構和公司的青睞，在國家安全，計算機交互，家庭娛樂等其他很多領域有著舉足輕重的作用，對提高辦事效率，防止社會犯罪等有著重大的經(jīng)濟和社會意義。因此，通過接觸這一比較前沿的技術，了解一些原理算法和系統(tǒng)的設計實現(xiàn)等。比如我了解了很多人臉識別中常用到算法，比如基于二

15、維Gabor小波矩陣表征人臉的識別方法，基于多特征融合和BoostingRBF神經(jīng)網(wǎng)絡的人臉識別方法，以及基于模型匹配人臉識別方法等等算法。參考文獻1祝磊，朱善安.人臉識別的一種新的特征提取方法J.計算機學報，2007,34(6):122-12512何東風，凌捷.人臉識別技術綜述J.計算機學報，2003,13(12)75-783“YounusFazl-eeBasitJaved和UsmanQayyum",采用直方圖的人臉識別和處理，第三階段僅相關新興技術研報告。4何國輝，甘俊英.PCA-LDA算法在性別鑒別中得應用J.中國圖像圖形學報，2006,32(19):208-2115王聃，賈云偉，林福嚴.人臉識別系統(tǒng)中得特征提取J.自動化學報，2005,21(7-3).6張儉鴿，王世卿，盛光磊.基于小波和DFB-PCA勺人臉識別算法研究J.自動化學報，2007,23(2-1).7曹林，王東峰，劉小軍，鄒謀炎.基于二維