基于直方图差值比较的人脸识别系统matlab附详细程序代码Word文件下载.docx

基于直方图差值比较的人脸识别系统matlab附详细程序代码Word文件下载.docx

《基于直方图差值比较的人脸识别系统matlab附详细程序代码Word文件下载.docx》由会员分享，可在线阅读，更多相关《基于直方图差值比较的人脸识别系统matlab附详细程序代码Word文件下载.docx（46页珍藏版）》请在冰豆网上搜索。

完成时间：

2013年6月18日

摘要

人脸识别系统因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安、罪犯识别等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。

本文提出了应用直方图差值比较的方法实现对人脸的识别。

主要包括人脸的读入、人脸锁定、特征提取、人脸识别等四大模块。

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。

关键词：

人脸识别；

图像预处理；

特征提取；

直方图差值比较

1.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

在人类社会的发展进入到21世纪的今天，安全问题已经成为困扰人们日常生活的重要问题之一。

社会的发展促进了人的流动性，进而也增加了社会的不稳定性，使得安全方面的需求成为21世纪引起广泛关注的问题。

不论是享受各项服务如网上冲浪、还是居家、办公等都涉及到安全，以往这些行为基本上是通过符号密码来进行安全保护，但是随着服务数量的不断增加，密码越来越多以致无法全部记住，而且密码有时也会被他人所窃取，各种密码被破解的概率越来越高，因为通常由于记忆的原因，人们经常会选用自己或亲人的生日、家庭地址、电话号码等作为密码并长期使用，这些很容易被一些不法分子获取。

可见在现代社会中，身份识别已经成为人们日常生活中经常遇到的一个基本问题。

人们乎时时刻刻都需要鉴别别人的身份和证明自己的身份，以获得对特定资源的使用权或者制权，同时防止这些权限被他人随意的取得。

传统的身份识别方法主要基于身份标识物（如证件、卡片）和身份标识知识（如用户名、密码）来识别身份，这在很长一段时期是非常可靠和方便的识别方法，得到了广泛的应用。

但是，随着网络、通信、交通等技的飞速发展，人们活动的现实空间和虚拟空间不断扩大，需要身份认证的场合也变得无处不在。

人们需要携带的身份标识物品越来越多，身份标识知识也变得越来越复杂和冗长在这种情况下，传统身份识别方式的弊端日益彰显。

身份标识物品容易被丢失和伪造，份标识知识容易被遗忘、窃取和破解，而身份标识的重要性又使得一旦失去了身份标识会给标识的所有者甚至整个社会带来重大的甚至难以弥补的损失。

在美国，每年约有上百万的福利款被人以假冒的身份领取;

每年发生的信用卡、ATM、移动电话和冒领支票等成的损失达数百亿美元。

面临着这样的状况，人们对身份识别的安全性、可靠性、准确和实用性提出了更高的要求，必须寻求身份识别的新途径。

于是，近年来人类生物特征越来越广泛地用于身份识别，而且生物特征可以更好的进行安全控制，世界各国政府都在大力推进生物识别技术的发展及应用。

与原有的人类身分识别技术（如:

个人密码、磁卡、智能卡等）相比，基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。

人类本身具有很多相对独特的特征，如DNA、指纹、虹膜、语音、人脸等。

基于这些相对独特的人类特征，结合计算机技术，发展起众多的基于人类生物特征的人类身份识别技术，如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。

1.2人脸识别的应用前景

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

应用

优点

存在的问题

信用卡

图像摄取可控

需要建立庞大的数据库

照片匹配

潜在的巨大图像库

图像质量不统一

互联网应用

信息视频价值高

存在虚假

银行储蓄安全

监控效果好

图像质量差

人群监测

图像实时性

图像质量低

人脸识别和其他的生物识别比起来有以下几个优点:

（1）其他的生物特征识别方法都需要一些人为的行为配合，而人脸识别不需要。

（2）人脸识别可应用在远距离监控中。

（3）针对现在的第一、二代身份证，每个身份证都有人脸的正面照片，也就是人脸库将是最完善的，包括人最多的，我们可以利用这个库来更直观、更方便的核查该人的身份。

（4）相对于其他基于生物特征识别技术，人脸识别技术具有特征录入方便，信息丰富，使用面广等优点，同时人脸识别系统更加直接友好。

人脸识别技术作为生物识别技术的一种，以其特有的稳定性、方便性、唯一性等特点被越来越多地应用于除安全问题外的各种身份识别领域。

人脸识别技术可应用于以下方面：

1.2.1在安全防范领域中的应用

社会上有许多重要的部门，如军事、金融、保密等部门都需要对出入人员进行身份识别，以防止信息泄漏和不法现象的发生。

使用该技术可以方便地进行身份识别，而不使被识别者感到不舒服。

1.2.2在犯罪刑侦领域中的应用

在刑侦工作中，对罪犯的抓捕是至关重要的一环。

应用人脸识别技术可以依据犯罪嫌疑人的人脸图像对机场、车站、港口等重要交通场所进行监控，从而大大促进了罪犯抓捕工作的开展。

1.2.3在公共事业领域中的应用

在现代社会，许多领域都需要对人进行身份验证。

如银行、保险、交通等公共事业部门。

采用传统的密码、IC卡等手段和技术对人进行身份验证具有安全性差、易遗失、易伪造等缺点。

而采用人脸识别技术进行身份验证则能够很好地克服传统身份验证手段和技术的缺点。

1.3人脸识别的概述

生物特征识别技术是通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定。

生理特征与生俱来多为先天性的;

行为特征则是习惯使然，多是后天性的。

我们将生理和行为特征统称为生物特征。

常用的生物特征包括:

指纹、掌纹、虹膜、视网膜、脸像、声音、笔迹等。

那么，生物特征识别技术是如何进行个人特征识别的呢?

生物鉴别的过程分成三个步骤:

生物特征数据采样，生物特征提取和特征匹配。

数据采样过程是通过各种传感器对生物特征进行原始数据采集的过程，生物特征提取过程则从传感器采集的数据中抽取出反映个体特性的信息（通常是某种数学上的编码过程），匹配阶段则是计算生物特征之间的相似性并进行排序和一致性判断的过程。

生物特征识别技术主要有人脸识别、指纹识别、语音识别、虹膜识别等。

生物识别技术在上个世纪己经有了一定的发展，其中指纹识别技术己经趋近成熟，但人脸识别技术的研究目前还处于起步阶段。

指纹、虹膜、掌纹等识别技术都需要被识别者的配合，有的识别技术还需要添置复杂昂贵的设备。

人脸识别则可以用已有的照片或是摄像头远距离捕捉图像，无须特殊的采集设备，系统的成本低。

并且自动人脸识别可以在当事人毫无察觉的情况下即完成身份确认识别工作，这对反恐怖活动等有非常重大的意义。

由于人脸识别技术具有如此之多的优势，因此它的应用前景非常广阔，已成为最具潜力的生物特征识别技术之一。

所谓人脸识别，是指对输入的人脸图像或者视频，判断其中是否存在人脸，如果存在人脸，则进一步给出每张人脸的位置、大小和各个面部主要器官的位置信息，并且依据这些信息，进一步提取每张人脸蕴含的身份特征，并将其与已知人脸库中的人脸进行对比，从而识别每张人脸的身份。

1.4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。

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。

1.5识别系统的构成

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。

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（FaceIdentification）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（CloseSet）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（OpenSet）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（FaceVerification）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。

本论文中的人脸识别主要是指狭义的人脸识别，指将待识别的人脸与数据库中的已知人脸之间进行匹配的人脸鉴别。

人脸识别的目的是让计算机具有通过人脸的特征来鉴别身份的功能。

基于人脸特征的身份识别主要设计到复杂场景中的人脸检测及识别技术，是一种依托于图像理解、模式识别及计算机视觉、统计学和人工智能等高技术的研究方向。

1.6人脸识别国内外发展概况

见诸文献的机器自动人脸识别研究开始于1966年PRI的Bledsoe的工作，1990年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。

1993年，美国国防部高级研究项目署（AdvancedResearchProjectsAgency）和美国陆军研究实验室（ArmyResearchLaboratory）成立了Feret（FaceRecognitionTechnology）项目组，建立了feret人脸数据库，用于评价人脸识别算法的性能。

美国陆军实验室也是利用vc++开发，通过软件实现的，并且FAR为49%。

在美国的进行的公开测试中，FAR，为53%。

美国国防部高级研究项目署，利用半自动和全自动算法。

这种算法需要人工或自动指出图像中人的